Hemos detectado que tu ubicación de facturación es Estados Unidos.
Tu dirección de facturación debe estar en el mismo país que tu lugar de compra. Selecciona una de las opciones:
Nuevos términos de uso
El Plazo de suscripción se renovará automáticamente para los Plazos de suscripción sucesivos, a menos que una de las partes notifique a la otra, con una antelación mínima de 60 días antes de que finalice el Plazo de suscripción vigente, que ha optado por no renovarlo. Cualquier Plazo de suscripción renovado tendrá la misma duración que el plazo anterior o 12 meses, lo que sea mayor. Las tarifas para cualquier Plazo de suscripción renovado serán las mismas que estén en vigor al finalizar el Plazo de suscripción anterior, a menos que Siemens notifique al Cliente la aplicación de tarifas futuras diferentes como mínimo 90 días antes de que finalice el Plazo de suscripción vigente en ese momento.
El UCA (o cualquier término sucesor) disponible en Acuerdo Universal de Clientes (UCA) en la versión vigente 60 días antes del final del Plazo de suscripción que esté en vigor se aplicará al siguiente Plazo de suscripción. Sin embargo, si su suscripción se rige por un acuerdo marco que haya firmado con Siemens, dicho contrato marco seguirá siendo de aplicación para cualquier Plazo de suscripción siguiente, y prevalecerán las condiciones de renovación automática de la suscripción especificadas en dicho acuerdo marco.
En todos los casos, en lugar de cualquier versión anterior de los Términos complementarios, se aplicarán para el siguiente Plazo de suscripción los correspondientes Términos complementarios disponibles en Términos complementarios en la versión vigente 60 días antes del final del Plazo de suscripción que esté en vigor.
Los términos y condiciones adicionales acordados en el formulario de pedidos inicial (incluidas las condiciones del producto), así como las condiciones de pago acordadas, seguirán en vigor para cualquier Periodo de suscripción siguiente.
Predictive Learning - E
Operado por SIEMENS
Predict future product performance through machine learning techniques
Predictive Learning allows data scientists to build prediction models through machine learning techniques, enabling companies to optimize product quality, which reduces potential field failures and performance issues. Predictive Learning enables companies to increase actual product performance, perceived product performance, and the overall customer experience.
Predictive Learning features:
- Data Science Workbench: Managed instances of Zeppelin notebook are provided for exploration, training and visualizing models. Prepackaged deep learning offerings such as Tensorflow, Keras and Theano and distributed machine learning packages such as MLlib
- Workspace Out-of-the-box functions: Enables users to quickly explore, transform and analyze big data without the need for any additional scripting
- Rapidly build and execute predictive models
| Predictive Learning | Small | Medium | Large |
|---|---|---|---|
| Pricing | Contact Us | Contact Us | |
| Compute Hours | 7,500 | 20,000 | 30,000 |
| Data Storage | 5 TB | 10 TB | 15 TB |
| No. of Users | 2 | 5 | 10 |
| Data Science Workbench | ? | ? | ? |
| Workspace out-of-the-box functions | ? | ? |