L'apprentissage automatique en toute simplicité

Selon Forrester Research, "98 % des entreprises ont du mal à tirer des enseignements des données qu'elles collectent, principalement en raison d'un manque d'expertise interne".¹ Bien que votre entreprise puisse aujourd'hui conserver son avantage concurrentiel sans ces informations, le rythme du changement vers la transformation numérique pourrait bientôt affecter votre activité.

C'est pourquoi les organisations du monde entier se concentrent sur l'utilisation des données en intégrant de l'intelligence artificielle (IA) et de l'apprentissage machine (ML) - pour améliorer leurs activités.

Avec l'apprentissage automatique, vous pouvez améliorer et automatiser vos opérations commerciales, prédire les événements et les comportements, et exécuter de manière proactive des actions programmatiques prescriptives basées sur ces prédictions.

Par exemple, en utilisant l'analyse ML et prédictive, votre organisation peut identifier et cibler de nouveaux acheteurs ou identifier les meilleurs moments pour effectuer une vente en comprenant mieux le comportement et les préférences des consommateurs.

Si vous êtes un prestataire de soins de santé, votre organisation peut analyser les diagnostics codés ainsi que les données relatives à l'admission, au transfert et à la sortie du patient afin de réduire les taux de réadmission.

En d'autres termes, la modélisation mathématique peut vous faire gagner du temps et des ressources, améliorer vos prévisions, vous permettre de prendre de meilleures décisions et d'obtenir de meilleurs résultats.

Tout cela semble formidable, mais il y a un inconvénient : le développement de modèles de modélisation mathématique est difficile et nécessite une expertise rare - et coûteuse.

Heureusement, les experts du secteur s'efforcent de faciliter l'utilisation de la modélisation mathématique en développant de nouveaux outils, notamment AutoML et IntegratedML®.

En lisant ce dossier technologique, vous découvrirez :

• Pourquoi le ML est essentiel au succès de votre entreprise
  
• Comment la pénurie de talents rend difficile l'exploitation du ML par les entreprises ?
  
• Ce qu'est AutoML et comment il vous aide à gagner la guerre des talents en IA
  
• Ce qu'est InterSystems IntegratedML® et comment il est conçu pour :
  
  • Permettre à vos développeurs de développer des modèles de ML et des applications basées sur le ML
    
  • Augmenter la productivité des data scientists
    
  • Rationaliser les processus opérationnels et analytiques pour améliorer l'expérience client, l'efficacité opérationnelle et la productivité
    
  • Améliorer la précision des prévisions, créer de meilleurs résultats commerciaux et vous permettre de vous différencier de vos concurrents.

Ce guide technologique est un contenu approprié pour les cadres, les gestionnaires et les professionnels de l'informatique, que vous cherchiez à accroître la productivité de votre équipe ou que vous vous lanciez dans le ML sans avoir besoin d'engager des experts.
Télécharger le guide technologique

En tant qu'application de l'IA, la ML forme une machine à apprendre des données à partir de l'expérience et de l'inférence. Il améliore continuellement les résultats sans être spécifiquement programmé pour le faire.

Le ML peut analyser un large éventail de données et créer des modèles utilisés pour répondre à un vaste éventail d'exigences analytiques et opérationnelles.

Hors ligne, les modèles ML peuvent aider les utilisateurs à comprendre le comportement des clients ou les problèmes d'efficacité des processus.

Lorsqu'elle est déployée en ligne ou dans le flux opérationnel, le ML peut améliorer très visiblement les résultats, qu'il s'agisse de recommander un produit ou un service préféré à un client pendant qu'il navigue, de vous alerter de manière proactive avant de conclure une vente s'il existe un risque élevé que le fournisseur ne soit pas en mesure de livrer, ou de déterminer si une transaction peut être frauduleuse avant de l'approuver.

Les opérations de chaque département de votre organisation peuvent bénéficier du ML, y compris les ventes et le marketing, la recherche et le développement, les services juridiques, les ressources humaines, le support client, le développement de produits, et même les finances.

Le fait est que le ML apporte de la valeur dans presque tous les secteurs et qu'elle promet de devenir omniprésente à mesure que de plus en plus d'organisations l'adoptent.

