Heimdall
Ein Cloud-Arbeitsbereich, der aufbereitete Daten in das Modelltraining, die Prognose und produktive Vorhersage-APIs überführt.
Über Heimdall
Heimdall ist eine browserbasierte Cloud-Plattform für Daten und maschinelles Lernen, die Datenaufbereitung mit der Modellbereitstellung verbindet. Teams können CSV-Dateien, Datenbanktabellen, Snapshots von Data-Warehouses und unstrukturierte Archive in Lake importieren, sie in Bronze-, Silber- und Goldstufen organisieren und anschließend mit demselben Katalog in Lab oder den No-Code-Modellierungsprodukten arbeiten. Lab bietet Python-Notebooks mit pandas und gängigen Diagrammbibliotheken. ML übernimmt Klassifikation und Regression, Forecast erstellt Zeitreihenmodelle und Loop unterstützt Modelle, die aus Rückmeldungen lernen. Trainierte Modelle lassen sich als REST-APIs bereitstellen und im selben Arbeitsbereich überwachen. Bei kleinen Teams kann diese durchgängige Arbeitsweise einen Großteil der routinemäßigen Datenübertragung zwischen Speicher, Notebooks, Trainingssystemen und Modellservern vermeiden. Weniger geeignet ist die Plattform für Käufer, die bereits vor der Bewertung klar veröffentlichte Kapazitätsgrenzen, umfassende Integrationszusagen oder detaillierte Unternehmenskontrollen benötigen, da diese Angaben im verfügbaren Produktmaterial nicht enthalten sind.
Funktionen
Medaillon-Datenworkflow
Katalogisieren Sie Rohdaten in Lake, verfeinern Sie Bronze- und Silberdaten und veröffentlichen Sie Golddatensätze für die Modellierung.
No-Code-Prognosen
Trainieren Sie Prognosemodelle mit Zeitreihendaten, prüfen Sie Fehlermetriken und Konfidenzintervalle und stellen Sie eine API bereit.
Python-Notebooks im Browser
Analysieren Sie Lake-Tabellen mit pandas und Visualisierungsbibliotheken und speichern Sie die Ergebnisse anschließend als neue Silberdatensätze.
Vorteile
- Ein gemeinsamer Katalog verbindet Datenaufnahme, Aufbereitung, Modelltraining, Bereitstellung und Überwachung zu einem durchgängigen Arbeitsablauf.
- Die No-Code-Pfade von ML und Forecast können den Weg von einem aufbereiteten Golddatensatz zu einem funktionierenden Vorhersage-Endpunkt verkürzen.
- Lab unterstützt pandas und vertraute Visualisierungsbibliotheken und speichert Transformationen, ohne die Quelltabelle zu überschreiben.
Nachteile
- Genaue kostenpflichtige Preise, Kontingente des kostenlosen Tarifs und Abrechnungszeiträume werden nicht veröffentlicht, was die Budgetplanung erschwert.
- Der Workflow für Golddatensätze fügt Vorbereitungsschritte hinzu, bevor Teams Modelle mit ihren eigenen Produktivdaten trainieren können.
- Öffentliche Materialien enthalten nur wenige Angaben zum Integrationsumfang und zu Unternehmenskontrollen, sodass sich die Eignung anfangs möglicherweise nur schwer beurteilen lässt.
Preispläne
Kostenlos
- Mit der Entwicklung beginnen und die Plattform bewerten
- Beispieldaten für einen ersten Modellierungsablauf verwenden
- Keine veröffentlichten Nutzungsgrenzen verfügbar
* Die Preisangaben dienen nur zur Orientierung. Bitte beachten Sie die aktuellen Informationen auf der offiziellen Website von Heimdall.