AutoML平臺開普勒針對領域專家

2022-08-29 14:30:01 編輯：晏勝康來源：

導讀隨著越來越多的公司推出數字基礎架構，他們正在吸收大量數據，業(yè)務分析人員可以使用這些數據來衡量客戶意圖并促進交易。數據科學家的復雜性...

隨著越來越多的公司推出數字基礎架構，他們正在吸收大量數據，業(yè)務分析人員可以使用這些數據來衡量客戶意圖并促進交易。數據科學家的復雜性和缺乏使那些希望通過“黑暗”數據獲利的中型公司更加難以實現這一轉變。

因此，機器學習供應商正在使數據科學工作流的關鍵方面實現自動化，這將使領域專家可以根據特定數據類型自定義管道和算法。提倡使用AutoML方法來提高按月生成的機器學習模型的數量和質量。

這是Stradigi AI本周發(fā)布的新AutoML平臺的目標之一。開普勒平臺同時尋求解決數據科學家的短缺問題，從而導致無法將AI模型投入生產，然后再擴展這些模型。該策略的重點是讓域專家自由選擇所需的數據科學工具，以更快地獲得機器模型，而最初的重點是最有可能產生可操作結果的“高價值”用例，例如庫存控制或客戶流失。

Stradigi首席商務官Per Nyberg表示，數據科學自動化的“最佳結合點”是尋求獲得數字化轉型收益的中型企業(yè)。因此，開普勒使數據科學步驟自動化，以使業(yè)務分析人員快速地沿著機器學習曲線前進。

標簽：

免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！