Sinequa, annonce aujourd’hui la disponibilité de Sinequa ES Version 10. Des fonctionnalités de Machine Learning au cœur de cette nouvelle version permettent de délivrer des analyses plus approfondies de contenus et de comportements des utilisateurs, offrant une information de plus en plus pertinente et contextuelle à ses utilisateurs. Cette plateforme dotée de capacités de « self-learning » rend l’information plus facilement disponible pour tous, même pour les plus novices, tout en conservant une interface simple et intuitive pour les administrateurs.
« Les applications utilisant des fonctions cognitives, plus particulièrement celles traitant des données non-structurées, sont clairement prometteuses pour fournir une information de meilleure qualité aux utilisateurs d’un grand nombre d’industries et de métier, » a déclaré David Schubmehl, Directeur de Recherche à l’IDC. « D’ici à 2020, 50% des outils d’analyse de données incluront des analyses prédictives basées sur des fonctions cognitives. »
Pour cette nouvelle version, Sinequa a intégré la plateforme Spark dans son architecture distribuée et a développé des algorithmes de Machine Learning dans Spark au cœur même de son produit.
« Notre cabinet d’avocats a déployé un système qui exploite la plateforme de Search et d’Analytics de Sinequa pour trouver des informations en analysant des millions de rapports et autres documents, parmi lesquels figurent des biographies d’avocats, des synthèses de sujets, des feuilles de temps et heures facturables, etc. Nous sommes enthousiastes quant à cette nouvelle version qui inclut des algorithmes de Machine Learning développés sur Spark, et sommes impatients de bénéficier de la valeur ajoutée qu’elle peut nous apporter. » explique Harris Tilevitz, directeur de la technologie chez Skadden, Arps, Slate, Meagher & Flom LLP, grand cabinet d’avocats réputé.
Sinequa a optimisé ces algorithmes en en maximisant leurs performances dans sa plateforme. Ces algorithmes de Machine Learning analysent et enrichissent, en continu, le contenu du Logical Data Warehouse de Sinequa. Les nouvelles fonctionnalités de la version 10 sont faciles à utiliser par l’utilisateur tout en offrant des capacités de paramétrage avancées et intuitives aux administrateurs.
« Cette nouvelle version est une avancée décisive vers l’ère de "l’informatique cognitive" ou des "Insight Engines" comme les qualifient les analystes leaders du marché », affirme Alexandre Bilger, PDG de Sinequa. « Face au Big Data et sa croissance rapide, les grandes entreprises focalisées sur le traitement de grands volumes de données ont besoin de systèmes de "self-learning" intelligents afin d’en tirer une information exploitable et pertinente pour leurs collaborateurs. Le but étant d’augmenter leur productivité ainsi que la compétitivité de l’entreprise. Nos capacités en Machine Learning aident à atteindre cet objectif en incluant des fonctionnalités comme le filtrage collaboratif, les recommandations, la classification par l’exemple, la "clusterisation", les calculs de similitude pour les contenus non-structurés et les analyses prédictives. »
La version Sinequa ES V10 comprend également des fonctionnalités innovantes qui ont prouvé leur efficacité dans des projets de leurs clients et qui représentent des tendances émergentes. En effet, la solution de Sinequa est désormais intégrée nativement dans des plateformes Cloud, comme Amazon Web Services et Microsoft Azure, optimisant l’utilisation des ressources pour ces plateformes. Des dictionnaires et des ontologies spécifiques à l’industrie pharmaceutique fournis par des partenaires comme Scibite et Linguamatics ont été intégrés dans la nouvelle Version 10. Les services Google Vision et Microsoft Azure Media Services sont également intégrés pour traiter plus efficacement les images et les vidéos. Google Translate est utilisé pour des traductions automatiques dans plus d’une centaine de langages.
