首页 > IT业界 > 正文

再获权威机构聚焦,DataCanvas入选Forrester中国机器学习Now Tech报告

2020-07-29 15:42:50  来源:互联网

摘要:近日,Forrester发布最新《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》报告,解读预测分析和机器学习(PAML)市场在中国的最新发展,并向数字化转型决策者们提出建议。
关键词: DataCanvas
       近日,Forrester发布最新《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》报告,解读预测分析和机器学习(PAML)市场在中国的最新发展,并向数字化转型决策者们提出建议。DataCanvas凭借开源、灵活、高性能的数据科学平台产品获得关注,并入选报告。

  

\

Forrester Now Tech报告推荐厂商(部分)


  灵活、开放,提供全方位自主AI能力建设

  作为持续关注全球PAML市场的研究机构,Forrester此次调研活跃于中国PAML市场的35家供应商,从产品类型、产品性能、公司规模等角度为各行业CIO们提供相关信息。DataCanvas作为提供多模式服务(Multimodel PAML)的供应商,能够为不同技术能力的企业提供全方位的自主AI能力建设。

  全方位

  DataCanvas提供从数据准备,模型开发,模型评估,模型生产化,模型监控、实时结果反馈,到模型治理的全生命周期管理,在简化企业模型操作的同时节能提效,实现“用模型操作人工智能”。

  通过 “四库”——特征仓库、模型仓库、场景仓库、AutoML仓库,DataCanvas能够实现跨行业、跨业务的知识迁移,降低高复合能力人才要求,突破企业级知识融合瓶颈。

  灵活

  为适应不同技术能力的使用者和团队协同模型操作,DataCanvas集自动建模、拖拽式建模、编码建模三种建模方式于一身,将AI门槛降到最低的同时,全面提升团队级模型构建和管理效率。

  DataCanvas还内置“白盒”算子库,支持用户直接调用和编辑更改,让用户针对自有数据情况,生成个性化的模型资产,加速实现自主AI。

  开放

  目前,DataCanvas数据科学平台可以在各类主流硬件和技术架构上实现开放性支持,适配各类物理设备和云环境,并对主流技术架构提供全面的支持,服务全行业应用场景。

  小到一个算子,大到整个框架,DataCanvas正在将“开放”做到极致。

  对于企业来说,人工智能是一种强大的变革性技术,当前的PAML正在帮助企业简化模型各生命周期的操作,将数据科学家从繁琐的任务中解放出来,但同时,数据科学的能量仍未被全力释放。Forrester发现,越来越多的公司希望建立自己的人工智能能力。

  开源、创新,加速AutoML“新基建”

  “让客户拥有自主AI的能力”,DataCanvas正以此为目标加速技术创新并服务更多客户。

  为了突破结构化数据分析效能,DataCanvas基于长期服务于金融、制造、政府、交通等十余行业所积累的经验开发并且开源了的DeepTables深度学习工具包,备受业内关注。在今年3月的Kaggle结构化数据竞赛Categorical Feature Encoding Challenge II 中,DataCanvas凭此摘获第1名,这是结构化领域中深度学习超越传统机器学习算法的高光时刻。

  DataCanvas凭借多年科技研发和行业落地经验,深知客户所需,洞悉行业所想,精准判断自动机器学习发展趋势,自主研发并开源的Hypernets---通用自动机器学习框架,在全球率先突破Auto ML快速开发痛点。

  Hpernets对自动机器学习领域的三个核心问题:搜索空间、搜索算法和评估策略做了合理的抽象,并提供了相应的基础算法和工具,从而实现多样性机器学习任务和场景的自动化工具的快速开发,提高了超参数优化和神经架构搜索领域的研究和创新效率,加速Next Generation Auto ML的发展。

  

\

 

  人工智能是一种强大的变革性技术,而数据科学作为企业数字化转型的武器正在不断演进。DataCanvas致力于引领数据科学行业发展,将通过持续创新开源技术、落地各行业业务场景,全面提升数据科学技术能效,加速释放企业自主AI红利。


第三十六届CIO班招生
国际CIO认证培训
首席数据官(CDO)认证培训
责编:chenjian

免责声明:本网站(http://www.ciotimes.com/)内容主要来自原创、合作媒体供稿和第三方投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等)版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时,请及时通知本站,予以删除。