BigML ir mašīnmācīšanās platforma no tāda paša nosaukuma uzņēmuma, kas dibināts 2011. gadā un atrodas Korvalisā, Oregonas štatā (ASV). Ar tīmekļa saskarni vai API lietotāji var veidot tādus modeļus kā lēmumu koki, ansambļi, klasterizācija vai anomāliju noteikšana bez lielas programmēšanas. Tā uzsver interpretējamus modeļus un automatizējamas darbplūsmas. Tā tiek piedāvāta kā mākoņpakalpojums un darbināšanai savā datu centrā (stāvoklis uz 2026. gada oktobri).
DataRobot ir ASV programmatūras uzņēmums, kura platforma palīdz organizācijām izveidot, darbināt un uzraudzīt MI lietojumprogrammas. Uzņēmums kļuva pazīstams ar automatizēto mašīnmācīšanos (AutoML), kas automātiski apmāca un salīdzina daudzus modeļu variantus — piemēram, lai prognozētu klientu aiziešanu vai pieprasījumu. Mūsdienās uzņēmums vērš uzmanību arī uz MI aģentu darbināšanu un pārvaldību (stāvoklis 2026. gada oktobrī).
KNIME ir datu analītikas programmatūra, kurā darba plūsmas tiek saliktas vizuāli no blokiem („mezgliem”), nevis programmētas. Atvērtā pirmkoda KNIME Analytics Platform aptver datu importēšanu, tīrīšanu, analīzi, mašīnmācīšanos un pārskatu veidošanu, bet nodrošinātāja komerciālie piedāvājumi papildina sadarbību un darbināšanu organizācijās. Tipisks piemērs ir darba plūsma, kas apvieno mēneša pārdošanas datus no vairākiem Excel failiem, iztīra tos un izveido prognozi.
Bez koda apzīmē rīkus, kas ļauj veidot lietojumprogrammas, automatizācijas vai tīmekļa vietnes ar grafiskām saskarnēm, nerakstot programmas kodu. Biznesa komandas var pašas ieviest un testēt procesus, negaidot IT izstrādi. Ierobežojumi parādās ļoti specializētu prasību, lielu datu apjomu vai dziļu integrāciju gadījumā. Piemērs: pārdošanas komanda ar vilkšanu un nomešanu izveido plūsmu, kas šķiro un apkopo jaunus pieprasījumus.
Mašīnmācīšanās ir mākslīgā intelekta nozare, kurā datori likumsakarības atvasina no datiem, nevis katrs noteikums tiek skaidri ieprogrammēts. Atkarībā no uzdevuma modeļi mācās no marķētiem piemēriem (ar uzraudzību), no nemarķētiem datiem (bez uzraudzības) vai ar atlīdzībām (pastiprinātā mācīšanās). Lietojumi ir no surogātpasta filtriem un pieprasījuma prognozēm līdz produktu ieteikumiem. Kvalitāte lielā mērā ir atkarīga no apmācības datu daudzuma un kvalitātes.
