Open-Source-Bibliothek für KI, ML und Predictive Analytics

Die Python-Bibliothek Nyoka bietet umfassende Unterstützung für den neuesten PMML-Standard sowie Erweiterungen für Datenvorverarbeitung, Skriptausführung und tiefe neuronale Netze. Mit Nyoka unterstreicht die Software AG ihr Bekenntnis zu offenen Branchenstandards und ergänzt Zementis Predictive Analytics, ihre Plattform für den unternehmensweiten operativen Einsatz von Künstlicher Intelligenz (KI).

"Unternehmen sehen sich heute mit komplexen AI-Lösungen, häufigen Modell-Updates, plattformübergreifender Ausführung und Datenintegration konfrontiert. Mit ihrem anbieterneutralen Konzept, das Anwendern einfache Plug-and-Play-Verfahren und eine breite Palette an Komponenten bietet, geht die Software AG diese Herausforderungen an. Nyoka optimiert die Arbeit von Datenwissenschaftlern und vereinfacht die Implementierung von Machine-Learning-Modellen.", sagt Dr. Michael Zeller, Senior Vice President, AI Strategy & Innovation, Software AG.

PMML ist ein XML-basiertes Format zum Austausch von Prognosemodellen und der führende Standard für Statistik- und Data-Mining-Modelle. Die Data Mining Group (DMG), ein unabhängiges herstellergeführtes Konsortium, das Data-Mining-Standards entwickelt, steht seit fast 20 Jahren an der Spitze der PMML-Entwicklung und im Dienst der Data-Science-Community.

Die erste Nyoka-Version bietet eine Vielfalt an Klassen und Funktionen, die Datenwissenschaftlern das Leben erleichtern sollen. Beispielsweise können Entwickler mit Nyoka eine PMML-Datei für ein Random-Forest-Modell auf der Basis eines vorhandenen Scikit-Learn-Objekts erstellen. Im Lieferumfang von Nyoka enthalten sind eine umfangreiche HTML-Dokumentation sowie eine stetig zunehmende Anzahl an Jupyter-Notebook-Tutorials, die zeigen, wie Nyoka den Einsatz von PMML als Transportdateiformat für Data-Science-Modelle unterstützt.

Nyoka wird heute auf der Big Data Conference in Santa Clara, Kalifornien, vorgestellt. Die Bibliothek ist auf GitHub unter https://github.com/nyoka-pmml/nyoka erhältlich und kompatibel mit Python Version 3.5+.