Open-Source-Tools ersetzen Data Scientists
Machine Learning will programmiert sein und erfordert teure Datenanalysten für die Aufbereitung. Forscher vom MIT entwickeln derzeit eine einfachere Lösung.
Teilen
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.
Aussteller zum Thema
Interesse an News zu Ausstellern, Top-Angeboten und den Trends der Branche?
Browser Hinweis
Ihr Webbrowser ist veraltet. Aktualisieren Sie Ihren Browser für mehr Sicherheit, Geschwindigkeit und eine optimale Darstellung dieser Seite.
Browser aktualisieren