SI3000 cCS Компактный программный коммутатор

Система аналитики больших данных PolyAnalyst GRID выполняет распределенное хранение и анализ данных на совокупности серверов (узлов кластера), работа которых координируется сервисом базы данных — PolyAnalyst Database Server. Отдельные серверы узлов кластера могут работать как на физических, так и на виртуальных машинах с ОС Linux или MS Windows. Производительность системы аналитики больших данных (Big Data Analytics) - Аналитические алгоритмы PolyAnalyst GRID допускают параллельные вычисления, используют все процессорные ядра на вычислительном сервере кластера. - Аналитические алгоритмы, допускают также распределенные вычисления, дополнительно используют и все вычислительные сервера кластера. - Производительность алгоритмов системы, которые допускают распределенные вычисления, растет с общим количеством процессорных ядер на всех вычислительных серверах кластера (линейно для большинства алгоритмов). PolyAnalyst GRID включает инструменты для полного цикла аналитики с большими данными - Трансформация, очистка и обогащение данных, ETL; - Статистический анализ и машинное обучение, ML; - Интеллектуальный анализ текстовых данных, NLP;

PolyAnalyst предоставляет широкий выбор алгоритмов машинного обучения и статистической обработки для анализа структурированных данных, таких как числа, строки и даты. Система позволяет решать задачи классификации, кластеризации, предсказания численных значений, выявлять типичные паттерны и аномалии, и строить предсказательные модели на основе анализа временных рядов и сетевых структур. PolyAnalyst может производить чистку и обогащение данных, используя алгоритмы нечеткого сравнения разных представлений объектов. Построенные системой предсказательные модели позволяют извлекать полезные знания, скрытые в анализируемых сырых данных, и применять эти знания для принятия эффективных управленческих и бизнес-решений. PolyAnalyst содержит более тридцати современных инструментов интеллектуального анализа, позволяющих решать подавляющее число прикладных задач. Также в PolyAnalyst возможно использовать высокоуровневые языки программирования Python и R для выполнения специальных операций с данными. - Прогнозирование - Регрессионный анализ - Анализ статистических распределений - Кластеризация - Анализ покупательских корзин - Деревья решений - Анализ временных рядов - Классификация - Анализ связей - Разрешение сущностей

PolyAnalyst Text решает весь спектр задач текстового анализа: извлекает факты и отношения из документов, кластеризует и классифицирует тексты, составляет аннотацию, анализирует тональности и многое другое. Технология text mining позволяет выполнять обработку естественного языка, которая по глубине и точности превосходит результаты аналогичных технологий. Кроме инструментов анализа текста, в систему также входят средства семантического анализа и алгоритмы машинного обучения. Вы сможете анализировать текстовые документы и отзывы в разных форматах и на разных языках, а также документы, содержащие как структурированные, так и неструктурированные данные. Text mining инструменты решающие все задачи анализа текста: - Извлечение фактов - Распознавание сканов - Классификация - Обезличивание - Анализ тональности - Резюмирование - Кластеризация Система интеллектуального анализа текста органично сочетает в себе передовые инструменты обработки естественного языка, средства семантического текстового анализа и алгоритмы машинного обучения, что позволяет пользователям получать результаты высокой точности. Мы предлагаем вам: - средства для загрузки данных из всех популярных источников и документов разного формата; - эффективные инструменты Text Mining для очистки и преобразования данных; - непревзойденную систему интеллектуального анализа текста, включающую в себя: - инструменты лингвистического (лексического, морфологического и синтаксического) анализа; - поддержку онтологий и семантических словарей; - статистические инструменты и алгоритмы машинного обучения.

