Data science

การวิเคราะห์ AI แบบ No-code กำลังจะมาทำให้งานวิทยาศาสตร์ข้อมูลเป็นไปโดยอัตโนมัติได้อย่างไร

No-code AI ซึ่งเป็นกลุ่มย่อยของ AI สามารถทำให้งานวิทยาศาสตร์ข้อมูลเป็นไปโดยอัตโนมัติในแบบของตัวเอง แม้ว่า AI จะเป็นประเด็นร้อนมาอย่างน้อยหนึ่งทศวรรษแล้ว แต่ก็ยังมีอุปสรรคในการยอมรับโดยองค์กรต่างๆ จากรายงานของ Deloitte 24% ของธุรกิจเชื่อว่าเทคโนโลยีและทักษะ AI นั้นแพงเกินไป โซลูชันแบบไม่ใช้โค้ดช่วยในการทำให้ AI เป็นประชาธิปไตยโดยทำให้สามารถใช้ได้ในวงกว้างและราคาไม่แพง AI แบบไม่มีรหัสคืออะไร? No-code AI หมายถึงกลุ่มย่อยของปัญญาประดิษฐ์ที่มีจุดมุ่งหมายเพื่อทำให้ AI เข้าถึงผู้บริโภคทั่วไปได้มากขึ้น ในการใช้ AI และอัลกอริธึมการเรียนรู้ของเครื่อง AI แบบไม่มีโค้ดหมายถึงการใช้แพลตฟอร์มการพัฒนาแบบไม่มีโค้ดที่มีอินเทอร์เฟซแบบกราฟิก ปราศจากโค้ด และโดยทั่วไปแล้วจะลากและวาง ด้วย AI ที่ไม่มีการเข้ารหัส บุคคลที่ไม่ใช่ด้านเทคนิคสามารถจัดหมวดหมู่ ประเมิน และสร้างแบบจำลองที่แม่นยำเพื่อคาดการณ์ได้อย่างรวดเร็ว ความสำคัญของ AI แบบไม่มีโค้ดในธุรกิจ แม้ว่าปัญญาประดิษฐ์จะเป็นประเด็นร้อนมานานกว่าทศวรรษ แต่ก็ยังมีอุปสรรคในการนำไปใช้โดยธุรกิจ ตามรายงานของ Deloitte 24% ของธุรกิจเชื่อว่าเทคโนโลยี AI และความเชี่ยวชาญนั้นแพงเกินไป โซลูชันที่ไม่มีโค้ดช่วยทำให้ AI เป็นประชาธิปไตยโดยทำให้ AI ใช้งานได้อย่างกว้างขวางและราคาไม่แพง ธุรกิจต้องพัฒนาโมเดล AI จากข้อมูลของ Forbes 83 เปอร์เซ็นต์ของบริษัทเชื่อว่า AI เป็นเป้าหมายเชิงกลยุทธ์สำหรับพวกเขาในขณะนี้ แต่ยังขาดความเชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล ในช่วง 2 ปีที่ผ่านมา ความต้องการความเชี่ยวชาญด้าน AI เพิ่มขึ้นกว่าเท่าตัว ธุรกิจขนาดเล็กถูกบังคับให้พึ่งพานักวิทยาศาสตร์ข้อมูลพลเมืองเพื่อควบคุมกรณีการใช้งาน AI เนื่องจากยักษ์ใหญ่ด้านเทคโนโลยีและบริการทางการเงินกำลังบริโภค 60% ของความสามารถด้าน AI การสร้างแบบจำลอง AI (เช่น โมเดลการเรียนรู้ของเครื่องฝึกหัด) ต้องใช้เวลา ความพยายาม และการฝึกฝน AI ที่ไม่มีโค้ดช่วยลดเวลาที่ใช้ในการพัฒนาโมเดล AI ให้เหลือเพียงไม่กี่นาที ทำให้ธุรกิจต่างๆ สามารถรวมการเรียนรู้ของเครื่องเข้ากับการดำเนินงานได้อย่างรวดเร็ว ในขณะที่ความสนใจใน AI ที่ไม่มีโค้ดเริ่มเพิ่มขึ้น ตาม Google Trends แต่ก็ยังน้อยกว่าจำนวนผู้ที่สนใจเรียนรู้ ML หรือ autoML นักวิทยาศาสตร์ข้อมูลยังไม่ถูกแทนที่ด้วยโซลูชัน AI ที่ไม่มีรหัส นี่ยังคงเป็นสนามที่ใหม่มาก การยอมรับมากขึ้นจะได้รับแรงหนุนจากการเติบโตและความสามารถในการปรับตัวของโซลูชันในปัจจุบัน