_images/logo_sofia2_grande.png

Características Generales

_images/capacidades-Sofia2.JPG

Características IoT

FEEP IoT Platform Sofia2, es un Middleware y repositorio que permite la interoperabilidad en tiempo real entre sistemas, redes sociales, dispositivos y sensores:

  • Ontologías y visión semática para garantizar independencia de protocolos. Permitiendo la representación del mundo físico en el mundo digital.
  • Conectores de comunicación para diversos clientes y protocolos de comunicación ligeros (REST, WebSockets, MQTT, WS, JMS, AMQP…).
  • Extensible en Java (APIs, Protocolos, Plugins) y APIs de desarrollo de clientes proporcionados en diversos lenguajes.
  • Procesamiento en tiempo real de la información intercambiada.
  • Auditoría de la actividad de integración.
  • Configuración de reglas sencillas y complejas ejecutadas en tiempo real.
  • Gestión y configuración integrado en Sofia2 Control Panel (HTML5).
  • API Manager integrado basado en estándares (JSON, REST, RESTful) que incluye control completo del ciclo de vida de las APIs (Creada, en Desarrollo, Publicada, Deprecada, Eliminada), versionado.
  • Seguridad integrada con el resto de elementos de la plataforma (autenticación, autorización, cifrado, …)
  • Publicación de datos independientemente del repositorio (tiempo real o histórico) y publicación en portales Open Data.
  • Integración transparente de APIs de terceros.
  • Control de Throtling (gestión del número de peticiones que podrá realizar cada usuario por minuto.)

Características Big Data & Analytic

FEEP Big Data Platform Sofia2, permite la integración con fuentes de datos de forma visual y asistida y ofrece capacidades de analítica y Machine Learning que permite cargar datasets, lanzar algoritmos, crear modelos y publicarlos:

  • Data flow, notebooks analytics y machine learning.
  • Gestión de intérpretes (sh, jdbc, md, angular…).
  • Ejecución multilenguaje sobre un mismo notebook (SparkSQL, R, Hive, Scala, Python) para la analítica de la información.
  • Ejecución planificada de notebooks. Se pueden configurar reglas para capturar y visualizar datos de un pipeline en ejecución.
  • Entorno compartido y multiusuario.
  • Visualización instantánea con gráficas incorporadas.
  • Entorno web integrado en panel de control.
  • Parseo de datos en diversos formatos (ARFF, XLS, XLSX, CSV, SVMLight).
  • Algoritmos: K-means, Generalized Linear Model, Distributed RF, Naïve Bayes, Principal Component Analysis, Gradient Boosting Machine y Deep Learning.
  • Publicación de modelos.
  • Además es posible consultar las estadísticas de ejecución de cualquier pipeline en tiempo real.