Dataiku 7為企業AI帶來更深入的合作和更詳盡的可解釋性

最新版本的Dataiku為統計員和資料科學家擴充功能，並為所有資料添加單獨的預測解釋

紐約--(BUSINESS WIRE)--(美國商業資訊)-- -(美國商業資訊)--首屈一指的企業人工智慧(AI)和機器學習平臺Dataiku今日宣佈推出Dataiku 7，該版本將為技術資料專業人員帶來更深入的整合，可用於機器學習專案開發和白箱(white-box) AI的資料列層級可解釋性。此最新版本的其他功能亮點包括使用Kubernetes支援的Web應用程式以擴展Dataiku 6中引進的功能，以及機器學習輔助的資料標籤外掛程式。

Dataiku執行長Florian Douetteau表示：「自2013年創立以來，合作一直是Dataiku的核心，而隨著Dataiku 7的推出，我們將繼續添加功能，以深化我們高效推進企業中的AI使用大眾化的理念。隨著此次發佈，Dataiku 7成為我們連續推出的第二個產品版本，該版本擴大了可解釋AI的功能，是各行各業組織取得成功並瞭解其AI模型結果之影響的關鍵部分。」

如今，全球組織紛紛致力於自上而下地推動企業AI工作，但需要努力使專案自下而上大眾化，使更多的人能夠取得可執行的資料見解。Dataiku 7透過合作讓更多的人受益，並為個人提供可解釋的企業AI，以將資料用於日常決策和建構有影響力的AI專案。

此次發佈的Dataiku 7新功能包括：

支援進階統計分析：統計員現在可以利用Dataiku，以日常熟悉的工作表和卡片格式執行進階統計分析，同時與更廣泛的資料或分析團隊合作。過去，高階統計人員只能使用孤立的工具，非統計人員則看不到，從而在治理和AI專案部署方面產生瓶頸。

進階預測解釋：在過去，機器學習模型不包括它們得出結果的原因或方式的見解，因此很難客觀地解釋根據這些模型做出的決策和採取的行動。Dataiku中的預測解釋會描述哪些特徵或功能對模型結果產生最大影響而公開其中奧秘。Dataiku 7既包含輸出資料集中的資料列層級預測解釋，也包含各個預測解釋的互動式視覺化。

促進程式設計師合作的Git：借助Dataiku 7中升級的Git整合，資料科學家（或其他code-first用戶）現在可以從Dataiku直接創建、刪除、推送和拉取Git分支。這帶來極大的效率助益，因為程式設計師可以複製專案以輕鬆地進行沙盒(sandbox)更改，且原始專案不受影響。一旦在重複專案上完成反覆運算，即可將更改無縫地合併回原始專案（所有更改均可在Git中追蹤）。

利用Kubernetes提高彈性：Dataiku 7讓用戶現在可以在Kubernetes叢集上運行Web應用程式，從而擴展Dataiku 6的託管Kubernetes叢集功能。這為資源密集型AI部署帶來更多同時上線用戶和快速、靈活的執行後端。

主動學習標籤外掛程式：正確標記資料是從機器學習模型中獲得精確優質見解的先決條件，而且透過簡化繁瑣且耗時的資料蒐集步驟，快速標記資料的能力通常有助於加快整個分析生命週期。新的人工介入(human-in-the-loop)標記和主動學習外掛程式提供一套Dataiku Web應用程式，用於簡化標記過程，無論資料是表格、圖片還是聲音。

Dataiku使全球2,000大企業(Global 2,000)能夠將大型資料集轉化為可執行的見解，使AI專案大眾化，並大規模擴充機器學習計畫。今天發佈的Dataiku 7利用其直覺式團隊型平臺加強更深入的合作和可解釋的AI，從而將資料科學帶給更多的人。

如欲瞭解有關今日公告的更多資訊以及深入瞭解Dataiku 7，請閱讀版本發佈說明。

如欲取得Dataiku的樣本，包括瞭解可用新功能，可報名參加4月16日的網路研討會。

關於Dataiku

Dataiku是集中式資料平臺，它將企業中的資料科學、機器學習和AI的使用大眾化。Dataiku使企業可獲得獨特的能力，從資料準備到大規模分析再到企業AI，沿著其資料之旅前行。透過為資料專家和探索者提供共同興趣點，以及提供最佳實務儲存庫、機器學習和AI部署/管理的捷徑，以及集中受控環境，Dataiku成為資料驅動型企業的催化劑。

免責聲明：本公告之原文版本乃官方授權版本。譯文僅供方便瞭解之用，煩請參照原文，原文版本乃唯一具法律效力之版本。