SAS Viya

Mi piacciono diverse cose di SAS Viya:1. È uno strumento che non richiede competenze pregresse di coding: con il trascinamento si può fare di tutto 2. Accelera il processe di costruzione del modello. E’ sufficiente trovare le corrette funzioni statistiche per inserirle trascinandole nella work area e aggiungerle al modello3. C’è il supporto per gli ipynb notebook, per chi preferisce scrivere in Python per il machine learning 4. Può essere usato per costruire cruscotti di business intelligence e creare reportistica5. Supporta il calcolo parallelo quindi risulta molto veloce

Non ho riscontrato svantaggi nell'utilizzo di SAS Viya, ma apprezzerei se i costi di questo software fossero accessibili per un pubblico più vasto. Molte aziende faticano a sostenere i costi della licenza e si spostano verso opzione open source.

Le funzionalità, a mia avviso, più importanti di SAS Viya sono i molteplici strumenti di visualizzazione di dati e l’ampia gamma di algoritmi di machine learning disponibili. I primi consento un esplorazione significativa dei dati, con visualizzazioni chiare, in grafici o mappe di sintesi, che possono essere condivisi con altri team. I secondi, tra quali possiamo annoiare algoritmi con apprendimento supervisionato e non, generarono modelli predittivi accurati e robusti, i quali possono essere testati in vari scenari e migliorati nel tempo manipolando i metadati. SAS Viya ha inoltre il supporto al AutoMl, il machine learning automatizzato, che semplifica la costruzione dei modelli e consente all’utente di focalizzarsi sull’interpretazione dei risultati ed il miglioramento delle performance.

L’aspetto da migliorare di SAS Viya è il processo di passaggio di un modello da un ambiente di sviluppo ad uno di produzione. Il processo di deployment richiede una buona dose di lavoro manuale, non è ancora totalmente automatico e blocca un team di sviluppatori per diversi giorni, con un costo non indifferente per l’azienda.

SAS Viya è una piattaforma di analisi avanzata, integrabile con i linguaggi Python ed R, che permette di elaborare dati utilizzando algoritmi di machine learning o deep learning al fine di risolvere problemi complessi. Sas Viya è basato sul Cloud Analytics Services, e permette di lavorare su grandi quantità di dati on tempi ridotti. Con Sas Viya al fine di sviluppare modelli predittivi è possibile utilizzare, tra gli altri algoritmi, reti neurali, random forest o SVM. Il software è anche in grado di analizzare testi e definire il sentiment con il framework Keras. Gli strumenti legati ai parametri prestazioni, inoltre, consentono di ottimizzare le prestazioni dei modelli di machine learning andando a modificare, ad esempio, il numero di nodi nascosti in una rete neurale.

Il software non presenta aspetti critici degni di nota, la sua complessità all’uso è compensata dalla possibilità di utilizzare R o Python come linguaggi di programmazioni che, nell’ambiente dei data scientist, sono particolarmente diffusi e conosciuti.

Sas Viya è un software di analisi dei dati, particolarmente adatto ad aziende che hanno necessità di elaborarne grandi volumi, che integra intelligenza artificiale e algoritmi di apprendimento automatico. Il software include un ambiente di data wrangling (Sas Data Preparation) e consente, anche, di eseguire analisi statistiche classiche (come anova, regressioni). È possibile utilizzare Sas Viya anche pee visualizzare i dati in grafici interattivi e dashboard persobalizzate, facilmente condivisibili. Notevole la capacità di sviluppare modelli preditfivi ed apprezzabile la possibilità, per gli utenti meno esperti di ytikizzare un interfaccia guidata e modelli di analisi predefiniti.

Sas Viya potrebbe migliorare nel processo di integrazione con soluzioni di terze parti, poche volte possibile e sempre di complessa configurazione e nella personalizzazione delle analisi visive.

SAS Viya è uno strumento molto utilizzato nella biostatistica. Offre molte funzioni utili, che ben si adattano alle esigenze di un biostatista e che ho trovato solo su questo tipo di software. Nell’ambito farmaceutico le sue funzioni avanzate di analisi di sopravvivenza e gli strumenti per la gestione di dati longitudinali mi hanno permesso di affrontare ricerche complesse con maggiore efficenza.Inoltre il modulo di machine learning è semplice da utilizzare

Alcune volte il software sembra ancora in fase di sviluppo, con frequenti crash durante l’utilizzo ed una lentezza generalizzata. I modelli di machine learning disponibili automaticamente sono troppo semplici.Per avere un esperienza migliore gradirei maggiore stabilità e un ampliamento delle funzionalità di machine learning, in particolare l'aggiunta di algoritmi più sofisticati.