knime 大数据_如何使用Knime进行数据科学

knime 大数据

Knime（K是无声的，因此发音为nīm ）是一个高度评价的数据分析平台，具有广泛的适用性，并且与其他产品（例如与数据库，语言，机器学习框架和深度学习框架）进行了许多集成。 Knime的理念是包容性，并“融合”您要使用的任何软件和数据源。

该平台的探索，模型构建，可视化，报告和开发部分以及社区扩展都是开源的。 提供协作，自动化，管理和部署功能的Knime Server和合作伙伴扩展都是商业化的。 Knime Analytics Platform和Knime Server可用于本地安装以及AWS和Azure云。

[InfoWorld的要点： 用于AI开发的5种最佳编程语言 。 • 为什么应该使用Python进行机器学习 。 • Julia与Python的对决：Julia语言在数据科学方面的兴起 • 五个 用于数据科学的 基本Python工具（现已改进） • 数据科学的Python发行版Anaconda入门 。 • Python的Anaconda发行版中的新增功能 。 | 通过InfoWorld的App Dev Report新闻通讯了解编程方面的热门话题。 ]

在本教程中，我将专注于开源Knime Analytics Platform和选定的开源扩展。 我的目标是带您找到一个现有的Knime工作流程，以用作自己的数据科学工作的起点，并充分了解Knime工作流程以对其进行自定义。 为了在有限的空间内完成此操作，我将带您参考Knime自己的一些材料来填充细节。

为什么要使用Knime？

如果您希望通过从处理元素（称为节点）以图形方式组装处理管道