

Data Science and Machine Learning
Una piattaforma di Data Science e Machine Learning (DSML) è una soluzione software che fornisce i blocchi e l’ambiente per la creazione di applicazioni di data science e modelli ad auto-apprendimento, e rende disponibili le integrazioni per inserirle nelle applicazioni aziendali.
Una DSML è utilizzata sia di analisti di business ( citizen data scientists ), che da esperti data scientists, data engineer e sviluppatori di applicazioni per costruire, implementare e mantenere workflow ed algoritmi che sfruttano modelli predittivi basati sui dati.
Funzionalità
Le piattaforme DSML integrano in maniera semplice molte funzionalità avanzate, tra cui:
- Creare pipeline di accesso dati, step di data preparation, algoritmi e modelli predittivi utilizzando un approccio grafico, senza scrittura di codice.
- Accedere con connettori predefiniti ad una molteplicità di formati e sorgenti dati, dai big data al cloud
- integrazione di tools open source, per sfruttare il patrimonio consolidato ed adottare le innovazioni AI più specialistiche
- Supportare la gestione end-to-end di modelli analitici, includendo la collaborazione e condivisione, l’implementazione ed il monitoraggio automatico dei risultati e delle performances.
- Abilitare l’utilizzo di framework di ML avanzati di deep-learning in maniera semplice
Vantaggi
- Permettere agli utenti evoluti dei fogli di calcolo di codificare ed evolvere gli algoritmi su strumenti di livello enterprise senza l’impegno ed i costi nascosti di imparare ed utilizzare un linguaggio complesso come Python oppure R.
- Creare rapidamente e con training limitato gli skills interni all’azienda per lo sviluppo di soluzioni predittive, prescrittive e deterministiche con risorse interne o tramite fornitori di servizi, mantenendo il controllo sulla proprietà intellettuale, includendo l’auto-documentazione ed auto-esplicabilità
- Facilitare la collaborazione tra data scientist, ingegneri e sviluppatori tradizionali ed i ruoli emergenti dei citizen data scientists
- Fornire grande visibilità sulle operazioni dei team di data science.
- Supportare un ambiente di condivisione in cui i data scientists possano interagire con il business sui progetti in maniera semplice.
- Produrre rapidamente soluzioni di data science di qualità specificamente realizzate sui casi aziendali, per differenziarsi dai modelli off-the-shelf pre-addestrati.
