Estimation de la valeur des actifs à l'aide de la plate-forme d'IA Simseo

Stimuler le succès de l’IA en engageant une équipe interfonctionnelle

Les entreprises connaissent le plus de succès lorsque les projets d’IA impliquent des équipes interfonctionnelles. Pour un véritable impact, les projets d’IA doivent impliquer des scientifiques des données, ainsi que des propriétaires de secteurs d’activité et des équipes informatiques.

D’ici 2025, selon Gartner, les responsables des données (CDO) qui établissent une collaboration basée sur les flux de valeur surpasseront considérablement leurs pairs en matière de collaboration interfonctionnelle et de création de valeur.1 Afin de mener à bien ce type de succès en matière d’IA, vous avez besoin d’une équipe interfonctionnelle engagée dans le processus, investie dans les résultats et se sentant responsable tout au long du cycle de vie.

Vous pouvez constituer votre équipe d’IA avec des personnes de toute votre organisation, notamment :

  • Leaders de l’IA qui sont responsables de la stratégie AL/ML et de la feuille de route au sein d’une organisation ;
  • Constructeurs d’IA qui sont responsables de la mise en œuvre de la stratégie d’IA et cherchent à résoudre les problèmes commerciaux à l’aide de l’apprentissage automatique ;
  • Dirigeants d’entreprises qui cherchent à résoudre des problèmes commerciaux et à générer des revenus ou à réduire leurs coûts grâce à l’IA ;
  • et Responsables informatiques qui se concentrent sur l’infrastructure technologique d’une organisation, y compris l’infrastructure de données et d’analyse.

Un certain nombre de cas d’utilisation complexes, tels que les prévisions de prix, peuvent nécessiter de mélanger des données tabulaires, des images, des données de localisation et du texte non structuré. Lorsque vous avez des données désordonnées provenant de partout, vous avez besoin d’une plate-forme d’IA puissante pour avancer et mettre en œuvre votre IA.

De plus, il est essentiel que les modèles respectent les réglementations et traitent les clients équitablement, ce qui rend plus important que jamais le suivi des modèles en production. Il est possible de gérer le cycle de vie de l’IA de bout en bout dans une seule solution. La plate-forme d’IA Simseo permet d’engager votre équipe interfonctionnelle pour fournir des résultats d’IA réussis, quelle que soit la complexité de vos entrées.

Le coût de l’immobilier a été un tour de montagnes russes dans ce climat macroéconomique difficile. Dans cet exemple, nous approfondissons la manière dont les sociétés immobilières peuvent utiliser efficacement l’IA pour automatiser leurs stratégies d’investissement.

Nous examinons également comment la collaboration est intégrée au cœur de la plate-forme Simseo AI afin que toute votre équipe puisse collaborer du cas d’utilisation commerciale au déploiement du modèle. Examinons un exemple de cas d’utilisation, qui présente l’utilisation efficace de l’IA pour automatiser les décisions stratégiques et explore les capacités de collaboration activées par la plate-forme Simseo AI.

Améliorer la productivité grâce à une collaboration accrue

Nous commençons par explorer un ensemble de données du catalogue Simseo AI. Le catalogue Simseo AI favorise la collaboration en fournissant aux utilisateurs un système d’enregistrement des ensembles de données, la possibilité de publier et de partager des ensembles de données avec des collègues, de baliser des ensembles de données et de gérer la lignée de l’ensemble de données tout au long du projet. Essentiellement, le catalogue AI vous permet de collecter des ensembles de données d’une manière très pertinente pour votre entreprise, en utilisant des actifs déjà existants pour créer des modèles qui sont les plus utiles à votre entreprise.

Le catalogue d’IA encourage une culture de collaboration et de partage des actifs de données qui profitera à votre organisation, entraînant d’importants gains de productivité, le partage de nouvelles sources et la création d’un environnement collaboratif pour l’IA d’entreprise.

Vous pouvez également gérer le contrôle d’accès et les autorisations de partage de ces ensembles de données, au cas où vous auriez affaire à des données sensibles qui ne devraient être accessibles qu’à un nombre limité de parties prenantes.

Estimation de la valeur des actifs à l’aide de la plate-forme d’IA Simseo

Selon la Federal Housing Finance Agency, l’indice des prix aux États-Unis a augmenté de 19,17 % d’une année sur l’autre en 2021, ce qui représente une forte augmentation par rapport à la croissance de 6,92 % de l’année précédente, si importante qu’il s’agit de la croissance annuelle la plus élevée jamais enregistrée.

Dans un marché aussi dynamique, comment les équipes peuvent-elles tirer parti de l’IA pour s’assurer qu’elles évaluent les bonnes valeurs sur leurs marchés respectifs ? La démo de la session met en évidence des capacités uniques et différenciées qui permettent à tous les utilisateurs, des analystes aux scientifiques des données et même à la personne à la fin du voyage qui a juste besoin d’accéder à une estimation de prix instantanée.

