BigML je platforma strojového učenia od rovnomennej spoločnosti založenej v roku 2011 so sídlom v Corvallis v štáte Oregon (USA). Cez webové rozhranie alebo API môžu používatelia bez veľkého programovania vytvárať modely, ako sú rozhodovacie stromy, súbory modelov, zhlukovanie alebo detekcia anomálií. Kladie dôraz na interpretovateľné modely a automatizovateľné pracovné postupy. Ponúka sa ako cloudová služba aj na prevádzku vo vlastnom dátovom centre (stav k októbru 2026).
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoDataRobot je americká softvérová spoločnosť, ktorej platforma pomáha organizáciám vytvárať, prevádzkovať a monitorovať aplikácie s umelou inteligenciou. Preslávila sa automatizovaným strojovým učením (AutoML), ktoré automaticky trénuje a porovnáva mnoho variantov modelov – napríklad na predpoveď odchodu zákazníkov alebo dopytu. Dnes sa spoločnosť zameriava aj na prevádzku a riadenie AI agentov (stav k októbru 2026).
KNIME je softvér na analýzu údajov, v ktorom sa pracovné postupy skladajú vizuálne z blokov („uzlov“) namiesto programovania. Open-source platforma KNIME Analytics Platform pokrýva import údajov, čistenie, analýzu, strojové učenie a reporting, zatiaľ čo komerčné ponuky poskytovateľa pridávajú spoluprácu a prevádzku v organizáciách. Typickým príkladom je pracovný postup, ktorý zlúči mesačné údaje o predaji z viacerých súborov Excel, vyčistí ich a vytvorí predpoveď.
No-code označuje nástroje, ktoré umožňujú vytvárať aplikácie, automatizácie alebo webové stránky cez grafické rozhrania bez písania programového kódu. Odborné tímy môžu procesy realizovať a testovať samy, namiesto čakania na vývoj v IT. Hranice sa ukážu pri veľmi špecializovaných požiadavkách, veľkých objemoch dát alebo hlbokých integráciách. Príklad: obchodný tím pomocou presúvania myšou vytvorí postup, ktorý triedi a zhŕňa nové dopyty.
Strojové učenie je odvetvie umelej inteligencie, v ktorom počítače odvodzujú vzorce z údajov namiesto toho, aby sa každé pravidlo explicitne programovalo. Podľa úlohy sa modely učia z označených príkladov (s učiteľom), z neoznačených údajov (bez učiteľa) alebo prostredníctvom odmien (posilňované učenie). Aplikácie siahajú od filtrov spamu a predpovedí dopytu až po odporúčania produktov. Kvalita výrazne závisí od množstva a kvality trénovacích údajov.
