We realized that your billing location is USA.
Please note that your billing address should be in the same country as your buying location. Please select one of the options:
Nuovi termini di utilizzo
L’abbonamento si rinnoverà automaticamente per i periodi successivi, a meno che una delle parti non comunichi all’altra la disdetta almeno 60 giorni prima della fine del Periodo di abbonamento in corso. Qualsiasi Periodo di abbonamento rinnovato avrà la stessa durata del periodo precedente o 12 mesi, a seconda di quale sia il maggiore. Le tariffe per qualsiasi Periodo di abbonamento rinnovato saranno uguali a quelle in vigore alla fine del Periodo di abbonamento precedente, a meno che Siemens non comunichi al Cliente tariffe future diverse almeno 90 giorni prima della fine del Periodo di abbonamento in corso.
L’UCA (o eventuali termini successivi), disponibile in Universal Customer Agreement (UCA) nella versione in vigore 60 giorni prima della scadenza del Periodo di abbonamento in corso, si applicherà al Periodo di abbonamento successivo. Tuttavia, se l’abbonamento è regolato da un contratto quadro stipulato con Siemens, tale contratto quadro continuerà ad essere applicato per ogni Periodo di abbonamento successivo e prevarranno i termini di rinnovo automatico per l’abbonamento specificati in tale contratto quadro.
In tutti i casi, al posto di qualsiasi versione precedente dei Termini supplementari, per il successivo Periodo di abbonamento si applicheranno i Termini supplementari applicabili disponibili nella pagina Termini supplementari nella versione in vigore 60 giorni prima della fine del Periodo di abbonamento in corso.
I termini e le condizioni aggiuntivi concordati nel modulo d'ordine iniziale (compresi i termini specifici del prodotto), così come i termini di pagamento concordati, rimarranno in vigore per qualsiasi successivo Periodo di abbonamento.
Predictive Learning - E
Fornito da 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 | ? | ? |