Créer et déployer rapidement un moteur en tant que service Web en production avec des modèles personnalisables ;

répondre aux requêtes dynamiques en temps réel une fois déployé en tant que service Web ;

évaluer et régler systématiquement plusieurs variantes de moteur ;

unifiez les données de plusieurs plates-formes par lots ou en temps réel pour une analyse prédictive complète ;

accélérer la modélisation de l’apprentissage automatique grâce à des processus systématiques et des mesures d’évaluation prédéfinies ;

prendre en charge les bibliothèques d’apprentissage automatique et de traitement de données telles que Spark MLLib et OpenNLP ;

implémentez vos propres modèles d’apprentissage automatique et intégrez-les de manière transparente dans votre moteur ;

simplifier la gestion de l’infrastructure de données.