不懂代碼也能實現(xiàn)機器學(xué)習(xí)？（代碼學(xué)不會）

（中國計算機世界出版服務(wù)公司出品）

導(dǎo)語

現(xiàn)在的專業(yè)數(shù)據(jù)科學(xué)家、平民數(shù)據(jù)分析師和軟件開發(fā)人員在使用機器學(xué)習(xí)上擁有很多選擇。

低代碼平臺提高了開發(fā)應(yīng)用程序、集成和數(shù)據(jù)可視化的速度和質(zhì)量。低代碼平臺不是用代碼構(gòu)建表單和工作流，而是利用拖放界面來設(shè)計在網(wǎng)絡(luò)和移動應(yīng)用程序中使用的屏幕、工作流和數(shù)據(jù)可視化。低代碼集成工具支持?jǐn)?shù)據(jù)集成、數(shù)據(jù)準(zhǔn)備、API編排以及與常見的SaaS平臺的連接。如果你正在設(shè)計儀表板和報表，要連接數(shù)據(jù)源并創(chuàng)建數(shù)據(jù)可視化，有許多低代碼選項可以選擇。

但凡你可以用代碼完成的，都可能會有一種低代碼或無代碼技術(shù)可以幫助加速開發(fā)過程和簡化正在進行的維護。當(dāng)然，你必須要評估這些平臺是否滿足功能要求、成本、合規(guī)性和其他因素，但低代碼平臺能提供的選項一般都處于可以自行構(gòu)建和購買軟件即服務(wù)（SaaS）之間的灰色區(qū)域。

但是，低代碼選項是否只是為了更好更快地開發(fā)應(yīng)用程序、集成和可視化？那些使用更高級或新興功能去進行加速和簡化的低代碼平臺又如何呢？

我搜索并制作了低代碼和無代碼平臺的原形，這些平臺使技術(shù)團隊能夠利用機器學(xué)習(xí)功能進行測試和試驗。我主要關(guān)注低代碼應(yīng)用程序開發(fā)平臺，并尋求能增強最終用戶體驗的機器學(xué)習(xí)功能。

以下是我在這個過程中學(xué)到的一些東西。

不同的平臺針對不同的開發(fā)人員

你是一名數(shù)據(jù)科學(xué)家嗎？你正在尋找用低代碼功能來嘗試新的機器學(xué)習(xí)算法，并能比Python編碼更快、更容易地支持 ModelOps嗎？也許你是一名專注于數(shù)據(jù)操作的數(shù)據(jù)工程師，并希望在發(fā)現(xiàn)和驗證新數(shù)據(jù)源的同時將數(shù)據(jù)與機器學(xué)習(xí)模型相連接。

Alteryx、Dataiku、DataRobot、H20.ai、KNIME、RapidMiner、SageMaker、SAS 等數(shù)據(jù)科學(xué)和模型操作平臺旨在簡化和加速數(shù)據(jù)科學(xué)家和其他數(shù)據(jù)專業(yè)人員的工作。它們具有全面的機器學(xué)習(xí)能力，但在操作上對具有數(shù)據(jù)科學(xué)和數(shù)據(jù)工程技能的專業(yè)人員來說更容易些。

以下是 KNIME 首席數(shù)據(jù)科學(xué)家兼布道負(fù)責(zé)人 Rosaria Silipo 博士講述的關(guān)于低代碼機器學(xué)習(xí)和人工智能平臺的內(nèi)容?！叭斯ぶ悄艿痛a平臺可以作為經(jīng)典的、基于腳本的人工智能平臺的有效替代方案。通過消除編碼障礙，低代碼解決方案減少了工具需要的學(xué)習(xí)時間，留出了更多的時間用于試驗新想法、范例、策略、優(yōu)化和數(shù)據(jù)?！?/span>

特別是對于希望在應(yīng)用程序和集成中利用機器學(xué)習(xí)功能的軟件開發(fā)人員，這里有多種平臺可供選擇：

• GCP AutoML和Azure Machine Learning Designer等公有云工具幫助開發(fā)者獲取機器學(xué)習(xí)能力。
• Google 的AppSheet、微軟的Power Automate的 AI Builder 和OutSystems ML Builder等低代碼開發(fā)平臺都展露出了機器學(xué)習(xí)能力。
• PyCaret 等低代碼學(xué)習(xí)庫面向數(shù)據(jù)科學(xué)家、平民數(shù)據(jù)科學(xué)家和開發(fā)人員，幫助他們加速學(xué)習(xí)和在開源工具包上實施機器學(xué)習(xí)。

這些低代碼示例面向具有編碼技能的開發(fā)人員和數(shù)據(jù)科學(xué)家，幫助他們加速對不同機器學(xué)習(xí)算法的試驗。MLops平臺面向開發(fā)人員、數(shù)據(jù)科學(xué)家和運營工程師。作為機器學(xué)習(xí)的 DevOps，MLops平臺旨在簡化管理機器學(xué)習(xí)模型的基礎(chǔ)設(shè)施、部署和運營管理。

面向平民分析師的無代碼機器學(xué)習(xí)

有一組新興的無代碼機器學(xué)習(xí)平臺面向業(yè)務(wù)分析師，這些平臺使上傳或連接到云數(shù)據(jù)源和試驗機器學(xué)習(xí)的算法變得容易。

我與 Noogata 的聯(lián)合創(chuàng)始人兼CEO Assaf Egozi 討論過，為什么即使對于擁有豐富經(jīng)驗的數(shù)據(jù)科學(xué)團隊的大型企業(yè)，那些面向業(yè)務(wù)分析師的無代碼機器學(xué)習(xí)平臺也能改變游戲規(guī)則。他告訴我，“企業(yè)內(nèi)的大多數(shù)數(shù)據(jù)消費者根本不具備從頭開發(fā)算法甚至有效應(yīng)用 autoML 工具所需的技能，而且我們也不應(yīng)該期望他們這樣做。相反，我們應(yīng)該為這些數(shù)據(jù)消費者或者平民數(shù)據(jù)分析師提供一種的簡單方法，可以將高級分析集成到他們的業(yè)務(wù)流程中?！?/span>

Monitaur的CTO兼聯(lián)合創(chuàng)始人Andrew Clark表示贊同?！白屍髽I(yè)能更容易上手機器學(xué)習(xí)是令人興奮的。在模型產(chǎn)品化方面沒有那么多訓(xùn)練有素的數(shù)據(jù)科學(xué)家或具有專業(yè)知識的工程師來滿足業(yè)務(wù)需求。低代碼平臺提供了一座橋梁。”

盡管低代碼使機器學(xué)習(xí)實驗民主化并加快了速度，但它仍然需要嚴(yán)格的實踐、符合數(shù)據(jù)治理政策以及偏見審查。Clark 補充道：“公司必須將低代碼視為他們從 AI/ML 中受益的工具。考慮到業(yè)務(wù)可見性、控制和模型管理都是企業(yè)為業(yè)務(wù)做可信決策時所需的，企業(yè)不應(yīng)該走捷徑。”

預(yù)告

低代碼和無代碼平臺讓企業(yè)能夠輕松上手機器學(xué)習(xí)，那么有哪些平臺可以為企業(yè)所用呢？請持續(xù)關(guān)注《計算機世界》的干貨分享！