Семейство операционных систем реального времени для встроенных систем. Ключевым отличием FX-RTOS от конкурирующих продуктов является применение механизма внедрения зависимостей для конфигурирования ядра ОС. При этом подходе ядро перестает быть единым неделимым компонентом, а составляется из более мелких частей, поэтому состави возможности Об. могут изменяться в широких пределах. Ниже представлены предопределенные конфигурации для типичных сценариев применения FX-RTOS Nanokernel Представляет собой статическую библиотеку для использования совместно с микроконтроллерами. Использует одно адресное пространство, не используется разделение режимов процессора (ядро и приложение выполняются в одном режиме). Максимальная компактность и скорость работы. FX-RTOS Secure Nanokernel Многие микроконтроллеры, несмотря на ограниченные ресурсы, нуждаются в повышенном уровне безопасности. Поскольку реализация полноценных изолированных процессов для таких систем избыточна, FX-RTOS использует подход с одним процессом: одно адресное пространство, но выполнение ядра и приложения происходит в kernel mode и user mode соответственно. Привилегированная часть приложения работает в режиме ядра и его скорость реакции близка к скорости работы системы без разделения режимов. Непривилегированное приложение использует механизм системных вызовов для обращения к функциям ОС. FX-RTOS Microkernel Флагман семейства операционных систем Eremex. Предназначена для использования совместно с процессорами имеющими механизмы защиты памяти MPU/MMU. ОС построена с использованием классической микроядерной архитектуры. Поддерживаются изолированные процессы и межпроцессное взаимодействие на основе синхронного обмена сообщениями.

Содержит модули управления данными, импорта/экспорта, графического представления, разнообразные аналитические методы. Полный функционал: Загрузка и сохранение таблиц в разных форматах Сохранение графиков Сохранение и загрузка рабочих книг Автоматическое формирование отчётов Фильтрация данных Обработка выбросов и пропусков Проверка нормальности и подгонка распределений Стандартизация данных и преобразование к нормальному распределению Балансировка классов и разбиение на выборки Описательные статистики и корреляции Таблицы частот и таблицы сопряжённости Т-критерий Дисперсионный анализ Непараметрическая статистика Множественная линейная и нелинейная регрессия <Обобщённые линейные модели Совместный анализ и шкалирование лучше-хуже Карты контроля качества и анализ процессов Анализ измерительных систем Стандартные графики: линейный, гистограмма, диаграмма рассеяния, ящик с усами График средних с ошибками Диаграмма Вороного и разбиение Делоне График ближайших соседей Круговая диаграмма Диаграмма причин и следствий Интерактивное удаление данных по графику Интерполяция сплайнами и РБФ Вариограммы и кригинг Кластеризация: К-средних, иерархическая, DBSCAN, EM Карты Кохонена Факторный анализ Логит и пробит регрессии Линейный и нелинейный дискриминантный анализ Канонический анализ Алгоритм априори Метод опорных векторов Случайный лес Преобразование временных рядов Сезонная АРПСС Спектральный анализ Описательные статистики для изображений И многие другие актуальные статистические методы

Содержит модули управления данными, импорта/экспорта, графического представления, разнообразные аналитические методы. Функционал зависит от комплектации набора модулей: Максимально полная комплектация включает комплектацию Modeler, алгоритмы внедрения, оптимизации и обновления предиктивных моделей. Позволяет решать самые сложные задачи в бизнесе, экономике, промышленности, фармацевтике и др. областях человеческой деятельности путем выбора лучшей прогностической модели на основе ключевых индикаторов, внедрения и обновления прогностических моделей, применения алгоритмов оптимизации на основе разработанных моделей. Комплектация Data Scientist качественно расширяет функционал комплектации Modeler. К модулям машинного обучения добавляется возможность автоматического выбора лучшей модели, а для деревьев регрессии появляется особый модуль оптимизации – с его помощью можно подобрать значения предикторов так, чтобы целевые переменные укладывались в заданные границы. Для временных рядов появляется возможность проводить вейвлет-анализ. Полный функционал: Все модули из Modeler Скоринг моделей Выбор лучшей модели (регрессия) Выбор лучшей модели (классификация) Оптимизация деревьями регрессии

