BigML är en plattform för maskininlärning från företaget med samma namn, grundat 2011 och baserat i Corvallis, Oregon (USA). Via ett webbgränssnitt eller ett API kan användare bygga modeller som beslutsträd, ensembler, klustring eller avvikelsedetektering utan mycket kodning. Plattformen betonar tolkningsbara modeller och automatiserbara arbetsflöden. Den erbjuds som molntjänst och för drift i det egna datacentret (per oktober 2026).
DataRobot är ett amerikanskt mjukvaruföretag vars plattform hjälper organisationer att bygga, driva och övervaka AI-applikationer. Företaget blev känt för automatiserad maskininlärning (AutoML), som tränar och jämför många modellvarianter automatiskt – till exempel för att förutsäga kundbortfall eller efterfrågan. I dag fokuserar företaget även på drift och styrning av AI-agenter (läge oktober 2026).
KNIME är programvara för dataanalys där arbetsflöden sätts ihop visuellt av block (”noder”) i stället för att programmeras. Plattformen KNIME Analytics Platform med öppen källkod täcker dataimport, rensning, analys, maskininlärning och rapportering, medan leverantörens kommersiella erbjudanden lägger till samarbete och drift inom organisationer. Ett typiskt exempel är ett arbetsflöde som sammanfogar månatliga försäljningsdata från flera Excel-filer, rensar dem och tar fram en prognos.
No-code avser verktyg som låter människor bygga applikationer, automatiseringar eller webbplatser via grafiska gränssnitt utan att skriva programkod. Verksamhetsteam kan själva genomföra och testa processer i stället för att vänta på IT-utveckling. Begränsningar uppstår vid mycket specialiserade krav, stora datamängder eller djupa integrationer. Exempel: ett säljteam bygger med dra och släpp ett flöde som sorterar och sammanfattar nya förfrågningar.
Maskininlärning är en gren av artificiell intelligens där datorer härleder mönster ur data i stället för att varje regel programmeras explicit. Beroende på uppgift lär sig modellerna av annoterade exempel (övervakad inlärning), av oannoterade data (oövervakad inlärning) eller genom belöningar (förstärkningsinlärning). Tillämpningarna sträcker sig från skräppostfilter och efterfrågeprognoser till produktrekommendationer. Kvaliteten beror starkt på mängden och kvaliteten på träningsdata.
