Le déploiement de cette action nécessite d'orchestrer minutieusement les dictionnaires de paramètres (tables d'entrée, de sortie et les métadonnéesInformations décrivant les données, les utilisateurs et les ressources dans SAS Viya. Elles assurent la traçabilité, la sécurité et la gouvernance au sein de l'architecture distribuée. du modèleReprésentation mathématique entraînée sur des données pour capturer des tendances, prédire des résultats ou classifier des observations via des algorithmes (Régression, Forêt aléatoire, Gradient Boosting).). Voici une implémentation robuste utilisant le langage de script du serveur analytique :
| 1 | PROC CAS; conditionalRandomFields.crfScore / TABLE={name="documents_entrants", caslib="CASUSER"}, casOut={name="resultats_structures", caslib="CASUSER", replace=true}, target="Entite_Predite", model={attr={name="modele_attr"}, attrfeature={name="modele_map"}, feature={name="modele_feat"}, label={name="modele_lbl"}, template={name="modele_tmpl"}}; RUN; QUIT; |
Cette approche garantit que l'infrastructure répartit efficacement la charge de calcul linguistique sur les noeuds du clusterEnsemble de nœuds (machines) interconnectés, gérés par Kubernetes, qui collaborent pour exécuter les microservices et le moteur CAS de SAS Viya, assurant haute disponibilité et passage à l'échelle. CAS tout en sécurisant la persistance des résultats pour vos processus d'intelligence artificielle en aval.
