VivaTech, le rendez-vous de l’Innovation - Tellmeplus, éditeur de logiciel d’Intelligence Artificielle (AI) appliquée au Big Data, lance aujourd’hui une nouvelle version de sa solution Predictive Objects. Disponible dès aujourd’hui, la version 1.3 bénéficie des dernières avancées technologiques en matière de Big Data et de Machine Learning. Elle apporte un gain de performance d’un facteur de 10 et permet aux organisations de produire et mettre régulièrement à jour leurs modèles prédictifs pour les déployer instantanément sur n'importe quels plateformes ou objets connectés.
Une avancée de taille dans la génération de modèles prédictifs
L'approche « brute force » de Predictive Objects permet d’automatiser la recherche de la meilleure combinaison entre algorithmes, paramètres et jeux de données, en explorant toutes les possibilités dans le domaine correspondant aux objectifs de performance du modèle. Grâce au Meta Active Machine Learning, la connaissance engrangée par Predictive Objects est partagée par tous les projets et enrichie à chaque recalcul du modèle. La performance de la production du modèle est également grandement améliorée par l'utilisation de Spark 2, le moteur de calcul de clusters ultra-rapide.
« Moins la production de modèles prend de temps, plus le nombre d'options explorées est grand et plus les organisations sont réactives pour modéliser les changements de performance en recalculant les modèles aussi souvent que nécessaire », explique Jean-Michel Cambot, Chief Strategy et fondateur de Tellmeplus. « Notre approche itérative et agile illustre parfaitement le concept de « Fail Fast, Learn Fast » : tester facilement et rapidement les hypothèses qui fonctionnent pour obtenir de la valeur instantanément ! ».
Déploiement automatisé
Une fois les modèles prédictifs générés, validés et enrichis par des experts données, la version 1.3 de Predictive Objects permet de déployer ces modèles automatiquement sur une grande variété de systèmes et plateformes, plaçant l’intelligence au plus près de la source de production et d’utilisation des données. Toute mise à jour ultérieure de ces modèles, y compris les recalculs automatiques, sont immédiatement disponibles dans l’ensemble des systèmes exécutant ce modèle.
Benoit Gourdon, CEO de Tellmeplus, ajoute : « La capacité de Predictive Objects à déployer de l’IA “at the edge of the network” est unique sur le marché. En quelques clics, nos clients mettent en production leurs modèles dans de multiples environnements tout en conservant l’agilité nécessaire pour leur mise à jour - ce qui est essentiel pour conserver les bénéfices du machine learning, en particulier l’apprentissage continu ».
Predictive Objects peut être déployé dans :
• des Clouds publics ou privés, y compris Google Cloud Platform ou Amazon Web Services
• des serveurs dédiés
• des plateformes IoT industrielles telles que GE Predix ou Google Cloud IoT Core
• des plateformes d’Edge Computing telles que Cisco Fog Director (tout élément d’infrastructure ou routeur tournant sur Cisco IOx)
• des objets connectés intelligents (IoT), via une application iOS par exemple
Une avancée de taille dans la génération de modèles prédictifs
L'approche « brute force » de Predictive Objects permet d’automatiser la recherche de la meilleure combinaison entre algorithmes, paramètres et jeux de données, en explorant toutes les possibilités dans le domaine correspondant aux objectifs de performance du modèle. Grâce au Meta Active Machine Learning, la connaissance engrangée par Predictive Objects est partagée par tous les projets et enrichie à chaque recalcul du modèle. La performance de la production du modèle est également grandement améliorée par l'utilisation de Spark 2, le moteur de calcul de clusters ultra-rapide.
« Moins la production de modèles prend de temps, plus le nombre d'options explorées est grand et plus les organisations sont réactives pour modéliser les changements de performance en recalculant les modèles aussi souvent que nécessaire », explique Jean-Michel Cambot, Chief Strategy et fondateur de Tellmeplus. « Notre approche itérative et agile illustre parfaitement le concept de « Fail Fast, Learn Fast » : tester facilement et rapidement les hypothèses qui fonctionnent pour obtenir de la valeur instantanément ! ».
Déploiement automatisé
Une fois les modèles prédictifs générés, validés et enrichis par des experts données, la version 1.3 de Predictive Objects permet de déployer ces modèles automatiquement sur une grande variété de systèmes et plateformes, plaçant l’intelligence au plus près de la source de production et d’utilisation des données. Toute mise à jour ultérieure de ces modèles, y compris les recalculs automatiques, sont immédiatement disponibles dans l’ensemble des systèmes exécutant ce modèle.
Benoit Gourdon, CEO de Tellmeplus, ajoute : « La capacité de Predictive Objects à déployer de l’IA “at the edge of the network” est unique sur le marché. En quelques clics, nos clients mettent en production leurs modèles dans de multiples environnements tout en conservant l’agilité nécessaire pour leur mise à jour - ce qui est essentiel pour conserver les bénéfices du machine learning, en particulier l’apprentissage continu ».
Predictive Objects peut être déployé dans :
• des Clouds publics ou privés, y compris Google Cloud Platform ou Amazon Web Services
• des serveurs dédiés
• des plateformes IoT industrielles telles que GE Predix ou Google Cloud IoT Core
• des plateformes d’Edge Computing telles que Cisco Fog Director (tout élément d’infrastructure ou routeur tournant sur Cisco IOx)
• des objets connectés intelligents (IoT), via une application iOS par exemple
Autres articles
-
QuasarDB, le socle de la solution de maintenance prédictive de Tellmeplus chez ABB
-
Tellmeplus rejoint l'AI Factory de Microsoft
-
CES 2018 : Tellmeplus dévoile ses solutions pour l'intelligence des assets de mobilité
-
CES 2018 : Tellmeplus dévoile ses solutions pour l'intelligence des assets de mobilité
-
La dernière version de la plateforme d'Intelligence Artificielle de Tellmeplus associe de l'intelligence à n'importe quel asset
