Die neuen KI-Tools von Dataiku reduzieren die Abhängigkeit von Data Science-Teams

Dataiku Heute hat das Unternehmen seine Bemühungen, KI für den durchschnittlichen Geschäftsanwender zugänglich zu machen, mit einem Update erweitert, das es ermöglicht, Was-wäre-wenn-Simulationen von KI-Modellen durchzuführen, um zu bestimmen, wie sich Änderungen an den Daten, auf denen sie basieren, auf sie auswirken.

Das Ziel besteht darin, es Geschäftsanalysten zu erleichtern, mit KI-Modellen zu experimentieren, die auf Algorithmen für maschinelles Lernen basieren, die sie mithilfe eines Datenwissenschaftlerteams erstellen können, sagte Florian Douetteau, CEO von Dataiku.

Als Teil dieser Bemühungen fügt Dataiku 9 ein Model Assertions-Tool hinzu, das es einem Fachexperten ermöglicht, eine bekannte Bedingung oder Plausibilitätsprüfungen in ein Modell einzufügen, um zu verhindern, dass ein bestimmtes Ergebnis oder eine bestimmte Schlussfolgerung jemals erreicht wird.

Es gibt jetzt auch ein Visual ML Diagnostics-Tool, das Fehlermeldungen generiert, wenn die Plattform feststellt, dass ein Modell fehlschlägt, und ein Model Fairness Report-Tool, das Zugriff auf ein Dashboard bietet, über das Unternehmen die Voreingenommenheit oder Fairness eines KI-Modells bewerten können.

Schließlich gibt es jetzt auch die Funktion „Smart Pattern Builder“ und „Fuzzy Joins“, die es einfacher macht, mit komplexeren oder sogar unvollständigen Datensätzen zu arbeiten, ohne Code schreiben oder Daten manuell bereinigen oder vorbereiten zu müssen.

Die meisten Unternehmen investieren in KI, um bessere datengesteuerte Entscheidungen zu treffen. Laut Douetteau ist es daher für Geschäftsanalysten unerlässlich, KI-Modelle zu erstellen, ohne darauf warten zu müssen, dass ein Datenwissenschaftsteam sie erstellt. „Geschäftsnutzer sollten in der Lage sein, KI zu erstellen und nicht nur zu konsumieren“, sagte er.

Das bedeutet nicht unbedingt, dass eine Organisation dies nicht tun sollte Stellen Sie ein Data-Science-Team ein um komplexere Herausforderungen anzugehen, aber es verringert die Abhängigkeit, die eine Organisation sonst von einem kleinen Team von Spezialisten hätte, bemerkte Douetteau.

Wenn es um KI geht, verwenden die meisten Unternehmen den Ansatz, den sie normalerweise verwendet haben, um Endbenutzern frühere Generationen von Analyseanwendungen zur Verfügung zu stellen. Ein Team von IT-Spezialisten würde eine Reihe von Dashboards auf Basis von Data Marts erstellen, die Geschäftsanwendern über ein Self-Service-Portal zugänglich gemacht würden. Dieser Ansatz reiche jedoch nicht aus, wenn es um KI gehe, da die Änderungsrate der zugrunde liegenden Daten mittlerweile erheblich zugenommen habe, sagte Douetteau. Geschäftsanalysten müssen in der Lage sein, dynamisch KI-Modelle zu erstellen, die es Unternehmen ermöglichen, schneller auf sich schnell ändernde Geschäftsbedingungen zu reagieren.

Natürlich gibt es kein besseres Beispiel für die Notwendigkeit dieser Fähigkeit als die COVID-19-Pandemie. Die meisten KI-Modelle, die Organisationen vor dem Ausbruch der Pandemie hatten, wurden fast über Nacht obsolet. Die meisten dieser Organisationen haben Monate gebraucht, um neue KI-Modelle zu entwickeln, aber selbst jetzt ist es schwierig, Annahmen zu treffen, die sich nicht ändern können, sobald neue Daten verfügbar werden.

Leider kann sich das durchschnittliche Data-Science-Team heute glücklich schätzen, wenn es innerhalb weniger Monate ein KI-Modell in eine Produktionsumgebung bringen kann. Unternehmen müssen eindeutig Datenwissenschaftstools in die Hände von Endbenutzern geben, damit die KI ihr volles Potenzial entfalten kann, sagte Douetteau. Die Herausforderung besteht darin, sicherzustellen, dass genügend Kontrollen vorhanden sind, um sicherzustellen, dass jedes implementierte KI-Modell ordnungsgemäß überprüft wird. Denn aufgrund des Maßstabs, in dem ein KI-Modell normalerweise funktioniert, kann jeder potenzielle Fehler ein erhebliches Risiko für jedes Unternehmen darstellen.

Zu diesem Zeitpunkt jedoch Der sprichwörtliche KI-Geist ist aus der Flasche, egal wie hoch das Risiko ist. Turbulente wirtschaftliche Zeiten zwingen viele Führungskräfte dazu, höhere Risiken einzugehen, um entweder die Kosten zu senken oder den Umsatz zu maximieren. Doch welche Ergebnisse die KI letztendlich auch ermöglicht, die Art und Weise, wie Geschäftsprozesse aufgebaut und verwaltet werden, wird sich grundlegend verändern.

Quelle: https://venturebeat.com/2021/03/31/dataikus-new-ai-tools-reduce-dependency-on-data-science-teams/