Volupe Group przejęła od Endego działalność związaną ze sprzedażą i dystrybucją oprogramowania Siemens i Altair.
Endego koncentruje się na dalszym rozwoju usług inżynieryjnych i digitalizacyjnych. Dowiedz się więcej
Portfolio Rapidminer firmy Siemens wspiera przygotowanie danych, analitykę i uczenie maszynowe. Obejmuje narzędzia do pracy z danymi, budowania modeli oraz wizualizacji wyników. Dobór aplikacji zależy od źródeł danych, potrzeb zespołu i sposobu wdrożenia.
Przeglądaj produkty
Rapidminer AI Studio umożliwia budowanie modeli AI i uczenia maszynowego za pomocą wizualnych przepływów pracy oraz kodu Python i R. Rapidminer AI Hub i AI Cloud wspierają udostępnianie i wdrażanie modeli. Zakres integracji, zarządzania dostępem i wdrożenia zależy od używanych produktów i konfiguracji.
Rapidminer SLC umożliwia uruchamianie programów napisanych w języku SAS oraz łączenie ich z Pythonem, R i SQL. Pomaga wykorzystać istniejący kod w zmodernizowanym środowisku analitycznym. Zgodność bibliotek, procedur i połączeń z danymi należy sprawdzić dla konkretnego programu oraz wybranej wersji.
Rapidminer Monarch służy do pozyskiwania, przygotowania i przekształcania danych między innymi z raportów PDF, arkuszy kalkulacyjnych i plików tekstowych. Wizualne narzędzia bez kodowania pomagają tworzyć powtarzalne procesy przygotowania danych. Możliwości automatyzacji i wdrożenia zależą od wybranej aplikacji, w tym Rapidminer Monarch Server.
Rapidminer AI Studio wspiera przygotowanie danych, tworzenie i ocenę modeli uczenia maszynowego, w tym przepływy AutoML. Wizualne procesy można łączyć z elementami napisanymi w Pythonie lub R. Jakość modelu należy oceniać na odpowiednich danych testowych przed jego wykorzystaniem w podejmowaniu decyzji.
Rapidminer Panopticon wspiera wizualizację danych oraz analitykę strumieniową. Interaktywne pulpity pomagają analizować dane bieżące i historyczne, rozpoznawać trendy oraz anomalie. Dostępność danych i opóźnienie prezentacji zależą od źródła, połączenia i konfiguracji systemu.
Simcenter PhysicsAI wykorzystuje wyniki wcześniejszych symulacji do uczenia modeli przewidujących zachowanie nowych geometrii. Ułatwia szybkie porównywanie wariantów konstrukcyjnych. Prognozy wymagają oceny jakości i walidacji, szczególnie poza zakresem danych treningowych; AI uzupełnia tradycyjne solvery.
