L'action dnnExportModel est un outil fondamental de l'environnement SAS Viya pour le déploiement de modèles d'intelligence artificielle. Elle permet d'exporter un 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). de réseau de neuronesUn réseau de neurones est un modèle d'IA bio-inspiré composé de couches de nœuds interconnectés, capable d'apprendre des relations complexes dans les données pour prédire ou classifier avec précision. profonds entièrement connecté (DNNRéseau de neurones profond (Deep Neural Network) comprenant plusieurs couches cachées entre l'entrée et la sortie. Il modélise des relations non linéaires complexes à partir de grands volumes de données.) vers un format analytique stocké appelé ASTOREFichier binaire compact contenant la logique d'un modèle entraîné (analytique de score). Il permet de déployer et d'exécuter des modèles complexes de manière portable et ultra-rapide dans SAS Viya.. Ce format de déploiement optimisé est crucial pour opérationnaliser le 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). et l'utiliser efficacement lors des phases de scoringProcessus d'application d'un modèle prédictif à de nouvelles données pour calculer une probabilité ou un score, permettant ainsi d'automatiser la prise de décision en temps réel sur SAS Viya. sur de nouvelles données, que ce soit en batch ou en temps réel.
Qu'est-ce que l'action dnnExportModel et quel est son rôle métier ?
Exemples pour l'action dnnExportModel
Exportation basique d'un modèle DNN
Voici comment sauvegarder votre modèle durement entraîné dans un format prêt à l'emploi au sein de la session courante.
Exportation avancée avec promotion et optimisation de la mémoire
Un exemple pour les pros : on exporte le modèle, on le promeut en mémoire globale (promote=True) dans une bibliothèque publique pour qu'il soit accessible à tous les utilisateurs, et on assigne explicitement plusieurs threads.