ธุรกิจกำลังลงทุนในเครื่องมือและความสามารถเพื่ออำนวยความสะดวกในการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล โมเดลแมชชีนเลิร์นนิงและเทคนิคด้านวิทยาศาสตร์ข้อมูลสามารถเปิดโอกาสให้องค์กรต่างๆ ได้ทำความเข้าใจกับข้อมูลจำนวนมหาศาลที่รวบรวมไว้
อย่างไรก็ตาม บริษัทขนาดเล็กจำนวนมากกำลังดิ้นรนเพื่อปรับตัวให้เข้ากับแนวโน้มนี้ เนื่องจากทรัพยากรที่จำกัดและขาดการส่งออกความรู้ภายในทีมของตน
โชคดีที่ตอนนี้เราอยู่ในยุค แพลตฟอร์มที่ไม่มีรหัส และบริการ. โดยไม่ต้องจ้าง นักวิทยาศาสตร์ข้อมูล หรือวิศวกร นักวิเคราะห์ธุรกิจ และผู้เชี่ยวชาญด้านโดเมนสามารถเริ่มค้นหาแนวโน้มในข้อมูลของตนได้แล้ว
ในบทความนี้ เราจะมาดูที่ AI อย่างเห็นได้ชัด ซึ่งเป็นเครื่องมือ AI แบบใหม่ที่ไม่ต้องใช้โค้ดซึ่งมีจุดมุ่งหมายเพื่อช่วยให้องค์กรต่างๆ สร้างโมเดลเชิงคาดการณ์ที่จะขับเคลื่อนการเติบโต
เราจะกล่าวถึงคุณลักษณะหลักบางประการที่ AI จัดเตรียมไว้ให้อย่างชัดเจน และแนะนำวิธีการเริ่มใช้เครื่องมือเพื่อสร้างแบบจำลองในไม่กี่นาที
AI คืออะไรกันแน่?
เห็นได้ชัดว่าAI เป็นแพลตฟอร์มวิทยาการข้อมูลที่ไม่ต้องใช้โค้ดซึ่งช่วยให้ผู้ใช้สร้างแบบจำลองการคาดการณ์โดยใช้ข้อมูลของตนเอง แพลตฟอร์มนี้ใช้อินเทอร์เฟซที่เป็นมิตรต่อผู้ใช้ที่ใช้งานง่ายซึ่งช่วยให้คุณสามารถอัปโหลดหรือเชื่อมต่อแหล่งข้อมูลและ สร้างแบบจำลอง ในเวลาเพียงไม่กี่นาที
เมื่อข้อมูลของคุณได้รับการอัปโหลดไปยังเซิร์ฟเวอร์ของ AI แล้ว คุณจะสามารถสำรวจชุดข้อมูลของคุณเพื่อรับมุมมองที่ครอบคลุมมากขึ้นเกี่ยวกับสิ่งที่คุณรู้และสิ่งที่คุณต้องการทำนาย
เห็นได้ชัดว่า AI จะใช้ชุดข้อมูลของคุณเพื่อสร้างโมเดลการเรียนรู้ของเครื่องที่คุณสามารถนำไปใช้ได้ทันที โมเดลเหล่านี้สามารถรวมเข้ากับเครื่องมือของบุคคลที่สาม เช่น Zapier หรือผ่านโมเดลเหล่านี้เอง บริการ REST API.
