DataRobot 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).
Agenti, postupy a šablóny v jednom pracovnom priestore – bezplatné 24-hodinové demo.
Spustiť demoStrojové 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.
Pipeline strojového učenia je definovaná postupnosť krokov, ktorá mení surové údaje na nasaditeľný model: zber a čistenie údajov, príprava príznakov, trénovanie, vyhodnotenie, nasadenie a monitorovanie. Automatizácia týchto krokov robí výsledky reprodukovateľnými a umožňuje spracovať nové údaje s malou námahou. Maloobchodník môže napríklad každý týždeň znova natrénovať a otestovať model predpovede predaja s najnovšími číslami.
Amazon SageMaker je cloudová služba Amazon Web Services (AWS) na vytváranie, trénovanie a nasadzovanie modelov strojového učenia. Koncom roka 2024 bola pôvodná služba premenovaná na „Amazon SageMaker AI“; odvtedy „Amazon SageMaker“ označuje širšiu platformu pre údaje, analytiku a AI s rozhraním SageMaker Unified Studio (stav k októbru 2026). Používajú ju najmä tímy data science, ktoré prevádzkujú modely na infraštruktúre AWS.
MLflow je open-source platforma na správu celého životného cyklu modelov strojového učenia, ktorú pôvodne v roku 2018 predstavila spoločnosť Databricks. Zaznamenáva experimenty s ich parametrami a metrikami, spravuje verzie modelov v registri a zjednodušuje nasadenie. Novšie verzie podporujú aj sledovanie a vyhodnocovanie aplikácií postavených na jazykových modeloch. Tímy tak vedia dohľadať, ktorý model vznikol s akými dátami a nastaveniami.
