意料之外 情理之中:解读Gartner 2020年数据科学和机器学习平台魔力象限

作者: 佚名 2020-02-21 17:23:21

最近Gartner发布了数据科学和机器学习(DSML)平台魔力象限报告。数据科学、机器学习和人工智能的市场格局极为分散,竞争激烈且难以理解。Gartner尝试根据明确定义的标准对厂商进行了排名。

Gartner根据厂商是否面向数据科学平台支持完整的、端到端的管道进行了评估。商业可用性和客户对平台的采用,是影响厂商排名的主要因素。Gartner特别强调了平台是否支持公有云、混合云和本地数据中心。Gartner还认为,AutoML是这种平台的关键组成部分,让非开发者也能够构建机器学习模型。基于这些因素的权重,影响厂商在该象限中的排名。

意料之外 情理之中:解读Gartner 2020年数据科学和机器学习平台魔力象限

领导者象限

据Gartner称,DSML市场中的领导者拥有强大的影响力和品牌知名度,领导者拥有在整个数据探索、模型开发和运营过程中的深度和广度。

今年有6家公司进入了领导者象限,他们之间有一个共同点,就是都提供了端到端的数据科学平台。SAS、TIBCO、MathWorks一直致力于构建基于数据和分析的平台。而Alteryx、Databricks和Dataiku等年轻公司也在这个象限中有了一席之地。

领导者象限中的所有厂商都提供了商业可行的、与平台无关的、成熟的数据科学平台。

挑战者象限

Gartner称,挑战者是那些已经站稳脚跟、有信誉、有生存能力、有强大产品能力、但还未能成为领导者的厂商。

IBM是挑战者象限的独行侠。IBM将传统的SPSS与现代的Watson Studio相结合,成为强有力的竞争者。Watson Studio的定位是用于本地部署的ML PaaS和IBM Cloud Paks,这让IBM成为市场中的一个独特玩家。但是IBM频繁的品牌重塑和产品组合重命名,一定程度上影响了Watson成为ML和AI顶级品牌的能力。

特定领域者象限

Gartner称,特定领域者具有在特定行业的优势或者方法,或者能够与特定技术堆栈完美结合。特定领域的购买方可以考虑这些厂商。

Altair和Anaconda共享这个象限。Altair通过收购Datawatch进入这一象限,后者又收购了Angoss。Datawatch和Angoss也曾是2019年特定领域者象限的一员。

Anaconda是一家专注于数据科学的公司,提供开源和商业平台。庞大的社区,再加上Python和R库和程序包的简化,使Anaconda成为了该市场中一个特定领域者厂商。

远见者象限

Gartner将远见者定义为那些拥有可潜在影响市场的产品的厂商,其中可能覆盖了早期初创公司到成熟的平台公司,但他们的产品都是比较新的。

这是Gartner今年DSML魔力象限中最“拥挤”的一个象限,共有7家厂商进入这个象限,是一个值得关注的象限。

DataRobot、Domino、谷歌、H20.ai、KNIME、微软和RapidMiner都成为该市场的远见者。谷歌和微软通过市场营销活动让大家觉得他们可能是出于领导者象限的,但根据Gartner的标准,微软和谷歌都缺乏可行的本地DSML平台.

谷歌的愿景是美好的,但平台中许多构建模块长期处于Beta测试阶段。如果谷歌的Cloud AI平台和本地AI平台能够实力相当的时候,谷歌就有机会成为领导者。

微软一直致力于让开发者和数据科学家都可以使用人工智能和机器学习,但是摇摆不定的工具和开发者体验战略让微软浪费了不少时间。当前基于Azure ML的ML PaaS的战略看起来是有成功希望的。如果微软将Azure ML引入Azure Arc和Azure Stack,将有望成为挑战者。

意料之外

今年Gartner把AWS、SAP、Oracle和Teradata等大厂商,以及Cloudera、FICO和Iquazio等初创公司放进了荣誉候选名单中。

令人意外的是,Gartner公布的魔力象限中并没有见到AWS的影子。如果把谷歌和微软列为远见者,那么AWS似乎也应该在远见者象限中占有一席之地。

AWS没有能做到这一点的原因之一,是SageMaker Studio和SageMaker Autopilot的发布是在魔力象限截止期之后。这两项功能都是在去年12月re:Invent大会上公布的,而Gartner的截止日期是11月。另一个原因是这些新产品仍处于预览阶段,仅在一个地区(US-East-2)是可用的。

如果SageMaker Studio和SageMaker Autopilot今年全面上市,同时AWS把机器学习平台作为托管服务移植到AWS Outposts中,那么Amazon很有可能加入谷歌和微软的行列。

Oracle和SAP都在改造自己的DSML平台,上周Oracle发布了Cloud Data Science Platform。

总体来看,Gartner今年的数据科学和机器学习象限反映了当前的市场状况,与往常一样,Gartner的评估和建议是准确且恰当的。

数据科学 机器学习 魔力象限
上一篇:DeepMind发布神经网络、强化学习库,网友:推动JAX发展 下一篇:AI战“疫”,偶尔小尴尬背后,终极护城河现形
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

轻松构建 PyTorch 生成对抗网络(GAN)

生成对抗网络(GAN)是一种生成式机器学习模型,它被广泛应用于广告、游戏、娱乐、媒体、制药等行业,可以用来创造虚构的人物、场景,模拟人脸老化,图像风格变换,以及产生化学分子式等等。

佚名 ·  1天前
新AI让教师能够快速开发智能辅导系统

通过使用一种采用人工智能的新方法,教师可以通过演示解决某个主题中的问题的几种方法来教计算机……

佚名 ·  2天前
终结重复工作!教你30分钟创建自己的深度学习机器

建立一个深度学习环境是一件很重要的事情。本文讲述使用深度学习 CommunityAMI、TMUX和 Tunneling在EC2为Jupyter Notebooks创建一个新的深度学习服务器。

读芯术 ·  2天前
如何用机器学习模型,为十几亿数据预测性别

基于用户画像进行广告投放,是优化投放效果、实现精准营销的基础;而人口属性中的性别、年龄等标签,又是用户画像中的基础信息。那该如何尽量准确的为数据打上这些标签?

TalkingData ·  3天前
教你轻松选择合适的机器学习算法!

机器学习方面没有免费午餐。因此,确定使用哪种算法取决于许多因素:面临的问题类型和预期的输出类型等。本文介绍了为数据集探究合适的机器学习方法时要考虑的几个因素。

布加迪 ·  3天前
画图太丑拿不出手?有人做了套机器学习专用画图模板,还有暗黑模式

论文、博客写好了,里面的图可怎么画?对于很多研究人员和开发者来说,内容的「可视化」是一个大问题。如果从头开始画,配色、空间布局都很伤脑筋,而且画丑了也拿不出手,要是有模板可以套就好了。

张倩、魔王 ·  3天前
机器学习:物联网成功的诀窍?

通过机器学习,物联网可以完美地运行。全球各地的组织正在竞相利用物联网的能力,但是,其中许多组织都被我们讨论过的一个或多个障碍所困扰。不过,不管您遇到什么问题,都可以通过结合了机器学习技术的方法来解决。

iothome ·  3天前
在网络安全领域应用机器学习的困难和对策

网络安全领域的独特对抗属性给人工智能应用落地带来了重重困难,但我们并不认为这最终会阻碍人工智能成为网络安全利器。

安全狗safedog ·  4天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载