Gartner报告：正处于数据科学与机器学习工具 “大爆炸”的时代

H2O.ai 在 2 月 5 日召开了 H2O 天下大会，因为市场竞争剧烈，以及客户对其手段的一些忧虑，H2O.ai 从率领者象限跌落到有远见者象限中。但，其焦点开源呆板进修组件的机能如故是 H2O.ai 的刚强，它基于 GPU 的深度进修和无人驾驶人工智能的自动呆板进修手段令 Gartner 印象深刻。可是，对付非开拓职员来说，进修曲线过于陡峭，并且缺乏打点手段，数据会见和数据筹备的手段也短缺，这些都是令人忧虑的题目。

据 Gartner 的说法，Mathworks 在满意以资产为中心的行业客户的需求方面有着 “惊人的力气”(该公司在制造商和工程组织中有着多年的履历)。因此，MathWorks 从挑衅者象限向有远见者象限迈出了庞大的一步。它提供的 MATLAB 因其 “民间工程师” 手段而广受赞誉，而及时流媒体、深度进修和仿真的集成数据筹备和支持，给人们留下了深刻的印象。Dings 很难被非工程师行使，并且不支持 Google Cloud Platform，缺乏自动呆板进修手段也是其倒霉身分。

Microsoft 依附基于云端的产物取得了不错的后果，包罗 Azure Machine Learning、Azure Data Factory、Azure HDInsight、Power BI。Microsoft 与第三方相助的方法，尤其是 Databricks 的 Spark 产物，对各类数据脚色(包罗入门级的呆板进修喜爱者)的支持也是一个加分项。呆板进修进程中的自动化是一个题目，全部差异器材的同等性也是云云。缺乏当地化手段也限定了它的合用性。

尽量 IBM 在 2019 年如故留在有远见者象限，但它已经失去了上风。IBM Watson Studio 产物的全面性获得了 Gartner 的传颂，该产物为专家和民间数据科学家提供处事。将 SPSS 建模器集成到 Watson Studio 中也获得了传颂。可是，IBM 重塑产物和转变计谋的频率是 Gartner 存眷的题目，由于得到完备的端到端成果还必要多个产物的容许授权。

Google 在数据科学和呆板进修平台排名方面示意相等不错，很洪流平上这要归功于 Google 的云端上普及的可用器材。它的焦点数据科学平台包罗 Cloud ML Engine、Cloud AutoML、TensorFlow 和 BigQuery ML。可是 Google 也提供了奇异的硬件，包罗 Tensor 处理赏罚单位(Tensor Processing Unit，TPU)、Kaggle 众包以及一系列其他产物。对 Google 来说，可扩展性和速率是 Google 的上风。可是，这些器材之间缺乏端到端的同等性是个题目，并且也缺乏可用性。其它，穷乏当地化产物也是个题目。

特定规模者象限

特定规模者象限有四家供给商。

SAP 的 Predictive Analytics(PA)产物与 HANA 细麋集成，使其得当 SAP HANA 客户。处理赏罚大型 HANA 数据集和江模子陈设到 SAP 应用的手段是刚强。SAP 对同一呆板进修架构的愿景也是云云，它与 Leonardo 呆板进修基金会相干。然而，产物的同等性、不绝变革的人工智能计谋以及客户体验，都是对这家德国巨头倒霉的符号。

Domino Data Lab 从有远见者象限降级，这首要反应了其感知执行手段的降落。Gartner 很浏览 Domino 的产物计谋，尤其是它专注于协作和构建端到端办理方案。它与开源和专有产物的整合手段是特另外上风，它的可扩展性也是云云。可是，按照 Gartner 的观测，Domino 偏重于专家数据科学家，这让民间数据科学家感想不满，并且它还缺乏一些数据筹备、自动化和加强成果。

Anaconda 如故属于特定规模者种别。Anaconda 产物的首要上风在于它可以或许打仗开源 Python 社区，该社区继承敦促数据科学的创新。它扩睁开源 Python 的手段也是个上风。可是按照 Gartner 的说法，乐成行使 Anaconda 平台所需的专业常识是一个警示，Python “森林” 的伟大性也是一个题目。对开源社区的依靠也使客户在必要某些特定内容时处于劣势(Gartner 行使了模子操纵化的示例)，整体的同等性程度也是弱点之一。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!