DataRobot
全球唯一透明運作的自動化機器學習平台
從大量歷史資料做預測分析的最快方法
首次參與Gartner評鑑即被評為ML市場遠見者Visionary
內建上百種模型經Kaggle全球最大數據科學競賽平台認證
國防等級的安全性，已受美國監管機構認可
全球最大零售商、全球最大汽車製造商、美國前3大銀行與保險公司皆信任採用
AI-Driven Enterprise will steal $1.2 trillion from competitors by 2020
Forrester Research
什麼是自動化機器學習Auto ML？
機器學習是實現人工智慧結果(感知Sense、創造Create、推測Reasoning、應對React)的必要手段。
機器學習意思為：讓電腦系統具有自主學習的能力，而這個能力需要受訓練得來，不是簡單寫下固定的邏輯判斷程式就可得來。
而人們訓練機器具有學習能力的過程，非常繁複又需不斷試錯，且在有限時間的試誤下，很難確定其學習能力的優劣、對歷史資料模式的識別跟預測是否已達最佳化，其判斷結果是否是可信任的、以用來輔助人類做最終決策。
自動化機器學習Auto ML(Auto Machine Learning)，簡單來說，就是將這個訓練過程自動化處理。
這是一個加速迭代的解決辦法，Auto ML 輔助還在研究或實驗怎麼訓練機器學習的人(e.g. 演算法開發工程師、資料科學家等)，能快速得到反饋，針對反饋重新蒐集數據，更快進入下一輪的訓練或最後一哩的應用。
下圖是打造資料模式識別與預測引擎的傳統方式
單識別出最符合過去歷史資料模式的模型，往往已耗時2-3個月以上
DataRobot 能自動化處理的部分
透過DataRobot核心技術【Model Blueprint】，加速找出最適模型
DataRobot 三大獨家優勢：自動化、透明化、文件化
根本解決演算法「Black Box」特性，讓預測結果有解釋依據與可信度
核心技術Model Blueprint內建上百種經Kaggle平台認證過模型，並可自動排名模型優劣
Model Blueprint 根據最新開源機器學習框架，持續新增與測試，讓內建模型庫保持最優化狀態
Model Blueprint 內每一步驟皆提供完整文件，有助解釋背後運作，同時建立內部知識庫
透過Model Blueprint 將一目瞭然：
- 共用了哪些演算法與參數組合來模擬歷史資料？
- 不同的演算法，分別對原始數據做了哪些不同的預處理？做了哪些不同的特徵工程？
- 最後建議的最佳模型(The blender models)是由哪些單一模型的加權平均得出的？
DataRobot 短片專區
AI Simplified ！簡單說、易理解
DataRobot 在各行業的應用
更快掌握客戶需求、更精準管理風險
- 減少客戶流失(Reduced churn)
- 降低訴訟風險(Mitigating litigation Risk)
- 提升詐欺偵測率(Fraud Detection)
- 及早辨別代位求償可能(Subrogation)
» 點此看更多保險業應用案例
- 更準確的信用評級(Credit Scoring)
- 即時防治金融犯罪(AML and Anti-Fraud)
- 提升客戶體驗
- 優化現金流管理(Cash Management)，預測新貸款需求、預付速度、ATM現金量等
» 點此看更多銀行業應用案例
- 資產管理(Asset Management)
- 辨別IPO項目的最佳投資者
- 客戶併購活動預測(M&A Activities)
- 客戶摩擦風險管理(Attrition Management)
» 看更多投資金融機構應用案例
- 產品原料組合優化Product Design Optimization
- 異常偵測Predict Out-of-Range Environmental Factors
- 瑕疵檢測Find Defects
- 最佳化生產量Predict Production Level
- 維修預測Predictive Maintenance
» 點此看更多製造業應用案例
來信深入了解應用案例