Инструменты ETL и BI для преобразования данных и конструирования веб-отчетов PolyAnalyst ETL & BI предоставляет пользователям средства self-service трансформации данных, а также отображения результатов сложных алгоритмов анализа в виде интерактивных графических отчетов, доступных для понимания неспециалистов. ДОСТУПНА ВСЯ ПАЛИТРА ETL-ИНСТРУМЕНТОВ: - Объединение - Аналог SQL JOIN - Конкатенация - Аналог SQL UNION - Агрегирование - Аналог SQL GROUP BY - Разность - Формирование таблицы из записей, имеющихся в одной таблице, но отсутствующих в другой - Производные колонки - Расчет и вывод новых производных вычисляемых атрибутов, а также построение правил проверки данных - Условия - Позволяет установить условия для выполнения дочерних узлов, что способствует автоматизации выполнения скрипта - Фильтрация строк - Фильтрует записи согласно критерию, заданному аналитиком - Фильтрация данных - Позволяет фильтровать колонки, которые не представляют интереса с точки зрения статистического анализа данных - Транспонирование - Позволяет переводить данные из строчного представления в колонки. Аналог функции PIVOT - Выборка - Генерирует из талицы данных случайные выборки записей или выборки, отвечающие определенным условиям - Редактирование таблицы - Позволяет вручную редактировать данные в исходной таблице - ABC/XYZ анализ - Позволяет разделить продукты на 3 группы (A, B и C) по критерию привлекательность продукта, или группы X, Y и Z по стабильности продаж - RFM анализ - Позволяет разделить клиентов на различные сегменты в зависимости от их активности и ценности для компании - Извлечение и замена терминов - Уникальные записи - Модификация колонок - Сортировка строк - Дискретизация - REST - Простой инструмент для отправки запросов GET/POST/PUT/DELETE без написания самих запросов - Python Всего более 100 Self-Service инструментов для работы с данными. ETL & BI инструменты: преимущества использования PolyAnalyst ETL & BI системы для трансформации и анализа больших данных - Загрузка, трансформация, очистка, обогащение и графическое предоставление данных в одной системе, без необходимости сопряжения различных программных продуктов; - Создание модели proof of concept бизнес-пользователем за 1 час без привлечения ИТ-специалиста; - Несколько десятков Low-code инструментов преобразования данных, настраиваемых без программирования; - Последовательности аналитических процедур легко настраиваются на регулярное автоматизированное выполнение; - Возможность интеграции кода и моделей, разработанных на языках Python и R; - Оперативное self-service создание пользовательских отчетов; - Свыше 30 нативных графических инструментов для построения отчетов, настраиваемых без написания кода; - Удобный веб-интерфейс для работы в браузере; - Возможность многомерного представления результатов; - Гибко настраиваемая ролевая модель, разграничивающая доступ к данным и отчетам; - Высокая масштабируемость и производительность: поддержка крупных массивов данных и большого количества пользователей; - Возможность полностью автономной работы системы в закрытом контуре заказчика или публикации отчетов в Интернете с использованием безопасного шифрованного канала доступа.

Программно-аппаратный комплекс интеллектуального поиска и анализа больших массивов текстов, состоящий из сервера (кластера серверов) и интеллектуальных сервисов анализа больших коллекций текстовых документов. TextAppliance предназначен для решения следующих задач: - Индексация больших массивов текстовых документов из открытых источников интернета, баз данных, корпоративных хранилищ и т.п. с выделением сопутствующей метаинформации - Быстрое ознакомление с темой документов с помощью автоматически генерируемых по тексту ключевых словосочетаний - Эксплоративный поиск документов (тематически похожих на заданный эталонный документ) - Быстрое ознакомление с содержанием документов с помощью автоматически генерируемых резюме текстов - Поиск текстовой информации по запросу пользователя с поддержкой фасетного поиска по метаданным (как текстовым, так и нетекстовым) в режимах семантического, вопросно-ответного, концептного, а также поиска по отдельным ключевым словам - Формирование, сопоставление и тематический анализ пользовательских коллекций документов (тематическая кластеризация, построение ключевых тематических словосочетаний и т.п.) - Поиск смысловых текстовых заимствований - Тематический анализ коллекций документов

Содержит модули управления данными, импорта/экспорта, графического представления, разнообразные аналитические методы. Функционал зависит от комплектации набора модулей: Комплектация Academic по функционалу совпадает с комплектацией Modeler и предназначена для некоммерческого использования в ВУЗах и других учебных и академических учреждениях. Для государственных учебных заведений и научно-исследовательских институтов. Позволяет решать широкий круг задач и максимально эффективно использовать в учебном и научно-исследовательском процессе для инженеров, врачей, экономистов, менеджеров, и др. специальностей