Dans notre démonstration, nous avons utilisé un ensemble de données immobilières de l’Ontario qui comprenait des enregistrements de ventes antérieures de propriétés. Notre objectif était de créer un modèle d’apprentissage automatique capable de prédire avec précision le prix de vente d’une maison unifamiliale.

Lors de l’examen d’une propriété, nous prenons en compte plusieurs facteurs tels que son emplacement, sa taille (pied carré) et le nombre de chambres et de salles de bains. De plus, nous analysons également des informations non structurées telles que les équipements fournis avec la propriété, par exemple un sauna ou des luminaires, et examinons les photographies d’accompagnement. En analysant toutes ces informations, nous visons à obtenir des informations et à déterminer un prix de vente estimé pour une nouvelle propriété.

Le marché immobilier évolue avec le temps, il est donc important que notre modèle apprenne des données passées et soit testé sur une période future. Simseo vous aide à automatiser ce backtesting en mettant en place Validation hors délai qui force votre modèle à apprendre des enregistrements avant une certaine date, puis à valider par rapport aux données qui viennent après ce point limite.

Lorsque vous travaillez avec des données géolocalisées, comme des maisons dans un quartier, une fonctionnalité qui aide vraiment dans Simseo est Ingénierie automatisée des caractéristiques géospatiales qui convertit la latitude et la longitude en points sur la carte. Ces points pilotent un processus d’ingénierie des caractéristiques qui regroupe les maisons à proximité et calcule de nombreuses valeurs telles que le prix de vente moyen à cet endroit.

La découverte automatisée de fonctionnalités est un autre différenciateur qui aura un impact dans ce cas d’utilisation. Il nous permet de combiner facilement des données provenant d’autres sources et de les résumer à l’unité d’analyse de notre projet. Dans cet exemple, nous avons des données de recensement au niveau du quartier et de la ville que Simseo intégrera dans notre projet au niveau de la propriété. En outre, il calculera automatiquement les agrégations mobiles, telles que le prix moyen par quartier pour la semaine, le mois et les trois derniers mois. Ces tâches de préparation des données prennent autrement beaucoup de temps, donc avoir l’automatisation de Simseo ici est un énorme gain de temps.

Découverte automatisée des fonctionnalités - Simseo

Après avoir configuré votre projet, vous pouvez commencer. Frappez le Commencer et Simseo commencera à explorer de vastes combinaisons d’étapes d’ingénierie de fonctionnalités et de modèles d’apprentissage automatique. L’ingénierie de fonctionnalités automatisée révèle de nombreuses informations en créant de nouvelles fonctionnalités à partir de celles existantes. Cela aide à devenir plus créatif avec votre expérimentation.

Bouton Démarrer - Simseo

Lorsque nous exécutons le modèle, nous constatons que la médiane sur 90 jours du prix de vente au niveau de la ville était un prédicteur utile. Simseo fait un excellent travail en expliquant exactement comment il est arrivé à cette fonctionnalité. Il associe les données primaires à l’ensemble de données au niveau de la ville et calcule la médiane mobile sur 90 jours.

Fournir des modèles explicables et transparents avec Simseo

L’explicabilité est un différenciateur clé dans Simseo qui permet une collaboration plus fluide au sein de votre équipe. Simseo fournit également plusieurs outils pour comprendre le comportement du modèle et comprendre pourquoi les prédictions sont générées telles quelles. Feature Lineage, Feature Effects, Prediction Explanations et SHAP (SHapley Additive exPlanations) permettent un examen complet de la logique sous-jacente du modèle et des processus de prise de décision. Ces outils fournissent des informations précieuses sur les relations entre les caractéristiques et les prédictions, permettant aux data scientists de prendre des décisions éclairées lors du réglage fin et de l’amélioration de leurs modèles.

Simseo fournit plusieurs outils pour comprendre le comportement du modèle et comprendre pourquoi les prédictions sont générées telles qu'elles sont

Simseo fournit un classement montrant les résultats de différentes expériences, y compris une gamme variée d’algorithmes, de prétraitement et d’ingénierie de fonctionnalités. Le plan de l’algorithme, y compris toutes les étapes suivies, peut être consulté pour chaque élément du classement. Cela permet aux data scientists de comparer facilement les approches et de choisir le meilleur modèle pour leurs besoins.

