DataRobot er en amerikansk softwarevirksomhed, hvis platform hjælper organisationer med at bygge, drive og overvåge AI-applikationer. Den blev kendt for automatiseret maskinlæring (AutoML), som automatisk træner og sammenligner mange modelvarianter – f.eks. til at forudsige kundeafgang eller efterspørgsel. I dag fokuserer virksomheden også på drift og styring af AI-agenter (status oktober 2026).
Maskinlæring er en gren af kunstig intelligens, hvor computere udleder mønstre af data i stedet for at få hver regel programmeret eksplicit. Afhængigt af opgaven lærer modeller af mærkede eksempler (overvåget), af umærkede data (uovervåget) eller gennem belønninger (reinforcement). Anvendelserne spænder fra spamfiltre og efterspørgselsprognoser til produktanbefalinger. Kvaliteten afhænger i høj grad af mængden og kvaliteten af træningsdataene.
En maskinlæringspipeline er en defineret rækkefølge af trin, der omdanner rådata til en model, der kan tages i brug: indsamling og rensning af data, forberedelse af features, træning, evaluering, udrulning og overvågning. Automatisering af disse trin gør resultaterne reproducerbare og lader nye data blive behandlet med lille indsats. En detailhandler kan f.eks. omtræne og teste sin salgsprognosemodel hver uge med de nyeste tal.
Amazon SageMaker er Amazon Web Services' (AWS) cloudtjeneste til at bygge, træne og implementere maskinlæringsmodeller. I slutningen af 2024 blev den oprindelige tjeneste omdøbt til »Amazon SageMaker AI«; siden da har »Amazon SageMaker« betegnet en bredere platform for data, analyse og AI med brugerfladen SageMaker Unified Studio (pr. oktober 2026). Den bruges primært af data science-teams, der kører modeller på AWS-infrastruktur.
MLflow er en open source-platform til styring af hele livscyklussen for machine learning-modeller, oprindeligt introduceret af Databricks i 2018. Den registrerer eksperimenter med deres parametre og målinger, administrerer modelversioner i et register og forenkler udrulning. Nyere versioner understøtter også tracing og evaluering af applikationer bygget på sprogmodeller. Teams kan dermed spore, hvilken model der er skabt med hvilke data og indstillinger.
