数据科学影响了来自不同行业的许多企业。尽管数据科学已经成为“21世纪最吸引人的工作”,但还有一项技术正变得越来越突出。

如今,自动化不仅应用于机器人领域,它还与其他领域相结合,使技术人员的工作变得更容易,其中一个领域就是数据科学。有很多公司正在为数据科学领域开发工具和产品。在本文中,我们将研究数据科学专业人员可以使用的一些自动化工具。

1. Auto-Weka

有几种机器学习算法可以直接使用,其中许多方法都是在Weka包中实现的。然而,每一种ML算法都有自己的超参数,这些超参数可以极大地改变它们的性能,而且总体上有大量可能的替代方法。

Auto-WEKA最初于2013年发布,它考虑通过同时选择学习算法和设置超参数来解决这个问题。它还解决了使用贝叶斯优化的问题。Auto-Weka还致力于帮助非专业用户更有效地识别适合其应用程序的ML算法和超参数设置。

2. Darwin

Darwin是一家建立人工智能系统以推动最重要利益的公司Sparkcognition开发的,是另一个大规模解决数据科学问题的工具。 它是一种自动化的模型构建工具,允许用户在比传统方法更短的时间内从数据到模型。此外,它还可以实现场景的快速原型设计和高效的洞察力提取。

这个工具是如何工作的?该工具使用基于神经进化的方法,自定义构建模型架构,以确保最适合目前的问题。

3.DataRobot自动机器学习

DataRobot是一个先进的企业AI平台。该平台融合了一些世界领先的数据科学家的知识、经验和最佳实践。谈到自动化,DataRobot的自动化机器学习平台,帮助ML开发人员以前所未有的透明度自动创建机器学习模型,以帮助理解和信任他们所做的预测。该平台配备了不同类型的回归技术,从最简单的统计经典回归模型到复杂的统计经典回归模型。此外,这个平台最好的一点是,它还可以解决多达100个不同类别的简单问题。

从一开始,DataRobot就一直是数据科学专业人士追捧的平台。要了解这个平台的更多信息,您可以查看他们的官方产品网站。

4. H20.ai

在机器学习自动化方面,H2O已经成为领导者。它是一个开源的分布式内存机器学习平台,具有线性可伸缩性。该平台的创建方式支持大多数广泛使用的统计和机器学习算法。

这个平台最棒的地方之一是,它具有业界领先的AutoML功能,可以自动运行所有算法及其超参数,生成排行榜的最佳模型。

5. dotData

特性工程被认为是数据科学专业人员最重要、最耗时和最具挑战性的工作之一。打包了最好的人工智能功能的dotData致力于将其自动化。简单地说,该公司只专注于民主化和自动化整个数据科学工作流。

与传统流程相比,在识别用例到将流水线投入生产之间可能需要数月时间,此AI / ML平台有助于快速,大规模地执行复杂的数据科学项目。

【凡本网注明来源非中国IDC圈的作品,均转载自其它媒体,目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。】

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2019-08-19 13:57:39
大数据技术 数据科学简化:统计学习的关键概念
在本文中,我将深入探讨数据科学中的统计学习概念。首先,我将定义什么是统计学习。然后,我们将深入研究统计学习中的关键概念。 <详情>
2019-08-12 13:32:13
大数据资讯 数据科学和分析的热门市场
近年来,数据分析、集成、可视化的价值日益重要,许多企业最近在数据分析领域的收购也凸显了这一点。企业的首席信息官应优先考虑团队教育、现代工具集和流程,以利用数据分 <详情>
2019-07-29 18:45:58
大数据技术 DevOps在数据科学和机器学习中的应用
数据科学家与DevOps工程师相互协作可以获得更好的业务成果,但了解他们的不同需求是关键。 <详情>
2019-05-27 10:58:47
云技术 清洁云平台的五种简单而有效的方法
大多数云计算产品都按月度或年度许可订阅模式收费,并随着IT团队日常需求的分配、临时变更可以在很短的时间内累积起来。审核购买的许可证,并协调在整个团队中分配它们是一 <详情>
2019-05-22 14:55:02
大数据技术 关于数据科学的趋势和前景,这里有你想了解的信息
一般来说,数据科学社区包括“数据库管理员”、“商业智能专家”、“数据仓库专家”、“机器学习专家”、“数据科学家”和“具有统计或数学背景的开发人员”。本文分析了全 <详情>