Qual ferramenta de ciência de dados ou aprendizado de máquina é a melhor?
Vivemos na era das opções. A revolução dos dados transformou a maneira como as empresas operam e os clientes se comportam. E definitivamente temos muitas opções quando se trata de ciência de dados e aprendizado de máquina instrumentos.
Onde apenas o SAS existiu uma vez como ferramenta de referência para análise (ainda está à altura, conforme mostrado pelo Quadrante Mágico da Gartner), agora temos muitas outras ferramentas para trabalhar. Um dos lançamentos mais empolgantes dos últimos anos é a infinidade de ferramentas de aprendizado de máquina automatizadas, como Google Cloud Platform, Microsoft Azure ML, etc.
Essas ferramentas de aprendizado de máquina oferecem soluções out-of-the-box que muitos projetos de ciência de dados podem plug and play. (presumindo que eles tenham a infraestrutura adequada, claro).
O que me leva à pergunta de um milhão de dólares: Qual ferramenta de ciência de dados ou aprendizado de máquina devo escolher? Nós vamos, Quem mais pode responder melhor a essa pergunta do que o Gartner?
O Gartner publica seu Quadrante Mágico anual para "Ferramentas de Ciência de Dados e Aprendizado de Máquina’ todo fevereiro. Os principais gigantes da tecnologia e organizações de todos os domínios e setores olham para este Quadrante Mágico para entender o que aprendizado de máquina ferramenta que deve ser integrada em seus processos.
“O Gartner define uma plataforma DSML como um produto central e um portfólio de suporte ao produto, componentes, Bibliotecas e estruturas consistentemente integradas (incluindo proprietários, parceiros e código aberto). Seus principais usuários são profissionais de ciência de dados. Isso inclui cientistas de dados especializados, cientistas de dados do cidadão, engenheiros de dados e engenheiros / especialistas em aprendizado de máquina (ML) “.
Observação: Procurando pelo Magic Quadrant 2020 do Gartner para ferramentas de BI e análises? Nós temos você coberto!
Então, aqui está o Magic Quadrant 2020 Gartner para plataformas de ciência de dados e aprendizado de máquina:
E é assim que o Magic Quadrant para ferramentas de ciência de dados e aprendizado de máquina foi desenvolvido em 2019:
Você pode ver o relatório completo de todas as ferramentas em Site Oficial da Gartner. É um relatório abrangente que detalha os pontos fortes e fracos de cada plataforma mencionada acima..
Análise de Vidhya no Quadrante Mágico 2020 do Gartner para ferramentas de ciência de dados e aprendizado de máquina
- Vimos um forte movimento em direção aos segmentos de ‘Visionários’ e ‘Líderes’ este ano
- SAS não permanece apenas na seção ‘Líderes’, mas melhorou sua pontuação em ambos os eixos. Isto é muito interessante, apesar de todas as discussões que ouvimos na comunidade de que o SAS está morto ou não está inovando o suficiente.
- RapidMiner movido do ‘quadrante de Líderes’ para 'Visionários', agora localizado perto DataRobot e KNIME
- Alteryx e Dataiku passaram de ‘Desafiadores’ um ‘Líderes’ – um grande salto para ambas as empresas
- IBM, em um movimento um pouco surpresa, deixou de ser um ‘Visionário’ e um ‘Challenger’
- Para todos os fãs de Python, Anaconda permanece no segmento ‘Jogadores de nicho’
- Altair é um novato este ano e se estabeleceu na seção de ‘Jogadores de nicho’. Vou ficar de olho nisso no Magic Quadrant do próximo ano. Eu não ficaria surpreso em ver um salto para Altair
- Google, Microsoft, H20.ai e DataRobot manter sua posição no segmento 'Visionários'’ do Magic Quadrant
- MathWorks e Databricks deram o salto de "visionários’ para ‘líderes’
- SEIVA Não está incluído em nenhum dos quadrantes!
Expresse sua opinião sobre o Magic Quadrant!
O que chamou sua atenção no Magic Quadrant deste ano? Certamente, Estou de olho no Altair e no H20.ai este ano. Espero que dêem um salto significativo nos próximos meses..
Se você é novo no mundo do aprendizado de máquina, Eu recomendo que você consulte o popular Aprendizado de máquina aplicado ¡curso!
