Quel est le secret pour industrialiser et déployer vos modèles de séries temporelles à grande échelle ?

L'industrialisation réussie repose sur la capacité de l'action à exporter son intelligence via le paramètre saveState. Ce paramètre génère une table CAS contenant l'état complet 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). entraîné, incluant les vecteurs propres fonctionnels. Cette table peut ensuite être utilisée par l'action fPcaScore pour transformer de nouvelles données entrantes en scores de composantes principales. Cette architecture permet d'intégrer des analyses de courbes complexes directement dans des processus de décision automatisés ou des microservicesLes microservices sont une approche d'architecture logicielle où une application est décomposée en une collection de petits services indépendants, spécialisés et communicant entre eux via des APIs légères. Contrairement aux architectures "monolithiques" anciennes, chaque microservice remplit une fonction unique (ex: gestion du catalogue, authentification, moteur de calcul).

Dans SAS Viya 4, cette architecture est native. Elle permet à la plateforme de s'exécuter sur Kubernetes, offrant une flexibilité totale : chaque composant de SAS peut être mis à jour, redémarré ou mis à l'échelle (scaling) individuellement sans affecter le reste du système. de surveillance en temps réel, garantissant une transition fluide du laboratoire de données vers la production.