多角色数据科学和机器学习(DSML)平台是一个内聚的、可组合的产品和功能组合,为各种用户类型及其协作提供增强和自动化支持。“多角色DSML平台”的主要目标是通过民主化来创造价值。这是通过将DSML的强大功能引入到更广泛的非技术和技术受众,同时通过贯穿DSML开发和操作过程的所有阶段的自动化和增强将复杂性隐藏在“底层”实现的。此外,还为商业智能、可视化和探索提供了额外的分析功能。
“功率提升数据工具”
Altertyx数据集成软件非常棒。它所做的远远不止满足我们的业务需求。它使用的简单性,以及出色的速度,使我相信任何数量的数据处理都是小菜一碟。我们能够创建一个以业务为中心的数字数据仓库,所有清理过的数据都保存在其中,并且可以在不需要昂贵的数据分析师或工程师的情况下进行搜索或反映。它已被用于可视化、自助服务数据、人力资源服务和自动化电子邮件培训工作流程。Alteryx允许几乎所有的事情都用数据来执行,我们甚至看到Alteryx已经渗透到私人工作中。我喜欢Alteryx提供的独立工具,每个工具执行一个功能,允许你探索不同的东西,如果不起作用就删除工具。这使得合并比手工操作要容易得多。
“完美的数据分析解决方案”
IBM SPSS Statistics是一个编译良好的数据分析解决方案,它允许我们通过它运行我们的新业务想法,并根据我们通过数据为其设置的参数获得结果的预测。这使我们能够以一种比引入IBM SPSS Statistics之前使用的经典模型更自动化的方式分析数据并制定我们的计划和想法。
“与机器学习和数据科学相关的智能工具。”
RapidMiner Studio帮助我们以一种简单易懂的方式评估和交流我们的概念,并加速我们的数据驱动转换。作为这一切的结果,我们的信息收集、模型确认、数据增强和可视化方法都发生了很大的变化。这完全改变了我们处理数据库模式的方法,我们如何取得成功,如何制定长期计划,以及我们如何做出决定。我们在整个业务中部署了RapidMinor Studio,因为它适用于每一个用例,为我们节省了大量的精力和资源。
“两全其美”
Databricks是一个非常强大的工具,它大大提高了我们数据科学团队的效率。我们经常遇到这样的问题:一些非常有价值的数据科学工作主要是在数据科学家的笔记本电脑上本地完成的,我们没有任何干净、易于使用的方法来帮助他们将工作转移到生产环境中,或使他们能够轻松地协作。虽然我们有github回购,但每个开发数据科学家的开发环境都有很大的不同,每个人最终都有自己的一组AWS权限和数据库帐户,因此即使只是为了帮助调试问题,共享工作也会带来严重的挑战。Databricks的协作笔记本、管理数据科学计算资源和标准化的数据访问在很大程度上为我们解决了许多问题。我们不仅可以更快地开发我们的机器学习产品,而且它们的实际运行时间也快得多,而临时集群意味着我们可以大规模地试验大型神经网络,而无需花费大量的费用(很容易在几分钟内启动多个GPU实例,并在一段时间不活动后自动终止它们)。Databricks提供的大多数产品都是基于开源技术构建的,这意味着学习Spark比我们过去使用的其他专有系统要快得多。
“DataRobot分享了100个关于我们产品和评级的真实预测。”
DataRobot使我们能够知道我们的产品评级和评论,它为我们的业务提供建议。它还警告我们,如果我们的产品有任何问题,它通知我们的利润或少在提前。这个软件是人工智能的一个很好的例子,它能理解我们的需求,并为我们的产品提供新的想法。它还可以分析我们的产品或任何类型的数据,并纠正错误,指导我们下一步应该做什么。DataRobot分享我们服务的全部分析,并告诉我们它是否有利可图。
“构建机器学习模型和持续集成的伟大平台”
在加入NCR的SRE团队之前,我在他们的ML部门的酒店团队工作。目标是从餐厅捕捉菜单项的图像,并使用图像处理和机器学习算法提取菜单项、配料和价格。我们必须训练大量包含多种字体、项目、纸张大小、图像噪声和颜色组合的菜单图像。我们需要强大的计算能力来承载机器学习模型来训练,因为我以前在大学里做过类似的项目,所以我建议使用sagemaker,因为它具有自动伸缩、安全性、可用性和并发性。总的来说,这是一次美妙的经历,文档让我们的生活变得更加轻松。
“用InfiniteInsight获取客户洞察”
借助SAP InfiniteInsight,我们可以自动进行预测分析,生成信号以预测图形,并无缝地将结果可视化。它可以很容易地获得有价值的客户洞察,从而能够做出数据驱动的前瞻性决策。它还有助于构建可重复使用的分析记录。它还可以很好地与第三方应用程序集成
这项研究需要登录来确定访问权限