構築と拡張を使い慣れたインターフェイスで
新たなモデルの作成や既存の機械学習（ML）パイプラインを適用して、調査のワークフローを強化できます。
お客様事例
Intel社：データインテリジェンスの革新によりセキュリティ体制を刷新
データがすべてです。データが権限を握り、弊社のビジネスに力を与えています。データはあらゆるものの原動力です
60～80%
半年間でブロックされたセキュリティ脅威
2週間
企業向け実装までに要した期間
Machine Learning Toolkit (MLTK)
機械学習による予測、外れ値検出、イベントクラスタリング、予測分析の機能を提供する、シンプルでスマートなアシスタントインターフェイスにより、シチズンデータサイエンティスト(専門職ではない分析担当者)を支援します。
開発者
使いやすいJupyterノートブックのエクスペリエンスでカスタムのデータ分析を設計および開発することができます。また、オープンインターフェイスが採用されており、一般的なフレームワークがすぐに使用できるようにサポートされています。
実験
SPLをR、Python、Scalaのコードやサードパーティのランタイムと組み合わせることで、高度な分析がデータの存在する場所で可能になります。
コラボレーション
SPL開発者とデータサイエンティストのために設計された、シンプルで連携の容易な使いやすいインターフェイスで、これまでにないエクスペリエンスが提供されます。
オープンインターフェイス
フレームワーク、ライブラリ、ランタイムなど、データサイエンスコミュニティにおける最新のイノベーションが取り入れられています。
専用開発のライブラリ
Splunkの一般的なユースケースの規模やスピードのニーズに合わせて、Streaming MLなどのフレームワークが専用に開発されています。
容易な運用
データが存在する場所に近い本番環境で、モデルの管理、監視、デプロイを大規模に行うことができます。
コーディング不要のエクスペリエンス
シンプルな共通のワークフローとユースケースにより、データサイエンティスト、データアナリスト、Splunk管理者、Appユーザーなど、すべてのユーザーがMLを利用できます。
クイックリンク
