一文了解SAP Leonardo机器学习

在Sapphire 2017之后,SAP Leonardo就成了个热词,它是很多产品的组合,包括物联网(IoT),区块链,机器学习,大数据,数据智能,设计思维和分析。

今天就来看看其中的SAP Leonardo机器学习是什么。

对于一个SAP客户来说,很可能会有下列的问题:

SAP Leonardo机器学习是什么?

这是SAP的全新机器学习产品吗?

它对于SAP现有的高级分析工具(SAP Predictive Analytics,HANA PAL等)有什么影响?

它会如何集成到现有的SAP应用中?

让我们从回答第一个问题开始,SAP Leonardo机器学习不是一个全新的产品,而是SAP整个智能应用和服务的全新品牌。它既有产品:例如SAP HANA预测分析库(PAL),SAP预测分析(SAP PA 3.x);也包括了服务:例如SAP Leonardo ML foundation。

下图给出了SAP Leonardo机器学习组件的概览。

让我们试着理解SAP是如何定位机器学习产品的。整个产品组包括下面三个组件:

HANA PAL:这是HANA AFL (application function library)的一部分,它能通过SAP HANA SQLScript procedures来调用,用于执行预测分析算法。

SAP预测分析:这是SAP提供的独立的软件应用,它能跟HANA PAL一块用于建立预测模型。

SAP Leonardo ML Foundation:这是SAP Cloud Platform上提供的机器学习API,通过API Business Hub,它能作为REST API被调用。RESTful API是一种通过HTTP请求来完成GET, PUT, POST和DELETE数据的API。

下图描述了ML foundation提供的服务。

SAP机器学习功能服务 - 提供了已经预先训练好的模型,它们能通过REST API的方式被作为Web服务而调用。SAP在business hub上的API正逐渐增长。以下是一些例子:

文档特性提取API

图像特性提取API

时序预测API

主题侦测API

产品文本分类API

相似性评分API

SAP机器学习预测服务 - SAP提供了预测性服务,在SAP CP/HANA DB上,它可以执行基于数据的预测。以下是部分服务:

SAP预测分析集成服务

集群服务

数据集服务

预测服务

异常值服务

推荐服务

Whatif服务

SAP预测分析集成服务 - 这一服务集成和使用云应用中的预测模型。它让SAP应用能内嵌原生的预测模型。业务用户可以使用模型输出的数据,形式可以是业务洞见,打分和业务决策。数据科学家也能通过分析模型来了解它是怎么工作的,并提升模型的准确性和ROI。

SAP Leonardo机器学习业务服务 - 这一系列服务聚焦于特定的用户场景,并提供了一站式解决方案。例如,SAP Leonardo ML foundation可以让服务型企业很容易地对收到的服务需求进行分类和智能处理,也可以通过对历史数据进行智能分析。它们也被称为智能服务,包括:

SAP智能财务API

SAP服务单智能分类

SAP服务单智能推荐

其他企业也有类似的API,包括Bluemix平台的Watson API(Text to Speech API,Personality Insights API),或者AWS平台上的机器学习API。第三方也可以把他们的API发布在SAP Cloud Platform上。

最后通过一张SAP全景图来结束本文。

本文编译自

SAP Leonardo Machine Learning – Overview

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,743评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,296评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,285评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,485评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,581评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,821评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,960评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,719评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,186评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,516评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,650评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,936评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,757评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,991评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,370评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,527评论 2 349

推荐阅读更多精彩内容