„DataRobot“ yra JAV programinės įrangos bendrovė, kurios platforma padeda organizacijoms kurti, eksploatuoti ir stebėti DI taikomąsias programas. Išgarsėjo automatizuotu mašininiu mokymusi (AutoML), kuris automatiškai apmoko ir palygina daugybę modelių variantų – pavyzdžiui, klientų nutekėjimui ar paklausai prognozuoti. Šiandien bendrovė daug dėmesio skiria ir DI agentų paleidimui bei valdymui (2026 m. spalio mėn. duomenimis).
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąMašininis mokymasis yra dirbtinio intelekto šaka, kurioje kompiuteriai dėsningumus išveda iš duomenų, o ne turi aiškiai užprogramuotą kiekvieną taisyklę. Priklausomai nuo užduoties, modeliai mokosi iš pažymėtų pavyzdžių (su priežiūra), iš nepažymėtų duomenų (be priežiūros) arba per atlygius (sustiprintas mokymasis). Taikymai apima nuo šlamšto filtrų ir paklausos prognozių iki produktų rekomendacijų. Kokybė labai priklauso nuo mokymo duomenų kiekio ir kokybės.
Mašininio mokymosi konvejeris (angl. pipeline) – tai apibrėžta žingsnių seka, kuri neapdorotus duomenis paverčia diegiamu modeliu: duomenų rinkimas ir valymas, požymių paruošimas, mokymas, vertinimas, diegimas ir stebėsena. Šių žingsnių automatizavimas daro rezultatus atkartojamus ir leidžia naujus duomenis apdoroti mažai pastangų. Pavyzdžiui, mažmenininkas gali kiekvieną savaitę perkvalifikuoti ir išbandyti savo pardavimų prognozavimo modelį naudodamas naujausius skaičius.
Amazon SageMaker – Amazon Web Services (AWS) debesijos paslauga mašininio mokymosi modeliams kurti, mokyti ir diegti. 2024 m. pabaigoje pradinė paslauga pervadinta į „Amazon SageMaker AI“; nuo tada „Amazon SageMaker“ reiškia platesnę duomenų, analitikos ir DI platformą su SageMaker Unified Studio sąsaja (2026 m. spalio duomenimis). Ją daugiausia naudoja duomenų mokslo komandos, kurių modeliai veikia AWS infrastruktūroje.
MLflow – atvirojo kodo platforma, skirta valdyti visą mašininio mokymosi modelių gyvavimo ciklą; ją 2018 m. pirmą kartą pristatė Databricks. Ji registruoja eksperimentus su jų parametrais ir metrikomis, valdo modelių versijas registre ir supaprastina diegimą. Naujesnės versijos taip pat palaiko kalbos modeliais pagrįstų programų sekimą ir vertinimą. Todėl komandos gali atsekti, koks modelis buvo sukurtas su kokiais duomenimis ir nustatymais.
