近日，F(xiàn)orrester發(fā)布最新《Now Tech: Predictive Analytics And Machine Learning In China, Q3 2020》報告，解讀預測分析和機器學習(PAML)市場在中國的最新發(fā)展，并向數(shù)字化轉(zhuǎn)型決策者們提出建議。DataCanvas憑借開源、靈活、高性能的數(shù)據(jù)科學平臺產(chǎn)品獲得關注，并入選報告。

Forrester Now Tech報告推薦廠商(部分)

靈活、開放，提供全方位自主AI能力建設

作為持續(xù)關注全球PAML市場的研究機構，F(xiàn)orrester此次調(diào)研活躍于中國PAML市場的35家供應商，從產(chǎn)品類型、產(chǎn)品性能、公司規(guī)模等角度為各行業(yè)CIO們提供相關信息。DataCanvas作為提供多模式服務(Multimodel PAML)的供應商，能夠為不同技術能力的企業(yè)提供全方位的自主AI能力建設。

全方位

DataCanvas提供從數(shù)據(jù)準備，模型開發(fā)，模型評估，模型生產(chǎn)化，模型監(jiān)控、實時結果反饋，到模型治理的全生命周期管理，在簡化企業(yè)模型操作的同時節(jié)能提效，實現(xiàn)“用模型操作人工智能”。

通過 “四庫”——特征倉庫、模型倉庫、場景倉庫、AutoML倉庫，DataCanvas能夠?qū)崿F(xiàn)跨行業(yè)、跨業(yè)務的知識遷移，降低高復合能力人才要求，突破企業(yè)級知識融合瓶頸。

靈活

為適應不同技術能力的使用者和團隊協(xié)同模型操作，DataCanvas集自動建模、拖拽式建模、編碼建模三種建模方式于一身，將AI門檻降到最低的同時，全面提升團隊級模型構建和管理效率。

DataCanvas還內(nèi)置“白盒”算子庫，支持用戶直接調(diào)用和編輯更改，讓用戶針對自有數(shù)據(jù)情況，生成個性化的模型資產(chǎn)，加速實現(xiàn)自主AI。

開放

目前，DataCanvas數(shù)據(jù)科學平臺可以在各類主流硬件和技術架構上實現(xiàn)開放性支持，適配各類物理設備和云環(huán)境，并對主流技術架構提供全面的支持，服務全行業(yè)應用場景。

小到一個算子，大到整個框架，DataCanvas正在將“開放”做到極致。

對于企業(yè)來說，人工智能是一種強大的變革性技術，當前的PAML正在幫助企業(yè)簡化模型各生命周期的操作，將數(shù)據(jù)科學家從繁瑣的任務中解放出來，但同時，數(shù)據(jù)科學的能量仍未被全力釋放。Forrester發(fā)現(xiàn)，越來越多的公司希望建立自己的人工智能能力。

開源、創(chuàng)新，加速AutoML“新基建”

“讓客戶擁有自主AI的能力”，DataCanvas正以此為目標加速技術創(chuàng)新并服務更多客戶。

為了突破結構化數(shù)據(jù)分析效能，DataCanvas基于長期服務于金融、制造、政府、交通等十余行業(yè)所積累的經(jīng)驗開發(fā)并且開源了的DeepTables深度學習工具包，備受業(yè)內(nèi)關注。在今年3月的Kaggle結構化數(shù)據(jù)競賽Categorical Feature Encoding Challenge II 中，DataCanvas憑此摘獲第1名，這是結構化領域中深度學習超越傳統(tǒng)機器學習算法的高光時刻。

DataCanvas憑借多年科技研發(fā)和行業(yè)落地經(jīng)驗，深知客戶所需，洞悉行業(yè)所想，精準判斷自動機器學習發(fā)展趨勢，自主研發(fā)并開源的Hypernets---通用自動機器學習框架，在全球率先突破Auto ML快速開發(fā)痛點。

Hpernets對自動機器學習領域的三個核心問題：搜索空間、搜索算法和評估策略做了合理的抽象，并提供了相應的基礎算法和工具，從而實現(xiàn)多樣性機器學習任務和場景的自動化工具的快速開發(fā)，提高了超參數(shù)優(yōu)化和神經(jīng)架構搜索領域的研究和創(chuàng)新效率，加速Next Generation Auto ML的發(fā)展。

人工智能是一種強大的變革性技術，而數(shù)據(jù)科學作為企業(yè)數(shù)字化轉(zhuǎn)型的武器正在不斷演進。DataCanvas致力于引領數(shù)據(jù)科學行業(yè)發(fā)展，將通過持續(xù)創(chuàng)新開源技術、落地各行業(yè)業(yè)務場景，全面提升數(shù)據(jù)科學技術能效，加速釋放企業(yè)自主AI紅利。

fqj