加快数据科学项目的五个自动化工具
2020-04-28 来源：raincent
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。
版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点！
本站所提供的图片等素材，版权归原作者所有，如需使用，请与原作者联系。
