DataRobot je americká softwarová společnost, jejíž platforma pomáhá organizacím vytvářet, provozovat a monitorovat aplikace s AI. Proslula automatizovaným strojovým učením (AutoML), které automaticky trénuje a porovnává mnoho variant modelů – například pro predikci odchodu zákazníků nebo poptávky. Dnes se firma zaměřuje také na provoz a řízení AI agentů (stav k říjnu 2026).
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoStrojové učení je odvětví umělé inteligence, v němž počítače odvozují vzorce z dat, místo aby měly každé pravidlo explicitně naprogramované. Podle úlohy se modely učí z označených příkladů (s učitelem), z neoznačených dat (bez učitele) nebo prostřednictvím odměn (zpětnovazební učení). Aplikace sahají od filtrů spamu a předpovědí poptávky po doporučování produktů. Kvalita výrazně závisí na množství a kvalitě trénovacích dat.
Pipeline strojového učení je definovaná posloupnost kroků, která mění surová data na nasaditelný model: sběr a čištění dat, příprava rysů, trénování, vyhodnocení, nasazení a monitorování. Automatizace těchto kroků činí výsledky reprodukovatelnými a umožňuje zpracovat nová data s malým úsilím. Obchodník například může každý týden přetrénovat a otestovat model prognózy prodeje na nejnovějších číslech.
Amazon SageMaker je cloudová služba Amazon Web Services (AWS) pro vývoj, trénování a nasazování modelů strojového učení. Na konci roku 2024 byla původní služba přejmenována na „Amazon SageMaker AI“; od té doby název „Amazon SageMaker“ označuje širší platformu pro data, analytiku a AI s rozhraním SageMaker Unified Studio (stav k říjnu 2026). Používají ji hlavně týmy datové vědy, které provozují modely na infrastruktuře AWS.
MLflow je open-source platforma pro správu celého životního cyklu modelů strojového učení, kterou původně v roce 2018 představila společnost Databricks. Zaznamenává experimenty včetně jejich parametrů a metrik, spravuje verze modelů v registru a usnadňuje nasazení. Novější verze podporují také trasování a vyhodnocování aplikací postavených na jazykových modelech. Týmy tak mohou dohledat, který model vznikl s jakými daty a nastaveními.