Vous faites déjà l'expérience du ML dans votre vie quotidienne : des assistants personnels virtuels tels qu'Amazon Alexa et Siri d'Apple aux filtres anti-spam et aux détecteurs de logiciels malveillants, en passant par la méthode de Facebook pour suggérer de nouveaux amis et de nouveaux groupes, les chatbots qui fournissent un support client en ligne et les voitures intelligentes qui se conduisent toutes seules.

L'apprentissage automatique offre de nombreux avantages mais une question se pose : pourquoi les entreprises ne sont-elles pas plus nombreuses à l'utiliser ?
Une raison essentielle : le ML est difficile à utiliser et exige un haut niveau d'expertise.

Le ML nécessite des experts qui comprennent la théorie, la technologie, les méthodes et les outils. Aujourd'hui, ces experts sont rares et très demandés.

Selon les dernières données du Bureau américain des statistiques du travail, il y a moins de 32 000 scientifiques des données au total aux États-Unis.² Pour aggraver la pénurie de spécialistes de l'IA et de scientifiques des données, une grande partie des talents disponibles sont embauchés par des géants du numérique, notamment Amazon, Facebook, Google et Microsoft, qui versent des salaires vertigineux.

Il est donc difficile pour les organisations de rivaliser pour ces ressources déjà rares.

L'apprentissage automatique (AutoML) est une nouvelle technologie en plein essor pour les organisations qui cherchent à étendre la portée de leurs talents actuels en matière d'apprentissage automatique et pour celles qui commencent tout juste à s'y intéresser.

AutoML est une approche relativement nouvelle de la science des données.
Elle automatise et simplifie la création de modèles ML, elle effectue l'ingénierie des caractéristiques, en automatisant le processus de transformation des données brutes en formats appropriés pour les modèles ML.
Elle automatise la sélection des modèles, la formation et l'analyse des résultats et teste différents algorithmes ML avec des paramètres variables afin de créer le modèle le plus précis pour un problème donné.

Pour les organisations disposant d'une équipe de scientifiques des données, cela permet d'automatiser une grande partie des processus manuels et par tâtonnement utilisés pour construire des modèles ML et d'améliorer considérablement la productivité de vos scientifiques des données, en économisant du temps et des efforts.

Si vous n'avez pas encore de spécialistes ML dans votre personnel, l'ingénierie des fonctionnalités ainsi que la création et la formation de modèles peuvent être difficiles.

Mais désormais, avec AutoML, votre entreprise n'a pas nécessairement besoin de scientifiques des données pour créer des modèles de ML.

Au lieu de cela, vous pouvez commencer par des cas d'utilisation simples et AutoML, tout en formant simultanément vos développeurs à entreprendre une plus grande partie du processus d'analyse et de développement ML.

Cependant, de nombreux outils AutoML actuels sont limités.

Bien qu'ils soient capables de créer des modèles de ML, ils ne fournissent aucune fonctionnalité permettant d'exécuter les modèles dans le cadre de processus métiers en temps réel.

Il s'agit là d'un aspect important de la différence entre InterSystems IntegratedML et les autres.

InterSystems IntegratedML est une fonctionnalité intégrée à la plateforme de gestion de données InterSystems IRIS®.

IntegratedML offre toutes les caractéristiques et tous les avantages d'AutoML traditionnel.

Cependant, étant donné qu'il est intégré à InterSystems IRIS, vous pouvez développer et déployer des applications sophistiquées qui exécutent de manière transparente ces modèles de manière dynamique en réponse à des événements et des transactions en temps réel, sans extraire ou déplacer aucun modèle ou donnée.
Par exemple, prenons le cas d'une banque qui émet des cartes de crédit et qui doit identifier le risque de fraude avant d'approuver chaque transaction.

Elle exécute une application de carte de crédit en temps réel, très performante, développée avec InterSystems IRIS, qui stocke toutes les données démographiques et financières de tous les clients et de toutes les transactions par carte de crédit.

Cette application peut contenir des centaines d'éléments de données pour chaque transaction par carte de crédit - y compris si chaque transaction était frauduleuse ou valide.

Grâce à IntegratedML, les développeurs d'applications de la banque peuvent créer automatiquement un modèle ML pour identifier les transactions à haut risque sur la base des transactions passées, en sélectionnant simplement le champ souhaité (par exemple "is_fraudulent") et en laissant IntegratedML créer le modèle et les paramètres les plus appropriés.

