开普勒使数据科学步骤自动化

　　随着越来越多的公司推出数字基础架构，他们正在吸收大量数据，业务分析人员可以使用这些数据来衡量客户意图并促进交易。数据科学家的复杂性和缺乏使那些希望通过“黑暗”数据获利的中型公司更加难以实现这一转变。

　　因此，机器学习供应商正在使数据科学工作流的关键方面实现自动化，这将使领域专家可以根据特定数据类型自定义管道和算法。提倡使用AutoML方法来提高按月生成的机器学习模型的数量和质量。

　　这是Stradigi AI本周发布的新AutoML平台的目标之一。开普勒平台同时寻求解决数据科学家的短缺问题，从而导致无法将AI模型投入生产，然后再扩展这些模型。该策略的重点是让域专家自由选择所需的数据科学工具，以更快地获得机器模型，而最初的重点是最有可能产生可操作结果的“高价值”用例，例如库存控制或客户流失。

　　Stradigi首席商务官Per Nyberg表示，数据科学自动化的“最佳结合点”是寻求获得数字化转型收益的中型企业。因此，开普勒使数据科学步骤自动化，以使业务分析人员快速地沿着机器学习曲线前进。