КП «Терминал-Сервер» является гипервизором, устанавливаемым непосредственно на аппаратное обеспечение в качестве системного программного обеспечения, и предназначен для организации исполнения виртуальных машин (ВМ), а также подключения терминалов к ВМ, исполняемым на сервере виртуализации. Вариативность. Позволяет создать кластеры из нескольких серверов с гиперконвергентными, конвергентными или внешними аппаратными хранилищами Гибкость. Обеспечивает гибкость ИТ-инфраструктуры за счет ее масштабирования. Балансирует нагрузку между кластерами, оптимизирует использование серверных ресурсов Непрерывность. В случае сбоя позволяет быстро переместить виртуальные машины между хостами или их диски между внешними хранилищами и оперативно восстановить работу Безопасность. Защита среды виртуализации осуществляется с применением комплекса встроенных средств защиты информации Мультиплатформенность. Позволяет создавать программно-аппаратные комплексы совместно с серверным оборудованием партнеров Контроль. Встроенный мониторинг производительности и состояния виртуальных машин, а также их компонентов Задачи, которые решает «Горизонт-ВС»: - Построение доверенной защищенной платформы виртуализации - Функционирование критических микросервисных приложений в доверенной среде - Резервирование и отказоустойчивость инфраструктуры за счет создания кластеров - Виртуализация сетей внутри виртуального ЦОД - Подключение к виртуальной инфраструктуре аппаратных СХД - Организация удаленных рабочих мест на основе тонких клиентов VDI - Создание виртуализированных распределенных СХД на основе серверных ресурсов и дисковых массивов - Обеспечение единой системы управления облачной инфраструктурой Типовые конфигураций "Горизонт-ВС": Вариант 1 Один хост. Серверная виртуализация без возможности обеспечения высокой доступности ВМ и без отказоустойчивой системы группового управления (СГУ) на одном физическом хосте. Вариант 2 Отказоустойчивый кластер (оптимальный). Серверная виртуализация с использованием общей аппаратной системы хранения данных, с обеспечением высокой доступности ВМ и отказоустойчивой системой группового управления (СГУ). Вариант 2.1 Отказоустойчивый кластер 2 хоста и свидетель. Серверная виртуализация с использованием общей аппаратной системой хранения данных, с обеспечением высокой доступности ВМ и отказоустойчивой системой группового управления (СГУ) на двух физических хостах. Вариант 4 Гиперконвергентное решение. Серверная виртуализации с распределенной системой хранения данных (РСХД), с обеспечением высокой доступности ВМ и отказоустойчивой системой группового управления (СГУ).

SControl позволяет: регистрировать поступившие в лабораторию образцы (пробы) и любые сведения о них (Заказчик, описание пробы и процедуры ее отбора, тип пробы и т.д.) с возможностью внесения их в протоколы исследований; вести сквозную нумерацию образцов, автоматически присваивая им уникальные номера; задавать с помощью шаблонов и редактировать перечень определяемых показателей для каждой пробы; автоматически передавать пробы лаборанту на исследования в Лабораторный журнал; отслеживать ход выполнения исследований каждого образца (система статусов); по завершении исследований каждой пробы создавать протоколы с результатами измерений с автоматическим внесением в них погрешностей (неопределенностей) результатов измерений и диапазонов нормальных значений измеряемых величин. Протоколы создаются с использованием шаблонов (форм) и редактируются встроенным Редактором протоколов; выгружать сведения о выданных протоколах для пакетной загрузки во ФГИС Росаккредитации; создавать образцы с нужными параметрами списком из файла Excel; выдавать статистику за любой период времени - число исследований по методикам и определяемым показателям, типам проб, заказчикам и т.д. Кроме того, наряду с индивидуальными образцами можно работать с Партиями образцов*: регистрировать поступившие в лабораторию Партии образцов и сведения о них (Заказчик, описание Партии, тип образцов и процедуры их отбора, определяемые показатели и т.д.); автоматически заносить образцы Партии на соответствующие страницы Лабораторного журнала программы QControl; отслеживать ход выполнения исследований как каждого образца, так и Партии в целом; создавать и редактировать протоколы с результатами исследований всех образцов, входящих в Партию, с возможностью внесения в них погрешностей (неопределенностей) результатов измерений и диапазонов нормальных значений измеряемых величин и т.д. При этом для каждого образца из Партии можно создать и свой протокол. Разработчик ПО: Дворкин Владимир Владимирович, Дворкин Владимир Ильич