AN ALGORITHMIC LEARNING ENGINE FOR DYNAMICALLY GENERATING PREDICTIVE ANALYTICS FROM HIGH VOLUME, HIGH VELOCITY STREAMING DATA

An algorithmic real-time learning engine comprising an algorithmic model generator configured to process a set of system variables from a big data source using at least one of a pattern recognition algorithm and a statistical test algorithm to identify patterns, relationships between variables, and important variables; and generate at least one of: a predictive model based on the identified patterns, relationships between variables, and important variables; statistical test model about correlations, differences between variables, or patterns in time across variables; and recurring clusters model of similar observations across variables. A data preprocessor can select system variables of interest, align the selected system variables based on time, and arrange the aligned variables into rows. The selected system variables can also be aggregated based on a pre-defined aggregate. A visualization processor generates visualizations based on the set of system variables and the predictive model, the statistical test, or recurring cluster. L'invention concerne un moteur d'apprentissage algorithmique en temps réel comprenant un générateur de modèle algorithmique configuré pour traiter un ensemble de variables de système provenant d'une source de mégadonnées à l'aide d'un algorithme de reconnaissance de motifs et/ou d'un algorithme de test statistique afin d'identifier des motifs, des relations entre variables, et des variables importantes ; et générer au moins un modèle parmi : un modèle prédictif basé sur les motifs, les relations entre variables et les variables importantes identifiés ; un modèle de test statistique concernant des corrélations, des différences entre variables, ou des motifs temporels dans plusieurs variables ; et un modèle d'amas récurrents d'observations similaires dans plusieurs variables. Un préprocesseur de données peut sélectionner des variables de système d'intérêt, aligner les variables de système sélectionnées sur la base du temps, et agencer les variables alignées en rangées. Les variables de système sélectionnées peuvent également être agrégées sur la base d'un agrégat prédéfini. Un processeur de visualisation génère des visualisations sur la base de l'ensemble de variables de système et du modèle prédictif, du test statistique ou de l'amas récurrent.