Welches Data-Science- oder Machine-Learning-Tool ist das Beste?
Wir leben im Zeitalter der Optionen. Die Datenrevolution hat die Art und Weise, wie Unternehmen arbeiten und Kunden verhalten, verändert. Und wir haben definitiv viele Möglichkeiten, wenn es um Data Science geht und maschinelles Lernen Instrumente.
Wo früher nur SAS als Referenzinstrument für die Analyse existierte (immer noch auf Augenhöhe, wie der Gartner Magic Quadrant zeigt), Wir haben jetzt viele andere Tools, mit denen wir arbeiten können. Eine der aufregendsten Markteinführungen der letzten Jahre ist die Fülle an automatisierten Werkzeugen für maschinelles Lernen, wie Google Cloud Platform, Microsoft Azure ML, etc.
Diese Machine-Learning-Tools bieten Out-of-the-Box-Lösungen, die für viele Data-Science-Projekte Plug-and-Play-fähig sind. (Vorausgesetzt, sie haben die richtige Infrastruktur, Natürlich).
Was mich zur Millionen-Dollar-Frage bringt: Welches Data-Science- oder Machine-Learning-Tool soll ich wählen? Gut, Wer sonst kann diese Frage besser beantworten als Gartner?
Gartner publica su Cuadrante Mágico annual para ‚Herramientas de ciencia de datos y aprendizaje automático‘ jeden februar. Führende Technologiegiganten und Organisationen aus allen Bereichen und Branchen sehen sich diesen Magic Quadrant an, um zu verstehen, was maschinelles Lernen Werkzeug, das sie in ihre Prozesse integrieren müssen.
„Gartner definiert eine DSML-Plattform als Kernprodukt und Produktsupport-Portfolio, Komponenten, Durchgängig integrierte Bibliotheken und Frameworks (inklusive Eigentümer, Partner und Open Source). Seine Hauptnutzer sind Data-Science-Profis. Dazu gehören erfahrene Data Scientists, Bürger Data Scientists, Dateningenieure und Ingenieure / Spezialisten für maschinelles Lernen (ML) „.
Notiz: Auf der Suche nach dem magischen Quadranten 2020 von Gartner für BI- und Analytics-Tools? Wir haben Sie abgedeckt!
Dann, hier ist der magische Quadrant 2020 Gartner für Data Science- und Machine Learning-Plattformen:
Und so entstand der Magic Quadrant für Data Science und Machine Learning Tools in 2019:
Den vollständigen Bericht aller Tools finden Sie unter Offizielle Gartner-Website. Es ist ein umfassender Bericht, der die Stärken und Schwächen jeder der oben genannten Plattformen detailliert beschreibt..
Vidhya-Analyse im Magic Quadrant 2020 von Gartner für Data Science und Machine Learning Tools
- Hemos visto un fuerte movimiento hacia los segmentos de ‚Visionäre‘ Ja ‚Führungskräfte‘ dieses Jahr
- SAS no solo permanece en el apartado ‚Führungskräfte‘, aber es hat seine Punktzahl in beiden Achsen verbessert. Das ist sehr interessant, trotz aller Diskussionen, die wir in der Community hören, dass SAS tot ist oder nicht genug innovativ ist.
- RapidMiner se movió del cuadrante de ‚Führungskräfte‘ ein ‚Visionäre‘, jetzt in der Nähe DataRobot Ja MESSER
- Alteryx Ja Dataiku han pasado de ‚Herausforderer‘ ein ‚Leaders‘ – ein großer Sprung für beide Unternehmen
- IBM, in einer kleinen Überraschungsbewegung, ha pasado de un ‚Visionario‘ noch ‚Challenger‘
- Für alle Python-Fans, Anakonda permanece en el segmento ‚Nischenspieler‘
- Altair es un recién llegado este año y se ha asentado en la sección ‚Nischenspieler‘. Ich werde das für den Magic Quadrant im nächsten Jahr im Auge behalten. Ich wäre nicht überrascht, einen Sprung für Altair zu sehen
- Google, Microsoft, H20.ai Ja DataRobot mantener su posición en el segmento ‚Visionäre‘ des Magischen Quadranten
- MathWorks Ja Datenbausteine han dado el salto de ‚visionarios‘ ein ‚líderes‘
- SAFT Es ist in keinem der Quadranten enthalten!
Äußere deine Meinung zum Magic Quadrant!
Was hat Ihre Aufmerksamkeit im diesjährigen Magic Quadranten erregt? Sicherlich, Ich behalte Altair und H20.ai dieses Jahr im Auge. Ich hoffe, dass sie in den kommenden Monaten einen großen Sprung machen..
Wenn Sie neu in der Welt des maschinellen Lernens sind, Ich empfehle Ihnen, das beliebte . zu konsultieren Angewandtes maschinelles Lernen Kurs!
