科学

DataRobot首次成为2019年Gartner数据科学和机器学习平台魔力象限中的“有远见者”

   Gartner着名的数据科学与机器学习平台魔力象限2019年本周问世,DataRobot定位于'Visionaries'象限。与其他两家供应商一起,我们还实现了视力完整性最远的总体职位之一。对于那些关注MQ的人来说,我们认为这是一个令人印象深刻的首次展示,并强调了我们对市场的破坏性影响。毕竟,我们是创建自动化机器学习类别的公司。去年,我们选择不参与MQ,但Gartner对市场的影响是不可否认的。   我们的想法似乎与Gartner一致,特别是在增强分析方面。 Gartner在2019年的十大战略技术趋势中表示,“到2020年,超过40%的数据科学任务将实现自动化。”并且,“到2020年,公民数据科学家的数量将比专家数据快五倍科学家“。  我们在开发增强分析平台方面投入的资金超过任何其他供应商,我们的客户正在使用这种平台来改变其运营方式。借助DataRobot前所未有的自动化程度,数据科学技能在整个组织内实现民主化 - 使数据科学家能够提高工作效率,使企业用户能够充当公民数据科学家,并将人工智能和机器学习注入每项关键业务决策。     这就是为什么我...      

AlphaFold:使用AI进行科学发现

  今天,我们很高兴与大家分享DeepMind在展示人工智能研究如何推动和加速新科学发现方面的第一个重要里程碑。通过对我们工作采用强有力的跨学科方法,DeepMind汇集了来自结构生物学,物理学和机器学习领域的专家,以应用尖端技术,仅根据其基因序列预测蛋白质的3D结构。  我们的系统AlphaFold,我们在过去两年一直在研究,建立在多年前的研究基础上,使用大量的基因组数据来预测蛋白质结构。 AlphaFold产生的蛋白质3D模型比之前的任何蛋白质都更加准确 - 在生物学的核心挑战之一上取得了重大进展。什么是蛋白质折叠问题?   蛋白质是维持生命所必需的大而复杂的分子。几乎我们身体所执行的所有功能 - 收缩肌肉,感知光线或将食物转化为能量 - 都可以追溯到一种或多种蛋白质以及它们如何移动和变化。这些蛋白质的配方 - 称为基因 - 在我们的DNA中编码。  任何给定的蛋白质可以做什么取决于其独特的3D结构。例如,构成我们免疫系统的抗体蛋白质是“Y形”的,并且类似于独特的钩子。通过锁定病毒和细菌,抗体蛋白能够检测和标记引起疾病的微生...      

使用DataRobot和Amazon SageMaker使数据科学团队能够应对机器学习的挑战

  为什么机器学习如此困难  对于开发人员,数据工程师和数据科学家而言,机器学习过程可能具有挑战性 - 构建,培训,然后将模型部署到生产中既复杂又耗时。     首先,您需要收集并准备历史训练数据,其中您知道您要预测的结果,这些数据将用于发现数据集的哪些元素很重要。   接下来,您需要选择最佳算法来拟合数据和结果,并提供准确的模型。   在决定进近之后,您需要训练算法以使用历史数据进行预测,这需要大量的计算时间和精力。   然后,您需要调整所选模型,以便提供最佳预测。这通常是一个繁琐而复杂的过程,需要大量的手动工作。   在开发完全训练有素的模型后,您需要将模型与应用程序集成,并将此应用程序部署在可扩展的基础架构上。    DataRobot和亚马逊网络服务(AWS)认识到这些步骤需要专业的专业知识,访问大量的计算能力和存储,以及时间来试验和优化流程的每个步骤。最后,很明显为什么机器学习对大多数开发人员和数据科学团队来说都是如此耗时且困难。  为了确保机器学习成功,DataRobot和Ama...      

DemystData如何使用自动化机器学习为其数据科学家提供支持

  随着自动化机器学习工具成为主流,数据科学家们开始关注像DataRobot这样的平台将如何影响他们的工作状态。具体来说,自动化机器学习会完全取代数据科学家吗?    DemystData产品副总裁Jason Mintz在波士顿的AI Experience上发表讲话,并详细解释了如何与DataRobot一起为DemystData的数据科学家提供支持,同时让整个公司了解数据科学过程,无论其背景如何。            正如贾森在视频中所说:   “他们[数据科学家]是DataRobot的最大支持者,因为它允许他们做的是更有效地完成他们的工作,并且实际上把时间花在数据科学的更有趣的方面。他们实际上已经开始使用他们的大脑,并开始思考那些更大的图片问题。“    DemystData已经看到DataRobot在整个公司中的积极影响成为支持和实现内部业务增长的宝贵工具。有关DemystData如何使用DataRobot的更多信息,请观看视频。      ...      

数据科学家聚焦:Xavier Conort

  数据科学家聚焦回归! DataRobot.Xavier首席数据科学家MeetXavier Conort于2013年加入DataRobot,在全球各地的组织中拥有近20年的保险行业工作经验。我们与Xavier坐下来讨论他作为首席数据科学家的角色,建议他有未来的数据科学家,你可以在他不工作时找到他,等等。   搜索结果嗨,泽维尔,请告诉我们一些关于你自己的信息。   我在九十年代在大学学习过统计学,金融学和精算学。然后,我在保险业担任精算师。我曾在法国,巴西,中国和新加坡工作过。我是精算师,也是中国的首席财务官(CFO)和秘书长。新加坡风险经理。我的大部分经验都是人寿保险,2010年我开始在该领域之外工作。离开我的人寿保险工作后,我花了一年的时间去旅行,甚至去了南极洲。  我在人寿保险之外的第一份工作是我发现统计建模和使用广义线性模型(GLM)。我发现这些是我喜欢做的事情。我开始对那些正在从事这些类型项目的同事感到有点嫉妒,所以我在网上进行了一些研究,发现我的同事做了更多令人兴奋的事情!那就是我找到机器学习的时候。我爱上了它,通过在线...