เห็นได้ชัดว่า AI ยังมีอินเทอร์เฟซแดชบอร์ดที่เป็นมิตรกับผู้ใช้สำหรับโมเดลของคุณ ทำให้ทุกคนสามารถใช้โมเดลได้จากเบราว์เซอร์ของตนโดยตรง ตัวอย่างเช่น รูปภาพด้านบนแสดงผู้ใช้ที่ปรับรายละเอียดของลูกค้าเพื่อคาดการณ์อัตราการเลิกใช้งานหรือความเป็นไปได้ที่พวกเขาจะยกเลิกการสมัครใช้บริการ
เครื่องมือเหล่านี้มีประสิทธิภาพยิ่งขึ้นด้วยความสามารถในการปรึกษานักวิทยาศาสตร์ข้อมูลเพื่อช่วยให้ผู้ใช้เข้าใจวิธีใช้ข้อมูลของตนได้ดีที่สุด
คุณสมบัติหลักของ AI ที่เห็นได้ชัด
นี่คือคุณสมบัติหลักบางประการที่มีอยู่ใน AI แน่นอน
ชุดข้อมูล Explorer
เห็นได้ชัดว่า AI มาพร้อมกับตัวสำรวจข้อมูลที่อ่านง่ายซึ่งจะช่วยให้คุณเข้าใจชุดข้อมูลที่อัปโหลด ผู้ใช้สามารถดูขนาดรวมของชุดข้อมูล ตลอดจนการกระจายค่าของแต่ละคอลัมน์
เห็นได้ชัดว่า AI จะวิเคราะห์ชุดข้อมูลของคุณและจะแจ้งให้คุณทราบว่าฟิลด์ใดขาดข้อมูลและฟิลด์ใดที่พร้อมใช้งานสำหรับการสร้างแบบจำลอง
รองรับหลายรุ่น
เห็นได้ชัดว่า AI ให้การสนับสนุนโมเดลที่จัดการกับการจัดกลุ่ม การจำแนก การวิเคราะห์อนุกรมเวลา และการถดถอย
พื้นที่ แพลตฟอร์มจะทำการทดสอบ หลายรุ่นที่แตกต่างกันและส่งกลับรุ่นที่มีผลลัพธ์โดยรวมที่ดีที่สุด
โมเดล API
เห็นได้ชัดว่าเมื่อ AI สร้างแบบจำลอง ผู้ใช้จะสามารถส่งคำขอไปยังแบบกำหนดเองได้ REST API.
สิ่งนี้จะช่วยให้องค์กรสามารถใช้ AI อย่างชัดเจนเป็นบริการคลาวด์ส่วนหลังที่สามารถจัดประเภทหรือคาดการณ์ข้อมูลอุตสาหกรรมประเภทใดก็ได้ที่พวกเขาพบ
แพลตฟอร์มดังกล่าวยังมีการสนับสนุน Zapier ช่วยให้ผู้ใช้สามารถรวมโมเดลของ AI เข้ากับระบบอัตโนมัติของเวิร์กโฟลว์ได้
นักวิทยาศาสตร์ข้อมูลเป็นบริการ
เนื่องจากองค์กรส่วนใหญ่เริ่มต้นด้วยข้อมูลดิบที่ไม่มีการกรอง จึงอาจจำเป็นต้องปรึกษานักวิทยาศาสตร์ข้อมูลมืออาชีพเพื่อขอความช่วยเหลือ
เห็นได้ชัดว่า AI เข้าใจความต้องการนี้และเสริมเข้าไป คุณสมบัติหลายอย่าง ไปที่แพลตฟอร์มเพื่อรองรับสิ่งนี้
ผู้ใช้ที่สมัครแผน Software + Data Scientist จะสามารถทำงานร่วมกับนักวิทยาศาสตร์ข้อมูลเพื่อช่วยสร้างแบบจำลองที่แม่นยำยิ่งขึ้น
นักวิทยาศาสตร์ด้านข้อมูลสามารถตรวจสอบชุดข้อมูลดิบของคุณและสร้างคอลัมน์ใหม่ จัดการข้อมูลที่ขาดหายไป และระบุโมเดลที่ดีที่สุดสำหรับกรณีการใช้งานของคุณ
วิธีสร้างโมเดลใน AI แน่นอน
ตอนนี้คุณมีความคิดที่ดีขึ้นเกี่ยวกับสิ่งที่แพลตฟอร์ม Obiously AI นำเสนอแล้ว มาดูวิธีสร้างโมเดล Obiously AI กัน
ในตัวอย่างสั้นๆ นี้ เราจะใช้ AI อย่างชัดเจนเพื่อสร้างแบบจำลองการจัดประเภทโดยใช้ชุดข้อมูลผู้รอดชีวิตจากเรือไททานิค
ขั้นแรก เข้าสู่ระบบหรือสร้างบัญชีกับ AI แน่นอน เข้าไปที่เว็บไซต์ app.obviously.ai เพื่อดูแดชบอร์ดของ Obviously AI
คลิกที่ปุ่ม “+” บนแผงด้านซ้ายเพื่อเพิ่มชุดข้อมูลใหม่ไปยังบัญชีของคุณ
เลือกประเภทโมเดลที่คุณต้องการสร้าง ในการสาธิตนี้เราจะเลือก การจัดหมวดหมู่.