Dans chaque plan, les utilisateurs peuvent apporter des modifications personnalisées par glisser-déposer ou code, pour tester leurs propres idées, aidés par les garde-corps de sécurité de Simseo. Au fur et à mesure que les expériences progressent, Simseo fournit des informations grâce à son utilisation des fonctionnalités de localisation. Il met en évidence les domaines où les prévisions étaient exactes et ceux où le modèle a eu du mal. Ces informations aident les data scientists à comprendre où des améliorations peuvent être apportées en identifiant les erreurs et en incorporant des données supplémentaires.

Après avoir formé un modèle, il est important d’évaluer son équité. Simseo offre la possibilité d’évaluer les biais en effectuant une analyse des biais et de l’équité. En incorporant des données de recensement, telles que des informations sur la langue ou le chômage, Simseo peut déterminer si certains quartiers sont traités injustement par rapport à d’autres. L’analyse peut révéler des attributs qui améliorent la précision mais ont un impact négatif sur l’équité. Pour résoudre ce problème, Simseo offre la possibilité de gérer les biais en mettant davantage l’accent sur les fonctionnalités sous-représentées, en améliorant l’équité et en renforçant la fiabilité du modèle d’IA.

Analyse de biais et d'équité - Simseo

Simseo simplifie la mise en ligne de votre modèle. En un seul clic, votre modèle peut être conteneurisé et accessible via un point de terminaison API. Le centre de commande MLOps vous offre une vue d’ensemble de votre modèle, en surveillant des mesures clés telles que la précision et la dérive des données. Le Onglet Précision montre spécifiquement comment la précision du modèle a changé depuis le déploiement, vous aidant à suivre ses performances dans le monde réel.

Déploiements de modèles et précision - Simseo

L’onglet Data Drift affiche un nuage de points des caractéristiques d’entrée du modèle, offrant un aperçu en temps réel des données que le modèle utilise pour faire des prédictions, telles que le type de revêtement de sol, la proximité des écoles ou l’extérieur de la maison. Cette illustration montre que le modèle rencontre des types d’extérieurs de maison qui ne faisaient pas partie de ses données de formation, ce qui peut entraîner des résultats inattendus et une précision réduite. Pour éviter cela, des alertes comme celle-ci servent de rappel pour recycler le modèle, une action qui peut facilement être automatisée dans Simseo.

Après le recyclage du modèle, Simseo remplacera le modèle obsolète par la version mise à jour. De plus, vous pouvez ajouter le modèle nouvellement recyclé en tant que challenger, ce qui vous permet de comparer les performances des deux modèles sur diverses métriques. L’option de désigner le nouveau modèle comme champion est également disponible, ce qui vous permet d’évaluer ses forces et ses faiblesses relatives.

Dérive des données - Simseo

Enfin, vous pouvez générer une application qui sert de frontal pour le modèle, permettant aux utilisateurs de saisir des variables et d’obtenir des prédictions. Ces applications métier peuvent être partagées avec n’importe qui, ce qui améliore leur capacité à prendre des décisions éclairées dans le monde réel.

Simseo offre à votre équipe une automatisation, une précision et une équité de bout en bout

La plate-forme d’IA Simseo offre à votre équipe des fonctionnalités et des capacités qui résolvent certains des problèmes les plus urgents auxquels les équipes sont confrontées lors de la mise en œuvre de l’IA. La plate-forme permet à votre équipe de nettoyer les données, d’effectuer des ajustements, d’effectuer des expériences, d’obtenir des informations, de garantir l’équité et de déployer le modèle auprès des utilisateurs finaux, éventuellement sans écrire une ligne de code. Simseo peut également connecter différents types de données, y compris des données géographiques et des séries chronologiques.

Avec Simseo Automated Feature Engineering, votre équipe peut rationaliser le processus de mélange d’ensembles de données externes et gagner du temps en consolidant et en préparant les données pour la création de modèles. Cette fonctionnalité permet de simplifier le processus de création de modèles, en obtenant de meilleurs résultats plus rapidement.

Avec Simseo MLOps, vous pouvez déployer, surveiller et gérer facilement votre modèle de production. Les équipes peuvent également créer des applications d’IA sans écrire de code et collaborer au sein d’un système d’enregistrement unique, en configurant les autorisations des utilisateurs et la gouvernance. Cela simplifie le processus de développement de l’IA, libérant ainsi les data scientists pour qu’ils se concentrent sur des tâches plus stratégiques.

Les grandes entreprises du monde entier font confiance à Simseo pour mener à bien des projets d’IA, gérés par des équipes interfonctionnelles comprenant des scientifiques des données, des spécialistes de l’infrastructure informatique et des unités commerciales. Un travail d’équipe efficace et une communication claire sont essentiels pour assurer un processus fluide, transparent et réussi.

1Gartner, Comment surmonter les 6 principaux obstacles au succès du leader D&A, Jorgen Heizenberg, Carlie Idoine, 4 mai 2022