รวมถึงการบูรณาการที่กว้างขวาง ประโยชน์ของโซลูชัน AI แบบไม่มีโค้ด ตอนนี้บุคคลและบริษัทสามารถทดลองกับ AI และการเรียนรู้ของเครื่องได้ง่ายขึ้นด้วยโซลูชัน No code AI โซลูชันเหล่านี้ช่วยธุรกิจต่างๆ ในการปรับใช้โมเดล AI อย่างรวดเร็วและราคาไม่แพง ทำให้ผู้เชี่ยวชาญด้านโดเมนของตนได้รับประโยชน์จากเทคโนโลยีที่ล้ำสมัย การรวมประสบการณ์ทางธุรกิจกับ AI Data Science ยังคงเป็นวินัยใหม่ และนักวิทยาศาสตร์ข้อมูลส่วนใหญ่ขาดความเชี่ยวชาญทางธุรกิจเมื่อเทียบกับผู้เชี่ยวชาญด้านโดเมน อายุของผู้ตอบแบบสอบถามที่พบบ่อยที่สุดคือ 24 และค่ามัธยฐานคือ 000 ตาม a การศึกษาด้านวิทยาศาสตร์ข้อมูลดำเนินการโดย Kaggle แพลตฟอร์มท้าทายด้านวิทยาศาสตร์ข้อมูล ซึ่งเป็นโซลูชันการระดมทุนสำหรับโครงการ AI ผู้ใช้ทางธุรกิจอาจใช้ความรู้เฉพาะโดเมนของตน และพัฒนาโซลูชัน AI ได้อย่างง่ายดายเนื่องจากโซลูชันที่ไม่มีโค้ด การเขียนโค้ดอย่างรวดเร็ว การล้างข้อมูล การจัดประเภท การจัดระเบียบข้อมูล การฝึกอบรม และการแก้ไขปัญหาโมเดลเป็นขั้นตอนที่จำเป็นทั้งหมดในการสร้างโซลูชัน AI ที่ไม่เหมือนใคร สำหรับผู้ที่ไม่คุ้นเคยกับวิทยาศาสตร์ข้อมูล การดำเนินการนี้ใช้เวลานานกว่ามาก โซลูชันแบบไม่ใช้โค้ดตามการวิจัยมีความสามารถในการประหยัดเวลาในการพัฒนาโดย 90% การประหยัดต้นทุนเป็นหนึ่งในข้อได้เปรียบที่ชัดเจนที่สุดของระบบอัตโนมัติและโซลูชันที่ไม่มีโค้ด เมื่อบริษัทต่างๆ สามารถให้ผู้ใช้ทางธุรกิจพัฒนาโมเดลการเรียนรู้ด้วยเครื่องได้ พวกเขาต้องการนักวิทยาศาสตร์ด้านข้อมูลน้อยลง ช่วยเหลือนักวิทยาศาสตร์ข้อมูลในการทำงาน คำขอจากพนักงานคนอื่น ๆ เปลี่ยนความสำคัญของทีมวิทยาศาสตร์ข้อมูลที่มีอยู่แล้วเพื่อทำงานที่แก้ไขได้ง่าย โซลูชันแบบไม่ใช้โค้ดช่วยลดจำนวนคำขอที่รบกวนสมาธิโดยอนุญาตให้ผู้ใช้ทางธุรกิจจัดการได้ด้วยตนเอง ธุรกิจที่ทำกำไรจาก AI Analytics Data Automation อุปกรณ์เป็นผลมาจากการทำงานที่เริ่มขึ้นใน 2013 เมื่อธุรกิจมีแนวคิดในการสร้างเครื่องที่สามารถเรียกดูเว็บและ GitHub เพื่อค้นหารหัสและ โครงสร้างอื่นๆ เพื่อสร้างแนวคิดใหม่สำหรับการแก้ปัญหา บริษัทลูกค้าเพียงส่งโดเมนและอธิบายว่าต้องการเพิ่มประสิทธิภาพอะไรเพื่อใช้ SparkBeyond Discovery SparkBeyond ได้เปิดตัวผลิตภัณฑ์ทดลองในตลาดซึ่งอยู่ระหว่างการพัฒนาเป็นเวลาสองปี McKinsey, Hitachi, Baker McKenzie, PepsiCo, Zabka, Santander, Swisscard, Investa, SEBx, Oxford และ ABInBev เป็นหนึ่งในลูกค้าของบริษัท ผู้ค้าปลีกจำเป็นต้องกำหนดสถานที่ใหม่ 5 แห่ง 000 เพื่อเพิ่มประสิทธิภาพรายได้ ตามเรื่องราวความสำเร็จของลูกค้ารายหนึ่งของ SparkBeyond ตามที่ Sagie Davidovich ผู้ก่อตั้ง SparkBeyond บริษัทใช้ข้อมูล ณ จุดขายจากที่ตั้งปัจจุบันของผู้ค้าปลีกเพื่อค้นหาว่าข้อมูลใดที่มีกำไรมากที่สุด โดยใช้ข้อมูลจากแหล่งภายนอกที่หลากหลาย รวมถึงข้อมูลอุตุนิยมวิทยา แผนที่ และพิกัดทางภูมิศาสตร์ เพื่อกำหนดความสามารถในการทำกำไร SparkBeyond ได้นำสมมติฐานที่หลากหลายมาทดสอบ เช่น หากสามวันที่เปียกติดต่อกันใกล้กับนิทานของคู่แข่งเกี่ยวข้องกับการทำกำไร จากข้อมูลของ Davidovich ความใกล้ชิดกับร้านซักรีดมีความสัมพันธ์ที่แข็งแกร่งที่สุดกับความสามารถในการทำกำไร อย่างไรก็ตาม ผู้บริโภคมีเวลาในการซื้อของระหว่างรอเสื้อผ้า ซึ่งอาจดูเหมือนชัดเจนเมื่อมองย้อนกลับไป แต่ในตอนแรกไม่ชัดเจนเลย บริษัทอ้างว่ามีตำแหน่งที่ไม่เหมือนใครในอุตสาหกรรมบริการ AI เนื่องจากมีการสร้างแบบจำลองการคาดการณ์อัตโนมัติสำหรับนักวิเคราะห์ หลังจากที่นักวิทยาศาสตร์ข้อมูลได้สร้างสมมติฐานเพื่อทดสอบแล้ว เทคโนโลยี AI ส่วนใหญ่พยายามที่จะช่วยพวกเขาในกระบวนการสร้างแบบจำลองและการทดสอบ ตัวอย่างเช่น คู่แข่งใน Data Automation Field Data Robot และ H20 เป็นคู่แข่งสองรายที่ให้บริการแบบจำลอง AI และ ML แบบอัตโนมัติ อย่างไรก็ตาม ตามที่ Ed Janvrin รองประธานและผู้จัดการทั่วไปของ SparkBeyond กล่าว ส่วนของ auto ML นี้กำลังมีการผลิตจำนวนมากขึ้นเรื่อยๆ ตามที่เขาพูด SparkBeyond ยังมีโมดูล Auto-ML Dataiku และ Alteryx เป็นสองคู่แข่งกันที่ช่วยเตรียมข้อมูลโดยไม่จำเป็นต้องเข้ารหัส อย่างไรก็ตาม ตามที่ Janvrin กล่าว บริษัทเหล่านี้ไม่ได้ให้การรู้จำคุณลักษณะที่บริสุทธิ์และอัตโนมัติ SparkBeyond กำลังพัฒนาเครื่องมือเตรียมข้อมูลของตัวเอง ซึ่งจะช่วยให้นักวิเคราะห์สามารถรวมข้อมูลรูปแบบต่างๆ ได้เกือบทั้งหมด รวมถึงอนุกรมเวลา การวิเคราะห์ข้อความ และข้อมูลทางภูมิศาสตร์ โดยไม่ต้องเขียนโค้ดใดๆ SparkBeyond ได้รับการสนับสนุนอย่างไม่เป็นทางการจำนวน $ 60 ล้านดอลลาร์จากผู้ให้ทุน ณ วันที่ 2013 ซึ่งไม่เคยเปิดเผยมาก่อน บริษัทร่วมทุนของอิสราเอล Aleph, Lord David Alliance และบริษัทอื่นๆ เป็นหนึ่งในผู้ให้ทุน บทสรุป ด้วยอินเทอร์เฟซผู้ใช้ที่คล่องตัวและวิธีการแบบบูรณาการ ขณะนี้แพลตฟอร์มแบบไม่มีโค้ดใหม่สามารถค้นหาข้อมูลเชิงลึกใหม่ๆ และสร้างแบบจำลองการคาดการณ์ได้รวดเร็วยิ่งขึ้น โดยจะทดสอบสมมติฐานนับล้านทุกนาทีโดยใช้แหล่งข้อมูลภายในและภายนอกเพื่อค้นหาตัวขับเคลื่อนของบริษัทและผลลัพธ์ของสถานการณ์ที่ไม่รู้จักก่อนหน้านี้ จากนั้นจะอธิบายผลลัพธ์เป็นภาษาอังกฤษธรรมดา

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button