จากนั้น เลือกวิธีอัปโหลดชุดข้อมูลของคุณ สำหรับตอนนี้ เราจะอัปโหลดข้อมูลของเราโดยการอัปโหลดไฟล์ CSV ในเครื่อง
หน้าตรวจสอบจะให้ภาพรวมเบื้องต้นเกี่ยวกับข้อมูลของคุณ คุณจะเห็นเปอร์เซ็นต์ของแต่ละคอลัมน์ที่ว่างเปล่าและพร้อมใช้งาน
ในหน้าถัดไป คุณต้องตัดสินใจว่าจะทำนายคอลัมน์ใด ในกรณีนี้เราจะเลือก รอดชีวิตมาได้ คอลัมน์.
เมื่อสร้างโมเดลแล้ว คุณจะถูกนำไปยังมุมมองใหม่ที่มีข้อมูลสรุปของโมเดล
เห็นได้ชัดว่า AI จะแจ้งให้คุณทราบว่าใช้โมเดลประเภทใด รวมถึงความแม่นยำของโมเดลด้วย หน้านี้จะแสดงรายการคุณสมบัติในชุดข้อมูลของคุณที่เป็นตัวขับเคลื่อนอันดับต้น ๆ สำหรับการทำนายผลลัพธ์
คลิกที่แท็บ Use Model และเลือก Launch Model เพื่อลองใช้โมเดลด้วยตัวคุณเองในเบราว์เซอร์ของคุณ
เห็นได้ชัดว่า AI จะนำคุณไปยังแดชบอร์ดซึ่งคุณสามารถป้อนข้อมูลเพื่อการทำนายได้ ในตัวอย่างข้างต้น เราได้ป้อนข้อมูลของผู้โดยสารใหม่ คลิกที่ ทำนายเราได้พิจารณาแล้วว่ามีความเป็นไปได้ 78% ที่ผู้โดยสารรายใหม่จะรอดชีวิต (รอดชีวิต=1)
นอกจากนี้ เรายังสามารถคาดการณ์เป็นชุดได้ด้วยการอัปโหลดข้อมูลทดสอบแบบ CSV
คลิกที่ ดาวน์โหลดคำทำนาย เพื่อดาวน์โหลด CSV ของการคาดคะเนโมเดลที่ทำกับข้อมูลที่อัปโหลด
ราคา
เห็นได้ชัดว่า AI นำเสนอ แผนฟรี ด้วยขีดจำกัดการคาดคะเน 1200 รายการ และการเข้าถึงแบบจำลองการจำแนกประเภทและการถดถอย
แผนจำกัดการเข้าถึงเพิ่มจำนวนการคาดการณ์เป็น 12,000 และให้ผู้ใช้เข้าถึงนักวิทยาศาสตร์ข้อมูลโดยเฉพาะเพื่อช่วยในโครงการของพวกเขา
แผน Full Access เพิ่มขีดจำกัดการคาดคะเนเป็น 120,000 และข้อมูลการฝึกอบรมไม่จำกัดแถว ผู้ใช้จะสามารถเข้าถึงอนุกรมเวลาและโมเดลการจัดกลุ่มและทีมวิทยาศาสตร์ข้อมูลโดยเฉพาะเพื่อจัดการการเตรียมข้อมูลและคำขออื่นๆ
สรุป
หลังจากใช้ AI อย่างเห็นได้ชัดเพื่อสร้างแบบจำลองแรกของฉัน ฉันรู้สึกประทับใจกับวิธีการแปลงชุดข้อมูลดิบให้เป็นแอปพลิเคชันวิทยาศาสตร์ข้อมูลบนระบบคลาวด์ที่ทำงานได้อย่างตรงไปตรงมาและรวดเร็ว ใช้เวลาเพียงไม่กี่นาทีในการตั้งค่าโมเดลตั้งแต่เริ่มต้น
แม้ว่าแผนการกำหนดราคาอาจสูงชันเล็กน้อยสำหรับมือสมัครเล่นหรือองค์กรไม่แสวงหากำไร แต่แผนดังกล่าวก็สมเหตุสมผลเพียงพอสำหรับบริษัทขนาดเล็กที่ยังไม่มีนักวิทยาศาสตร์ข้อมูลหรือวิศวกรข้อมูลโดยเฉพาะในทีม
คุณคิดอย่างไรกับ AI กันแน่?
เขียนความเห็น