Los mejores proveedores de aprendizaje automático recomendados por Gartner

 

El Cuadrante Mágico de Gartner para plataformas de ciencia de datos y aprendizaje automático de 2019 publicó una lista de los principales proveedores de ciencia de datos y aprendizaje automático. El informe, anteriormente titulado Magic Quadrant for Data Science Platforms y Magic Quadrant for Advanced Analytics Platforms, evalúa a los proveedores y productos de software que permiten a los científicos expertos en datos, científicos de datos ciudadanos y desarrolladores de aplicaciones crear, implementar y administrar sus propios modelos analíticos avanzados.

En este artículo, veremos la lista recomendada de Gartner de los principales proveedores de Machine Learning.

 

1. Phyton

Phyon es la plataforma de ciencia de datos Python más popular y la base del aprendizaje automático moderno con más de 13 millones de usuarios y más de 150 clientes comerciales. Ofrece Anaconda Enterprise 5.2, un entorno de desarrollo de ciencia de datos basado en el concepto de cuaderno interactivo (este análisis excluye los paquetes de distribución de Conda) que ve a los usuarios explotando paquetes de código abierto basados ​​en Python y R. Anaconda Enterprise ofrece velocidad y escala de la ciencia de datos y el aprendizaje automático, liberando todo el potencial de las iniciativas de ciencia de datos y aprendizaje automático de nuestros clientes.

2. Dataiku

Dataiku ofrece Data Science Studio (DSS) que permite a los científicos y analistas de datos realizar aprendizaje automático sobre cualquier dato (sucio), centrándose en la colaboración interdisciplinaria y la facilidad de uso. Tiene una plataforma de datos centralizada que mueve a las empresas de análisis en escala a inteligencia artificial empresarial. También tiene un repositorio de mejores prácticas, aprendizaje automático y atajos de implementación / administración de IA, y un entorno centralizado y controlado.

3. DataRobot

DataRobot ofrece una plataforma de aprendizaje automático para científicos de datos de todos los niveles para construir e implementar modelos predictivos precisos en una fracción del tiempo que tomó. En R, Python, Spark MLlib, H2O y otras bibliotecas de código abierto, la plataforma DataRobot utiliza un procesamiento masivo en paralelo para entrenar y evaluar 1000 modelos. Busca a través de millones de posibles combinaciones de algoritmos, pasos de preprocesamiento, características, transformaciones y parámetros de ajuste para ofrecer los mejores modelos para su conjunto de datos y predicción objetivo.

4. H2O.ai

H2O.ai proporciona una plataforma de aprendizaje automático de código abierto para crear aplicaciones inteligentes. La fuerza principal de H2O son sus componentes ML de alto rendimiento, estrechamente integrados en varias plataformas de la competencia. Los científicos y desarrolladores de datos pueden importar algoritmos poderosos en sus aplicaciones. Más de 5.000 organizaciones ya utilizan su tecnología para predecir el fraude, la pérdida de clientes, etc. H20.ai ofrece soluciones de seguros, atención médica, telecomunicaciones, marketing, venta minorista y fabricación.

5. Microsoft

Microsoft proporciona ciencia de datos y productos de software ML. Ofrece Azure Machine Learning (incluido Azure Machine Learning Studio), Azure Data Factory, Azure HDInsight, Azure Databricks y Power BI en la nube. Microsoft ofrece Machine Learning Server para cargas de trabajo en el sitio.

6. RapidMiner

RapidMiner ofrece una plataforma de software para equipos de ciencia de datos que une la preparación de datos, el aprendizaje automático y la implementación de modelos predictivos. Incluye RapidMiner Studio, RapidMiner Server, RapidMiner Cloud y RapidMiner Radoop. Las organizaciones pueden construir y fabricar modelos de aprendizaje automático más rápido que nunca en una sola plataforma. En más de 150 países, más de 300,000 científicos de datos usan productos RapidMiner.

7. Google

La plataforma ML central de Google incluye Cloud ML Engine, Cloud AutoML, TensorFlow y el recientemente anunciado BigQuery ML. Sus componentes ML requieren otros componentes de Google de extremo a extremo, como Google Cloud Dataprep, Google Datalab, Google BigQuery, Google Cloud Dataflow, Google Cloud Dataproc, Google Data Studio, Kubeflow y Google Kubernetes Engine.

