Il documento esplora l'uso di Java nella data science, con un focus su due strumenti open-source: h2o.ai e knime. Sottolinea la velocità, l'adattabilità e le librerie affidabili di Java, mentre evidenzia le funzionalità e i vantaggi di h2o.ai e knime per l'analisi dei dati e il machine learning. Viene presentato un confronto delle funzionalità e delle prestazioni tra i due software nel contesto della gestione e analisi di grandi quantità di dati.

1. Java al servizio della Data Science
Uno sguardo a H2O.ai e KNIME

2. Chi siamo
Francesco Vettoretti
DevOps
Studente in Data Analytics
francesco@datatellers.info
Silvia Fracalossi
Dev & Data Management
Studente in Data Management
silvia@datatellers.info

3. Contenuti
Introduzione
Perché Java per la Data Science?
Perché H2O.ai e KNIME?
Ruolo dei due software
In che fase di progetto
eccellono questi due engine?
Funzionalità
Alcuni riferimenti ad esempi
pratici ed alle performance
Stack di progetto
Trarre vantaggio dal poter
integrare le due tecnologie

4. Introduzione

5. Perché JAVA?
● Velocità di calcolo (soprattutto in multithread)
● Adattabilità ad altri sistemi preesistenti
● Librerie di Data Science affidabili (WEKA, Java-ML...)
● Scalabilità e manutenibilità

6. Perché H2O.ai e KNIME?
Open-Source (community, bugfixing)
Tra i leader nel settore
Facilità di utilizzo
Predisposizione alla scalabilità
Facilità di integrazione con
numerose altre tecnologie

7. Perché H2O.ai e KNIME?

8. Ruolo dei due software

9. KNIME
Cosa
Piattaforma di Data Analysis,
Predictive Analysis e Modeling
Come
Procedure in un workflow, a loro
volta composte da nodi
Perché
Intuitivo, permette sia al Data
Scientist di testare velocemente
i modelli, che al Business Owner
di visualizzarne i risultati con
facilità. Open Source!

10. H2O.ai
Cosa
Motore avanzato e libreria di
Data Modeling e Machine Learning
Come
Nativamente con Java o Scala, o
tramite API (già accessibile con
librerie per R, Python, etc..)
Perché
Vantaggioso soprattutto
nell’ambito dei Big Data grazie
all’ottimo multithreading. Open
Source!

11. Funzionalità dei due software

12. KNIME
Data Access
MySQL, PGSQL, Oracle DB, JSON,
XML, file di testo, immagini…
Big Data
Spark, Hive, Teradata…
Trasformazione dati
Righe, colonne, matrici, testo,
serie temporali, immagini…

13. KNIME
Data Analysis & Mining
Statistica, ML, Data Mining, Web
Analytics… (con H2O.ai, Java,
Scala, R, Python…)
Data Visualization
JS, Python, R…
Deployment
JSON, XML, DBs, Excel, immagini…

14. H2O.ai
SUPERVISED LEARNING
Analisi statistica
Generalized Linear Models
(binomiale, gaussiana, poisson…)
e classificatore Bayesiano
Ensembles
Distributed Random Forest
(regression) e Gradient Boosting
Machine (decision tree)
Deep Neural Networks
Trasformazioni non lineari
multilivello

15. H2O.ai
UNSUPERVISED LEARNING
Clustering
K-Means (con autodetect di k)
Riduzione dimensionale
Principal Component Analysis
(riduzione lineare) e
Generalized Low Rank Models
(estensione della PCA per dati
arbitrari e mancanti)
Rivelazione di anomalie
Autoencoders (deep learning con
riduzione dimensionale non
lineare)

16. Performance
Risultati benchmark per regressione lineare Risultati benchmark per random forest
Fonte: github.com/szilard/benchm-ml

17. Stack di progetto

18. Stack di progetto
Scarica lo stack | Guarda la descrizione

19. Grazie per l’attenzione
Slide disponibili su bit.ly/2L3IiZK

20. Link utili
Documentazione H2O.ai
Documentazione
Documentazione KNIME
Documentazione
Booklet di H2O.ai
- R
- Python
Quickstart KNIME
- Getting started
- Cheatsheet

21. Link utili
Esempi di H2O.ai
Esempi multilinguaggio
Esempi di KNIME
KNIME examples server
Esempi di KNIME e H2O.ai
combinati
KAGGLE competition