譯者 | 布加迪

審校 | 孫淑娟?

本文將討論七款可以幫助數(shù)據(jù)科學(xué)家提高工作效率的基于AI的工具。這些工具可以幫助自動處理數(shù)據(jù)清理、特征選擇、模型調(diào)優(yōu)之類的任務(wù)，直接或間接地使您的工作更高效、更準確，并有助于做出更好的決策。?

其中許多工具擁有對用戶友好的UI，用起來非常簡單。與此同時，一些工具允許數(shù)據(jù)科學(xué)家與其他成員共享和協(xié)作項目，這有助于提高團隊的生產(chǎn)力。?

1. DataRobot?

DataRobot是一個基于Web的平臺，可以幫助自動構(gòu)建、部署和維護機器學(xué)習(xí)模型。它支持許多特性和技術(shù)，比如深度學(xué)習(xí)、集成學(xué)習(xí)和時序分析。它使用先進的算法和技術(shù)，可幫助你快速準確地構(gòu)建模型，還提供維護和監(jiān)控部署模型的功能。?

它還允許數(shù)據(jù)科學(xué)家與其他人共享和協(xié)作項目，因而使團隊更容易合作開發(fā)復(fù)雜項目。?

2. H2O.ai?

H2O.ai是一種為數(shù)據(jù)科學(xué)家提供專業(yè)工具的開源平臺。其主要功能是自動化機器學(xué)習(xí)（AutoML），可以使構(gòu)建和調(diào)優(yōu)機器學(xué)習(xí)模型的過程實現(xiàn)自動化。它還包括梯度提升和隨機森林之類的算法。?

由于它是一種開源平臺，數(shù)據(jù)科學(xué)家可以根據(jù)自己的需要定制源代碼，以便將其整合到現(xiàn)有系統(tǒng)中。?

它使用版本控制系統(tǒng)來跟蹤添加到代碼中的所有更改和修改。H2O.ai還可以在云和邊緣設(shè)備上運行，支持為平臺貢獻代碼的龐大而活躍的用戶和開發(fā)者社區(qū)。?

3. Big Panda?

Big Panda用于自動處理IT運營中的事件管理和異常檢測。簡單來說，異常檢測就是識別數(shù)據(jù)集當(dāng)中明顯偏離預(yù)期行為的模式、事件或觀察結(jié)果。它用于識別可能表明有問題的不尋常或異常的數(shù)據(jù)點。?

它使用各種AI和ML技術(shù)來分析日志數(shù)據(jù)，并識別潛在問題。它可以自動解決事件，并減少人工干預(yù)的需要。?

Big Panda可以實時監(jiān)控系統(tǒng)，這有助于快速識別和解決問題。此外，它可以幫助確定事件的根本原因，使解決問題來得更容易，并防止問題再次發(fā)生。?

4. HuggingFace?

HuggingFace用于自然語言處理（NLP），并提供預(yù)訓(xùn)練的模型，允許數(shù)據(jù)科學(xué)家快速實現(xiàn)NLP任務(wù)。它執(zhí)行許多功能，比如文本分類、命名實體識別、問題回答和語言翻譯。它還提供針對特定的任務(wù)和數(shù)據(jù)集微調(diào)預(yù)訓(xùn)練模型的功能，因而便于提升性能。?

其預(yù)訓(xùn)練模型在多項基準指標上達到了最先進的性能，因為它們是用大量數(shù)據(jù)來訓(xùn)練的。這讓數(shù)據(jù)科學(xué)家可以快速構(gòu)建模型，無需從頭開始訓(xùn)練，因而節(jié)省了他們的時間和資源。?

該平臺還允許數(shù)據(jù)科學(xué)家針對特定的任務(wù)和數(shù)據(jù)集微調(diào)預(yù)訓(xùn)練的模型，這可以提升模型的性能。這可以使用簡單的API來完成，就連NLP方面經(jīng)驗有限的人也很容易使用。?

5. CatBoost?

CatBoost庫用于梯度提升任務(wù)，是專門為處理類別數(shù)據(jù)而設(shè)計的。它在許多數(shù)據(jù)集方面實現(xiàn)了最先進的性能，因并行GPU計算而支持加速模型訓(xùn)練過程。?

CatBoost最穩(wěn)定，對數(shù)據(jù)中的過擬合和噪聲最兼容，這可以提高模型的泛化能力。它使用一種名為“有序提升”的算法，在做出預(yù)測之前以迭代方式填充缺失的值。?

CatBoost提供特征重要性，這可以幫助數(shù)據(jù)科學(xué)家了解每個特征對模型預(yù)測的貢獻。?

6. Optuna?

Optuna也是一個開源庫，主要用于超參數(shù)調(diào)整和優(yōu)化。這有助于數(shù)據(jù)科學(xué)家為他們的機器學(xué)習(xí)模型找到最佳參數(shù)。它使用一種名為“貝葉斯優(yōu)化”的技術(shù)，可以自動搜索某個特定模型的最優(yōu)超參數(shù)。?

它的另一個主要特點是很容易與各種機器學(xué)習(xí)框架和庫集成，比如TensorFlow、PyTorch和scikit-learn。它還可以同時優(yōu)化多個目標，在性能與其他指標之間提供了很好的權(quán)衡。?

7. AssemblyAI?

它是一個提供預(yù)訓(xùn)練模型的平臺，旨在使開發(fā)人員將這些模型輕松集成到現(xiàn)有的應(yīng)用程序或服務(wù)中。?

它還提供各種API，比如語音到文本API或自然語言處理API。語音到文本API用于從音頻或視頻文件中高精度地獲取文本。此外，自然語言API可以幫助處理情緒分析、圖像實體識別、文本摘要之類的任務(wù)。?

結(jié)語?

訓(xùn)練機器學(xué)習(xí)模型包括數(shù)據(jù)收集及準備、探索性數(shù)據(jù)分析、特征工程、模型選擇及訓(xùn)練、模型評估以及模型部署。要執(zhí)行所有任務(wù)，您就需要了解所涉及的各種工具和命令。這七款工具可以幫助您花最小的精力來訓(xùn)練和部署模型。?

原文標題：??7 AI-Powered Tools to Enhance Productivity for Data Scientists??，作者：Aryan Garg