Mais contrairement à AutoML traditionnel, le modèle basé sur IntegratedML d'InterSystems peut être incorporé de manière transparente dans l'application de carte de crédit pour s'exécuter en temps réel avec chaque transaction entrante, et l'application peut prendre les actions programmatiques appropriées si le modèle détermine qu'il y a un risque élevé de fraude, comme empêcher la transaction et appeler ou envoyer un message au propriétaire de la carte.

IntegratedML facilite également la mise à jour des modèles au fur et à mesure que les applications fonctionnent en production et que de nouvelles données sont générées.

Dans le cas de la fraude à la carte de crédit, comme un mode de fraude est détecté et empêché par l'application, de nouvelles techniques seront sûrement initiées par les criminels.

Comme toutes les données, y compris les plus récentes, sont stockées dans la plateforme de données, il n'est pas nécessaire de créer des extraits manuels et de déplacer les données vers différents environnements.

Au lieu de cela, la banque peut continuellement affiner les modèles en utilisant les données les plus récentes pour détecter et prévenir les nouveaux schémas d'attaque, sans délai.

Avec InterSystems IRIS et IntegratedML, vous pouvez développer des applications qui exécutent des actions programmatiques prescriptives intelligentes en réponse à des événements en temps réel et obtenir des avantages concurrentiels et des bénéfices commerciaux essentiels.

Elle peut vous aider à être le premier à commercialiser un nouveau produit ou service, le premier à agir sur une nouvelle initiative et le premier à réagir à un changement de comportement de la part des clients.

Avec IntegratedML, un développeur - avec peu ou pas de connaissances en ML - peut utiliser SQL pour développer des modèles ML sophistiqués.

Cela ne veut pas dire qu'il ne faut jamais embaucher de data scientists.

Si votre organisation est une grande entreprise disposant d'une équipe de scientifiques de données, IntegratedML peut faire gagner un temps considérable à vos ingénieurs et scientifiques de données.

Par exemple, une enquête menée en 2018 par Kaggle ML and Data Science3 a révélé que les data scientists passent près de 40 % de leur temps à collecter et à nettoyer des données (voir la figure 1 ci-dessous).

L'utilisation d'IntegratedML pour la préparation des données et l'ingénierie des fonctionnalités permet à vos spécialistes des données de se concentrer sur des tâches plus importantes et à plus forte valeur ajoutée, telles que l'optimisation des modèles.

Pour les entreprises qui débutent dans le domaine du ML, InterSystems IntegratedML permet aux développeurs de logiciels et aux analystes qui créent vos applications métiers et connaissent les données d'explorer le ML par eux-mêmes.

IntegratedML automatise le travail de base, comme l'identification des modèles les plus appropriés, la définition des paramètres, la construction et l'entraînement des modèles.

Il accélère également le processus d'intégration des modèles ML dans les applications de production.

Au fur et à mesure que vos développeurs deviennent plus expérimentés et commencent à comprendre le processus et les résultats, ils peuvent commencer à modifier les paramètres facultatifs et à définir eux-mêmes les valeurs.

Les spécialistes des données peuvent également être plus productifs avec IntegratedML, car ils peuvent consacrer leur temps à l'optimisation réelle du modèle plutôt qu'à la manipulation des données et à l'ingénierie et la sélection des caractéristiques.

Avec IntegratedML, la formation du modèle, y compris l'identification des caractéristiques d'entrée appropriées à partir des données sources, le réglage des paramètres du modèle et l'exécution sont tous réalisés à l'aide d'une poignée de commandes SQL.

CREATE MODEL WillSurvive PREDICTING (Survived) FROM Titanic
La commande CREATE MODEL configure les métadonnées du modèle d'apprentissage automatique. Les développeurs spécifient le nom du modèle (WillSurvive), le champ cible à prédire (Survived) et un ensemble de données d'où proviennent le champ cible et tous les champs d'entrée du modèle (Titanic).

La syntaxe FROM est entièrement générale et peut spécifier n'importe quelle expression de sous-requête.

Les métadonnées associées à cet ensemble de données sont également utilisées pour déduire les types de données des champs cibles et des champs d'entrée, définissant ainsi complètement le problème à résoudre par le modèle.

MODÈLE DE FORMATION WillSurvive FROM Titanic
La commande MODÈLE DE FORMATION spécifie les données à utiliser pour la formation et exécute le moteur AutoML, qui prend en entrée un ensemble de données relationnelles.

La syntaxe FROM étant générale, le même modèle peut être entraîné plusieurs fois avec différents ensembles de données.