Avec plus de 150 connecteurs intelligents prêts à l ’emploi, Sinequa offre une connectivité clé-en-main toujours plus vaste, accélérant très nettement le déploiement des projets clients tout en laissant les sociétés se focaliser sur l'extraction de valeur de leurs données, dans les applications d’entreprises ou dans les environnements Cloud et Hadoop.
Pour plus d’infos, merci de visiter : www.sinequa.com/insight-platform.
« Les applications utilisant des fonctions cognitives, plus particulièrement celles traitant des données non-structurées, sont clairement prometteuses pour fournir une information de meilleure qualité aux utilisateurs d’un grand nombre d’industries et de métier, » a déclaré David Schubmehl, Directeur de Recherche à l’IDC. « D’ici à 2020, 50% des outils d’analyse de données incluront des analyses prédictives basées sur des fonctions cognitives. »
Pour cette nouvelle version, Sinequa a intégré la plateforme Spark dans son architecture distribuée et a développé des algorithmes de Machine Learning dans Spark au cœur même de son produit.
« Notre cabinet d’avocats a déployé un système qui exploite la plateforme de Search et d’Analytics de Sinequa pour trouver des informations en analysant des millions de rapports et autres documents, parmi lesquels figurent des biographies d’avocats, des synthèses de sujets, des feuilles de temps et heures facturables, etc. Nous sommes enthousiastes quant à cette nouvelle version qui inclut des algorithmes de Machine Learning développés sur Spark, et sommes impatients de bénéficier de la valeur ajoutée qu’elle peut nous apporter. » explique Harris Tilevitz, directeur de la technologie chez Skadden, Arps, Slate, Meagher & Flom LLP, grand cabinet d’avocats réputé.
Sinequa a optimisé ces algorithmes en en maximisant leurs performances dans sa plateforme. Ces algorithmes de Machine Learning analysent et enrichissent, en continu, le contenu du Logical Data Warehouse de Sinequa. Les nouvelles fonctionnalités de la version 10 sont faciles à utiliser par l’utilisateur tout en offrant des capacités de paramétrage avancées et intuitives aux administrateurs.
« Cette nouvelle version est une avancée décisive vers l’ère de "l’informatique cognitive" ou des "Insight Engines" comme les qualifient les analystes leaders du marché », affirme Alexandre Bilger, PDG de Sinequa. « Face au Big Data et sa croissance rapide, les grandes entreprises focalisées sur le traitement de grands volumes de données ont besoin de systèmes de "self-learning" intelligents afin d’en tirer une information exploitable et pertinente pour leurs collaborateurs. Le but étant d’augmenter leur productivité ainsi que la compétitivité de l’entreprise. Nos capacités en Machine Learning aident à atteindre cet objectif en incluant des fonctionnalités comme le filtrage collaboratif, les recommandations, la classification par l’exemple, la "clusterisation", les calculs de similitude pour les contenus non-structurés et les analyses prédictives. »
La version Sinequa ES V10 comprend également des fonctionnalités innovantes qui ont prouvé leur efficacité dans des projets de leurs clients et qui représentent des tendances émergentes. En effet, la solution de Sinequa est désormais intégrée nativement dans des plateformes Cloud, comme Amazon Web Services et Microsoft Azure, optimisant l’utilisation des ressources pour ces plateformes. Des dictionnaires et des ontologies spécifiques à l’industrie pharmaceutique fournis par des partenaires comme Scibite et Linguamatics ont été intégrés dans la nouvelle Version 10. Les services Google Vision et Microsoft Azure Media Services sont également intégrés pour traiter plus efficacement les images et les vidéos. Google Translate est utilisé pour des traductions automatiques dans plus d’une centaine de langages.
Avec plus de 150 connecteurs intelligents prêts à l ’emploi, Sinequa offre une connectivité clé-en-main toujours plus vaste, accélérant très nettement le déploiement des projets clients tout en laissant les sociétés se focaliser sur l'extraction de valeur de leurs données, dans les applications d’entreprises ou dans les environnements Cloud et Hadoop.
Pour plus d’infos, merci de visiter : www.sinequa.com/insight-platform.