我们知道 AI 很热门，但上周发布了几项公告，表明该行业正在努力将 AI 和机器学习 (ML) 引入企业主流。 随着分析领域知名人士对 AI 的两次收购以及对 MLOps 专家的 1 亿美元融资，这是 AI 加速的一周。
砖竹
今天的消息是，Databricks 正在收购德国公司 8080 Labs，后者是 bamboolib 的制造商，bamboolib 是一种基于 UI 的数据科学工具，可以生成代码，但不需要用户编写任何代码。 这是继今年早些时候 Databricks 宣布已将 AutoML 功能添加到其数据“lakehouse”之后。
另请阅读：Databricks 通过新的 AutoML 引擎和功能存储提高 AI 赌注
Databricks 的产品管理、数据科学和机器学习总监 Clemens Mewald 在接受 ZDNet 采访时解释说，bamoboolib 目前作为 Jupyter 笔记本插件提供，从逻辑上讲，将与 Databricks 自己的笔记本集成。 之后，它还将集成到 Databricks 工作区用户界面中，以供技术水平较低的用户使用，通常被称为“公民数据科学家”。
Mewald 解释说，此次收购与 Databricks 公开多层抽象的方法一致：在编码级别，面向数据科学家、机器学习工程师，当然还有数据工程师； 在 SQL 级别，面向更多面向数据库的专业人员以及业务高级用户； 在 UI 级别，为那些技术水平较低但仍然对数据和分析充满热情的用户提供服务。
AI + BI 只是…Qliks
当我们讨论将 AI 集成到数据分析的主题时，这正是 Qlik 在 9 月 30 日宣布收购 Big Squid 时的想法。 Big Squid 提供了一个 AutoML ，该将继续作为 Qlik AutoML 独立提供，但最终将集成到 Qlik Sense 中。 这将允许 BI（商业智能）用户使用他们的数据集来训练模型，然后根据模型对额外的数据进行评分，并将预测作为数据集中的新列带回，在那里它们可以像任何其他数据一样轻松可视化。
Big Squid 的技术甚至通过使用 Shapley 值提供 ML 模型的可解释性，Databricks 的 AutoML 也可以做到这一点。 两家供应商都提供基于 Shapely 价值的 AI 可解释性这一事实是 AI 企业雄心的另一个标志，因为某些数据保护法规要求 AI 模型这样做，实际上是作为信任和可审计性的问题。
Qlik 的目标与 Databricks 非常相似，是让分析团队而不仅仅是数据科学团队可以访问 AI。 更具体地说，Qlik 专注于关键驱动因素分析、预测分析和“假设”决策规划，所有这些都集成到 BI 环境和范例中。 而且，是的，Qlik 还想要那些梦寐以求的“公民数据科学家”。 此外，凭借从 Podium Data（现为 Qlik Catalog）和 Attunity（现为 Qlik Data Integration）等许多其他收购中衍生出的技术，Qlik 在整个数据生命周期中的存在及其治理，为公司提供了良好的 MLOps（机器 学习作业）玩也。
更多的钱……和GPU集成
说到 MLOps，这正是 Domino Data Lab 关注的领域，尤其是在企业环境中。 就在昨天，Domino 宣布了其 1 亿美元的 F 轮融资，由 Great Hill Partners 领投，现有投资者 Coatue Management、Highland Capital Partners 和红杉资本以及新投资者 Nvidia 参与。 Nvidia 当然是 GPU 芯片和服务器的主要供应商，所有这些都可以加速 AI 训练和评分，尤其是在深度学习领域。
事实上，Domino 和 Nvidia 在昨天的融资公告中透露了他们加强的合作伙伴关系。 根据其新闻稿，该合作伙伴关系将涉及 Domino 开发产品功能以扩展其的加速计算能力，包括“为 NVIDIA AI Enterprise 验证 Domino ，以便 Domino 可以在 OEM 的主流 NVIDIA 认证系统上无缝运行 硬件供应商。” 多米诺还表示，两家公司将共同将这些产品推向市场。
AI 最近为我做了什么？
这三笔交易都是在一周内宣布的，这表明 AI/ML 在企业计算环境中变得多么重要。 AutoML 与 BI 和分析的第一波集成有可能——甚至有可能——只是 AI + BI 等式的早期迭代。 ML 算法选择、超参数优化、特征选择甚至可解释性的自动化都很棒。 但最终也需要特征工程、模型部署、监控和再培训的自动化。
另请阅读：DotData 拥有 Databricks 的自动化特征工程
事情发生得很快，这些第一代创新可能很快就会成为众所周知的“筹码”。 随着分析公司随后进入竞争差异化，人工智能世界可能会变得更有趣、更相关、更容易访问，并且有望更容易被审查和信任。
本文内容由互联网用户自发贡献，该文观点仅代表作者本人。商机网仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 tenspace2022@163.com 举报，一经查实，本站将立刻删除。 本文链接：https://www.315965.com/n/66534.html