Par exemple, vous pouvez souhaiter entraîner un modèle de campagne marketing sur différents segments de clientèle ou réentraîner votre modèle régulièrement, à mesure que de nouvelles données d'entraînement sont disponibles.

Le moteur AutoML prend automatiquement en charge toutes les tâches d'apprentissage automatique requises.

Il identifie les caractéristiques candidates pertinentes à partir des données sélectionnées, envisage les types de modèles applicables en fonction des données et de la définition du problème, et ajuste les hyperparamètres pour produire un ou plusieurs modèles exécutables.

Les développeurs peuvent choisir parmi différents moteurs AutoML, notamment InterSystems AutoML, H2O et DataRobot Enterprise AI Platform.

Toutes les options du moteur AutoML sont parfaitement intégrées à InterSystems IRIS et sont transparentes pour les développeurs.

SELECT PREDICT(WillSurvive) As Predicted FROM Titanic SELECT PROBABILITY(WillSurvive FOR 1) FROM Titanic
Une fois entraîné, le modèle fournit des résultats via l'une des deux fonctions scalaires, PREDICT() et PROBABILITY(). PREDICT() renvoie la valeur la plus probable ou estimée pour la colonne spécifiée, telle que déterminée par le modèle entraîné.

Pour les problèmes de catégorisation, PROBABILITY() renvoie la probabilité calculée par le modèle entraîné que le champ cible du modèle soit égal à une valeur définie par l'utilisateur.

Ces fonctions scalaires simples peuvent être utilisées n'importe où dans une requête et dans n'importe quelle combinaison avec d'autres champs et fonctions.

L'une des principales innovations d'IntegratedML est la prise en charge transparente de la mise en correspondance des champs disponibles dans le contexte de requête donné avec les champs d'entrée requis pour exécuter le modèle.

IntegratedML offre une flexibilité supplémentaire aux développeurs, par exemple pour la mise en correspondance avec d'autres sources de données que la table ou la requête particulière utilisée pour créer ou former le modèle, comme l'illustre l'exemple suivant.

SELECT Name, PREDICT(WillSurvive WITH Sex = Geschlecht, Age = DATEDIFF(year, NOW(), Geburtsdatum), Fare = TicketPreise, Cabin = Kabine) FROM Hindenburg
Alors que la plupart des solutions AutoML fonctionnent dans un environnement autonome avec un couplage lâche et à faible débit avec des applications et des plates-formes de données externes, IntegratedML est différent.

Il fonctionne de manière transparente au sein de la plateforme de gestion de données InterSystems IRIS afin d'accélérer et de simplifier l'apprentissage et l'exécution des modèles ML, et permet d'intégrer de manière transparente les modèles ML dans les applications InterSystems IRIS sans déplacer les données ou les modèles. Cette opérationnalisation des modèles de ML est considérée comme l'un des principaux obstacles à l'adoption rapide de la ML dans les applications commerciales.

La technologie d'InterSystems alimente 150 000 déploiements dans le monde entier, dans des secteurs d'activité variés.

La plateforme de gestion de données IRIS d'InterSystems est une plateforme logicielle unifiée conçue pour accélérer et simplifier le développement d'applications en temps réel axées sur les données.

InterSystems IRIS permet aux développeurs d'intégrer des analyses sophistiquées - notamment la business intelligence, l'IA, le ML, le traitement du langage naturel et l'analyse prédictive - dans les processus métier critiques en temps réel.

Le moteur de base de données transactionnel-analytique haute performance intégré prend en charge simultanément les charges de travail opérationnelles et analytiques à très grande échelle.

En plus de ses capacités de développement et d'exécution de ML intégré, InterSystems IRIS permet également :

InterSystems IRIS fournit un ensemble complet de capacités d'intégration et d'interopérabilité pour nettoyer, transformer et normaliser les données, et prendre en charge des intégrations sophistiquées.

Elle offre une connectivité et des transformations de données prêtes à l'emploi pour un large éventail d'applications, de bases de données, de normes industrielles, de protocoles et de technologies, afin de faciliter l'intégration et l'analyse des données et la création de modèles prédictifs et prescriptifs.

En outre, vous pouvez intégrer des traitements analytiques, tels que des requêtes SQL, des analyses prédictives, des analyses ML et des traitements en langage naturel (NLP), dans des processus métier composites qui relient des sources de données et des applications disparates.
Ces processus composites peuvent rationaliser les opérations, déclencher des alertes, et ce sans affecter les performances de l'application.

