Quale strumento di data science o machine learning è il migliore?
Viviamo nell'era delle opzioni. La rivoluzione dei dati ha trasformato il modo in cui operano le aziende e si comportano i clienti. E abbiamo sicuramente molte opzioni quando si tratta di data science e apprendimento automatico strumenti.
Dove una volta esisteva solo SAS come strumento di riferimento per l'analisi (ancora all'altezza, come mostrato dal Magic Quadrant di Gartner), ora abbiamo molti altri strumenti con cui lavorare. Uno dei lanci più entusiasmanti degli ultimi anni è la pletora di strumenti di machine learning automatizzati, come Google Cloud Platform, Microsoft Azure ML, eccetera.
Questi strumenti di machine learning offrono soluzioni pronte all'uso che molti progetti di data science possono collegare e utilizzare. (supponendo che abbiano l'infrastruttura adeguata, Certo).
Il che mi porta alla domanda da un milione di dollari: Quale strumento di data science o machine learning dovrei scegliere? Bene, Chi altro può rispondere a questa domanda meglio di Gartner??
Gartner pubblica il suo Magic Quadrant annuale per "Data Science and Machine Learning Tools"’ ogni febbraio. I principali giganti della tecnologia e le organizzazioni di tutti i settori e settori guardano a questo Magic Quadrant per capire cosa apprendimento automatico strumento che deve essere integrato nei loro processi.
“Gartner definisce una piattaforma DSML come un prodotto principale e un portafoglio di supporto del prodotto, componenti, Librerie e framework costantemente integrati (compresi i proprietari, partner e open source). I suoi utenti principali sono professionisti della scienza dei dati. Questi includono esperti di dati scientifici, scienziati dei dati dei cittadini, ingegneri e ingegneri dei dati / specialisti dell'apprendimento automatico (ML) “.
Nota: Alla ricerca del quadrante magico 2020 di Gartner per BI e strumenti di analisi? Ti abbiamo coperto!
Quindi, ecco il quadrante magico 2020 Gartner per piattaforme di data science e machine learning:
Ed è così che è stato sviluppato il Magic Quadrant per la scienza dei dati e gli strumenti di apprendimento automatico in 2019:
Puoi vedere il rapporto completo di tutti gli strumenti su Sito ufficiale Gartner. È un rapporto completo che descrive in dettaglio i punti di forza e di debolezza di ciascuna piattaforma sopra menzionata..
Analisi Vidhya nel Quadrante Magico 2020 di Gartner per la scienza dei dati e gli strumenti di apprendimento automatico
- Abbiamo visto un forte movimento verso i segmenti di "Visionari"’ e "Leader"’ quest'anno
- SAS non solo rimane nella sezione "Leader", ma ha migliorato il suo punteggio in entrambi gli assi. Questo è molto interessante, nonostante tutte le discussioni che sentiamo nella comunità che SAS è morto o non ha innovato abbastanza.
- RapidMiner spostato dal "quadrante Leader"’ a 'Visionari', ora situato vicino DataRobot e KNIME
- Alteryx e Dataiku sono passati da "Challengers"’ un "leader"’ – un grande salto per entrambe le società
- IBM, con una mossa un po' a sorpresa, è passato da un 'visionario'’ e uno "Sfidante"’
- Per tutti i fan di Python, Anaconda rimane nel segmento "Giocatori di nicchia"’
- Altair è un nuovo arrivato quest'anno e si è stabilito nella sezione "Giocatori di nicchia". Lo terrò d'occhio per il Magic Quadrant del prossimo anno. Non sarei sorpreso di vedere un salto per Altair
- Google, Microsoft, H20.ai e DataRobot mantenere la sua posizione nel segmento "Visionari"’ del Quadrante Magico
- MathWorks e Databricks hanno fatto il salto di 'visionari'’ ai "leader"’
- LINFA Non è incluso in nessuno dei quadranti!
Esprimi la tua opinione sul Quadrante Magico!
Cosa ha attirato la tua attenzione nel Magic Quadrant di quest'anno? Certamente, Sto tenendo d'occhio Altair e H20.ai quest'anno. Spero che facciano un salto di qualità nei prossimi mesi..
Se sei nuovo nel mondo del machine learning, Vi consiglio di consultare il popolare Apprendimento automatico applicato corso!