8. Alteryx

Alteryx es un líder en autoservicio de ciencia de datos y análisis que brinda a los analistas la capacidad única de preparar, combinar y analizar fácilmente todos sus datos utilizando un flujo de trabajo repetible, luego implementar y compartir análisis en una escala para obtener información más profunda en horas. Los analistas pueden conectar y limpiar datos de almacenes de datos, aplicaciones en la nube, hojas de cálculo y otras fuentes con sus cuatro productos de software, que comprenden su plataforma de ciencia de datos, unir fácilmente estos datos y luego realizar análisis – predictivos, estadísticos y espaciales – usando el mismo Interfaz de usuario intuitiva sin escribir código. Incluye Alteryx Connect, Alteryx Designer, Alteryx Server y Alteryx Promote. Los clientes de Alteryx se encuentran entre las marcas más grandes y conocidas del mundo.

9. Databricks

Fundada por un equipo que creó Apache Spark, Databricks proporciona una plataforma de análisis unificado que combina capacidades de ingeniería de datos y ciencia de datos utilizando una variedad de lenguajes de código abierto para colaborar y crear productos de datos. Además de Spark, Amazon Web Services (AWS) ofrece características patentadas para seguridad, confiabilidad, operacionalización, rendimiento y habilitación en tiempo real. Los usuarios logran un tiempo de valor más rápido con Databricks al crear flujos de trabajo analíticos desde ETL hasta la exploración de producción interactiva.

10. Datawatch (Angoss)

Datawatch adquirió Angoss y sus principales componentes de productos de ciencia de datos. Incluyen KnowledgeSEEKER, la oferta más básica para científicos de datos ciudadanos en un contexto de escritorio; KnowledgeSTUDIO, que incluye muchos más modelos y capacidades que KnowledgeSEEKER; y KnowledgeENTERPRISE, un producto emblemático que incluye toda la gama de capacidades.

11. Domino

Domino Data Lab es una plataforma que permite a los científicos de datos construir y ejecutar modelos. Una solución integral de extremo a extremo diseñada para científicos expertos en datos, la plataforma incorpora ecosistemas de herramientas de código abierto y propietarios al tiempo que proporciona capacidades de desarrollo, implementación y desarrollo colaborativo, reproductivo y de modelos.

12. KNIME

KNIME contribuye significativamente a KNIME Analytics Platform, una plataforma de código abierto para la ciencia de datos intuitiva e integradora. Tiene una extensión comercial, KNIME Server, que ofrece características avanzadas como colaboración, automatización, implementación y administración.

13. SAP

SAP ofrece SAP Predictive Analytics (PA), una plataforma con una serie de componentes que incluyen Data Manager para la preparación de conjuntos de datos e ingeniería de características, Modelador automático para científicos de datos ciudadanos, Advanced ML Expert Analytics y Predictive Factory para la operacionalización. SAP PA está integrado con SAP HANA.

14. SAS

SAS ofrece numerosos productos de software de análisis y ciencia de datos, incluidos SAS Enterprise Miner (EM) y Visual Data Mining and Machine Learning (VDMML).

15. Software TIBCO

TIBCO Software ha construido una plataforma de análisis poderosa y completa con la adquisición de proveedores de informes empresariales y de plataformas de BI modernas – Jaspersoft y Spotfire, proveedores de plataformas de análisis descriptivos y predictivos – Statistica y Alpine Data, y un proveedor de análisis de transmisión – StreamBase Systems.

16. IBM

IBM es un proveedor de mercado de ML y ciencia de datos muy visionario y altamente visible. Pero perdió terreno en términos tanto de integridad como de ejecubilidad de Vision, en relación con otros proveedores. IBM ha definido una estrategia de producto clara y una hoja de ruta para ambas plataformas: SPSS (incluyendo SPSS Modeler y SPSS Statistics) y Watson Studio, que incorpora el producto anterior Data Science Experience (DSX) de IBM, pero necesita demostrar que su nuevo enfoque puede ofrecer resultados consistentes éxito del cliente a lo largo del tiempo.

Leave a Comment!