Évolutivité
InterSystems IRIS est évolutif verticalement et horizontalement, et très efficace en termes de ressources, ce qui le rend idéal pour les applications qui prennent en charge des taux d'ingestion très élevés, des niveaux élevés de charges de travail analytiques, de nombreux processus métier simultanés, et la capacité de traiter, stocker et analyser de très grands ensembles de données de manière rentable.

Reporting et traçabilité
Toutes les données (y compris les données en vol, les métadonnées et les données associées à des transactions asynchrones de longue durée) sont automatiquement stockées dans la base de données intégrée et disponibles pour le reporting et l'analyse en temps réel.
La visualisation et le diagnostic du comportement des intégrations et des processus sont facilités par les capacités de traçage visuel.

Développement graphique
Les outils graphiques à code réduit permettent aux développeurs de représenter visuellement les processus, les transformations, les règles et les flux de travail, afin qu'ils puissent se concentrer sur les interactions logiques entre les systèmes plutôt que sur le codage.

Les modèles graphiques encouragent la collaboration entre les secteurs d'activité et l'informatique, ce qui permet à votre entreprise de développer de nouvelles solutions ou de modifier les applications existantes plus rapidement.

Déploiement
InterSystems IRIS prend en charge un large éventail d'options de déploiement, y compris les principaux clouds publics, clouds privés, sur site, et les options de déploiement hybride.

Que vous cherchiez à ravir vos clients avec des expériences personnalisées en temps réel, à améliorer les résultats cliniques pour les patients, à prédire de manière proactive les besoins de maintenance avant les défaillances, ou à détecter et prévenir la fraude en temps réel, InterSystems IRIS et IntegratedML peuvent vous aider à atteindre ces objectifs et plus encore.

En savoir plus sur InterSystems IRIS

L'apprentissage automatique est la vague de l'avenir et toute organisation souhaitant être compétitive devra commencer à l'utiliser.
Malheureusement, les spécialistes des données sont rares et leurs salaires montent en flèche. Il est donc difficile pour les grandes entreprises d'étendre leur présence dans le domaine du ML et pour les petites entreprises de s'y mettre.
Bien que des innovations telles qu'AutoML soient utiles, AutoML seul n'est pas suffisant.

InterSystems IntegratedML fournit des capacités AutoML sophistiquées, exposées via une interface SQL intuitive, et entièrement intégrées dans une plateforme de gestion de données unifiée.
IntegratedML permet de déployer facilement des modèles ML dans des applications critiques en temps réel, sans avoir à déplacer les données ou les modèles, et sans avoir besoin d'une équipe de data scientists.

Ensemble, InterSystems IRIS et IntegratedML vous permettent de créer un cycle vertueux d'amélioration, en affinant continuellement et sans délai les modèles ML en fonction des données de production les plus récentes.

Si vous disposez d'une équipe de scientifiques des données, IntegratedML améliorera la productivité de votre équipe.

Si vous venez de vous lancer dans l'IA, IntegratedML peut vous permettre de commencer à utiliser le ML dès maintenant, sans avoir à engager des experts en ML coûteux.

Dans les deux cas, IntegratedML peut vous aider :

• Accélérer et simplifier la création de modèles ML
  
• Exécuter des actions programmatiques intelligentes en temps réel
  
• Rationaliser les processus pour améliorer l'expérience client, l'efficacité opérationnelle et la productivité
  
• Améliorez la précision de vos prévisions, accélérez l'obtention de meilleurs résultats commerciaux et devancez vos concurrents
  
• Développez des applications plus intelligentes plus rapidement et plus facilement avec moins de ressources
  
• Gagner la guerre des talents en IA

En savoir plus sur InterSystems IRIS

---

^{1 - Forrester Opportunity Snapshot. (2019) Les données sont la clé d'une expérience client différenciée : une plateforme unifiée d'analyse des données permet d'offrir une expérience client pertinente en temps voulu et de manière contextuelle2 -https://www.bls.gov/ooh/computer-and-information-technology/computer-and-informat}ion-r esearch-scientists.htm3 - ^{https://www.kaggle.com/headsortails/what-we-do-in-the-kernels-a-kagg}le-survey-story4 - https://businessoverbroadway.com/2019/02/19/how-do-data-professionals-spend-their-time-ondata-science-projects/