Quel outil de science des données ou d'apprentissage automatique est le meilleur?
Nous vivons à l'ère des options. La révolution des données a transformé le fonctionnement des entreprises et le comportement des clients. Et nous avons certainement beaucoup d'options en matière de science des données et apprentissage automatique instruments.
Là où seul SAS existait autrefois comme outil de référence pour l'analyse (toujours à la hauteur, comme le montre le Magic Quadrant de Gartner), nous avons maintenant de nombreux autres outils avec lesquels travailler. L'un des lancements les plus excitants de ces dernières années est la pléthore d'outils d'apprentissage automatique automatisés, comme Google Cloud Platform, Microsoft Azure ML, etc.
Ces outils d'apprentissage automatique offrent des solutions prêtes à l'emploi que de nombreux projets de science des données peuvent brancher et jouer. (en supposant qu'ils disposent de l'infrastructure appropriée, bien sûr).
Ce qui m'amène à la question à un million de dollars: Quel outil de science des données ou d'apprentissage automatique dois-je choisir? Bon, Qui d'autre peut mieux répondre à cette question que Gartner?
Gartner publie son Magic Quadrant annuel pour ‘Outils de science des données et apprentissage automatique’ chaque février. Les principaux géants de la technologie et les organisations de tous les domaines et industries examinent ce Magic Quadrant pour comprendre ce apprentissage automatique outil qu'ils doivent intégrer dans leurs processus.
« Gartner définit une plate-forme DSML comme un produit de base et un portefeuille de support produit, Composants, Bibliothèques et frameworks intégrés de manière cohérente (y compris les propriétaires, partenaires et open source). Ses principaux utilisateurs sont des professionnels de la science des données. Il s'agit notamment d'experts en données scientifiques, scientifiques des données citoyens, ingénieurs et ingénieurs de données / spécialistes de l'apprentissage automatique (ML) « .
Noter: À la recherche du Magic Quadrant 2020 de Gartner pour les outils de BI et d'analyse? Nous vous avons couvert!
Ensuite, voici le Magic Quadrant 2020 Gartner pour les plateformes de science des données et d'apprentissage automatique:
Et c'est ainsi que le Magic Quadrant pour les outils de science des données et d'apprentissage automatique a été développé dans 2019:
Vous pouvez voir le rapport complet de tous les outils sur Site officiel de Gartner. Il s'agit d'un rapport complet détaillant les forces et les faiblesses de chaque plate-forme mentionnée ci-dessus..
Analyse Vidhya dans le Magic Quadrant 2020 de Gartner pour les outils de science des données et d'apprentissage automatique
- Nous avons observé un fort mouvement vers les segments de ‘Visionnaires’ Oui ‘Dirigeants’ cette année
- SAS ne reste pas seulement dans la section ‘Dirigeants’, mais il a amélioré son score dans les deux axes. C'est très intéressant, malgré toutes les discussions que nous entendons dans la communauté que SAS est mort ou n'innove pas assez.
- RapidMiner s'est déplacé du quadrant de ‘Dirigeants’ une ‘Visionnaires’, maintenant situé près Robot de données Oui COUTEAUX
- Alteryx Oui Dataiku sont passés de ‘Challengers’ une ‘Leaders’ – un grand pas pour les deux entreprises
- IBM, dans un geste un peu surprise, est passé d'un ‘Visionnaire’ encore ‘Challenger’
- Pour tous les fans de Python, Anaconda reste dans le segment ‘Acteurs de niche’
- Altaïr est un nouveau venu cette année et s'est installé dans la section ‘Acteurs de niche’. Je garderai un œil là-dessus pour le Magic Quadrant de l'année prochaine. Je ne serais pas surpris de voir un saut pour Altair
- Google, Microsoft, H20.ai Oui Robot de données maintenir sa position dans le segment ‘Visionnaires’ du Quadrant Magique
- MathWorks Oui Les briques de données ont fait le saut de ‘visionnaires’ une ‘leaders’
- SÈVE Il n'est inclus dans aucun des quadrants!
Exprimez votre opinion sur le Magic Quadrant!
Ce qui a attiré votre attention dans le Magic Quadrant de cette année? Certainement, Je garde un œil sur Altair et H20.ai cette année. J'espère qu'ils feront un bond significatif dans les mois à venir..
Si vous êtes nouveau dans le monde de l'apprentissage automatique, Je vous recommande de consulter le populaire Apprentissage automatique appliqué cours!
