Als „Machine learning for many“ bewirbt das Massachusetts Institute of Technology sein neues Konzept ML 2.0. Die Wissenschaftler arbeiten dabei in Kooperation mit dem eigenen Spin-off Feature Labs an einem Prozess, der die meist langwierige, komplexe und kostspielige Umsetzung von ML-Implementierungen früher rentabel und auch für Unternehmen unterhalb von Konzerngröße realistisch und finanzierbar machen soll.

Sie gehen so vor, dass sie die ML-Prozesse der Präparation in konkrete Einzelschritte zerlegen und die einzelnen Abschnitte automatisieren. Als erstes Resultat gibt es bereits sogenannte Featuretools , mit denen Industrieunternehmen Big-Data-Bestände sozusagen ML-ready machen können. Die Hilfsmittel sind Open Source und auf GitHub verfügbar . Der entscheidende Vorteil: Wo bislang mehrere Data Scientists notwendig waren, können Ingenieure nun auf eigene Faust Anwendungen entwickeln: „Wir möchten Machine Learning für möglichst viele Leute zugänglich machen“, beschreibt Projektkoordinator Kalyan Veeramachaneni das Ziel.