A DataRobot é uma empresa de software norte-americana cuja plataforma ajuda as organizações a criar, operar e monitorizar aplicações de IA. Ficou conhecida pelo machine learning automatizado (AutoML), que treina e compara automaticamente muitas variantes de modelos – por exemplo, para prever o abandono de clientes ou a procura. Atualmente, a empresa dedica-se também à execução e à governação de agentes de IA (situação em outubro de 2026).
Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.
Iniciar demonstraçãoO machine learning é um ramo da inteligência artificial em que os computadores deduzem padrões a partir de dados, em vez de cada regra ser programada explicitamente. Consoante a tarefa, os modelos aprendem com exemplos etiquetados (supervisionada), com dados não etiquetados (não supervisionada) ou através de recompensas (por reforço). As aplicações vão de filtros de spam e previsões de procura a recomendações de produtos. A qualidade depende muito da quantidade e da qualidade dos dados de treino.
Um pipeline de machine learning é uma sequência definida de passos que transforma dados em bruto num modelo implementável: recolha e limpeza de dados, preparação de características, treino, avaliação, implementação e monitorização. Automatizar estes passos torna os resultados reprodutíveis e permite processar novos dados com pouco esforço. Um retalhista pode, por exemplo, voltar a treinar e testar semanalmente o seu modelo de previsão de vendas com os números mais recentes.
O Amazon SageMaker é o serviço cloud da Amazon Web Services (AWS) para criar, treinar e implementar modelos de aprendizagem automática. No final de 2024, o serviço original passou a chamar-se «Amazon SageMaker AI»; desde então, «Amazon SageMaker» designa uma plataforma mais abrangente para dados, análise e IA com a interface SageMaker Unified Studio (em outubro de 2026). É utilizado sobretudo por equipas de ciência de dados que executam modelos na infraestrutura da AWS.
O MLflow é uma plataforma de código aberto para gerir todo o ciclo de vida de modelos de aprendizagem automática, apresentada originalmente pela Databricks em 2018. Regista experiências com os respetivos parâmetros e métricas, gere versões de modelos num registo e simplifica a implementação. As versões mais recentes suportam também o rastreio e a avaliação de aplicações baseadas em modelos de linguagem. Assim, as equipas conseguem perceber que modelo foi produzido com que dados e com que configurações.
