『』Dataiku 7为企业AI带来更深入的协作和更详尽的可解释性

『』Dataiku 7为企业AI带来更深入的协作和更详尽的可解释性
文章图片

文章图片

最新版本的Dataiku扩展了针对统计员和数据专家的功能 , 并为所有数据添加单独的预测解释
领先的企业人工智能(AI)和机器学习平台Dataiku今日宣布推出Dataiku 7 , 该版本将为技术数据专业人员带来更深层次的整合 , 可用于机器学习项目开发和白盒(white-box) AI的行级可解释性 。此最新版本的其他功能亮点包括使用Kubernetes支持的Web应用程序 , 可扩展Dataiku 6中引入的功能以及机器学习辅助的数据标签插件 。
『』Dataiku 7为企业AI带来更深入的协作和更详尽的可解释性
文章图片

文章图片

统计员现可以利用Dataiku以熟悉的工作表和卡片格式执行高级统计分析 , 同时与更广泛的数据或分析团队展开协作 。(图示:美国商业资讯)
【『』Dataiku 7为企业AI带来更深入的协作和更详尽的可解释性】Dataiku首席执行官Florian Douetteau表示:“自2013年发布以来 , 协作一直是Dataiku的核心 , 而随着Dataiku 7的推出 , 我们将继续添加功能 , 以深化我们高效推进企业中的AI使用大众化的理念 。随着此次发布 , Dataiku 7成为我们连续发布的第二个产品版本 , 该版本扩展了可解释AI的功能 , 是跨行业组织取得成功并了解其AI模型结果的影响的关键组成部分 。”
如今 , 全球组织纷纷致力于自上而下地开展企业AI工作 , 但需要努力使项目自下而上大众化 , 以使更多的人能够获取可执行的数据见解 。Dataiku 7通过协作让更多的人受益 , 并为个人提供可解释的企业AI , 以将数据用于日常决策和构建有影响力的AI项目 。
此次发布的Dataiku 7的新功能包括:
支持高级统计分析:统计员现可以利用Dataiku以日常熟悉的工作表和卡片格式执行高级统计分析 , 同时与更广泛的数据或分析团队展开协作 。过去 , 高级统计人员只能使用孤立的工具 , 这些工具对于非统计人员不可见 , 从而在治理和AI项目部署方面产生瓶颈 。
高级预测解释:在过去 , 机器学习模型不包括它们得出结果的原因或方式的见解 , 因此很难客观地解释基于这些模型做出的决策和采取的行动 。Dataiku中的预测解释通过描述哪些特征或功能对模型结果产生最大影响而将奥秘公之于众 。Dataiku 7既包含输出数据集中的行级预测解释 , 也包含各个预测解释的交互式可视化 。
促进编码员协作的Git:借助Dataiku 7中增强的Git整合 , 数据专家(或其他代码优先用户)现可以直接从Dataiku直接创建、删除、推送和拉取Git分支 。这带来了极大的效率增益 , 因为编码员可以复制项目以轻松地进行沙箱(sandbox)更改 , 且原始项目则不受影响 。一旦在重复项目上完成迭代 , 即可将更改无缝地合并回原始项目(所有更改均可在Git中跟踪) 。
利用Kubernetes提高弹性:Dataiku 7让用户现在可以在Kubernetes集群上运行Web应用程序 , 从而扩展Dataiku 6的托管Kubernetes集群功能 。这为资源密集型AI部署带来更多同时上线用户和快速、灵活的执行后端 。
主动学习标签插件:正确标记数据是从机器学习模型中获得精确优质的见解的先决条件 , 并且通过简化繁琐且耗时的数据收集步骤 , 快速标记数据的能力通常有助于加快整个分析生命周期 。新的人工介入(human-in-the-loop)标记和主动学习插件提供一套Dataiku Web应用程序 , 用于简化标记过程 , 无论数据是表格、图像还是声音 。
Dataiku使全球2,000大上市企业(Global 2,000)能够将大型数据集转化为可执行的见解 , 使AI项目大众化 , 并大规模扩展机器学习计划 。今天发布的Dataiku 7通过其基于团队的直观平台可增强更深层次的协作和可解释的AI , 从而将数据科学带给更多的人 。


推荐阅读