国产v亚洲v天堂无码久久无码_久久久久综合精品福利啪啪_美女扒开尿口让男人桶_国产福利第一视频在线播放_滨崎步无码AⅤ一区二区三区_三年片免费观看了_大屁股妇女流出白浆_泷川苏菲亚无码AV_我想看我想看一级男同乱伦_国产精品午夜福利免费视频,gogo国模全球大胆高清摄影图,2008门艳照全集视频,欧美午夜在线精品品亚洲AV中文无码乱人伦在线播放

Gartner|2018數(shù)據(jù)科學(xué)與機器學(xué)習平臺比較研究報告
來源: 趙衛(wèi)東/
復(fù)旦大學(xué)
2304
3
0
2018-03-06

Gartner|2018數(shù)據(jù)科學(xué)與機器學(xué)習平臺比較研究報告

 

導(dǎo)  語 
2018年2月26日,,Gartner 公布了一份題為《2017數(shù)據(jù)科學(xué)與機器學(xué)習平臺魔力象限(Magic Quadrant for Data Science and Machine-Learning Platforms)》研究報告。該研究報告選擇16家從事數(shù)據(jù)科學(xué)平臺研發(fā)的企業(yè)及其產(chǎn)品,,從15個評價指標進行評價,,并將評價結(jié)果放在魔力象限坐標系之中 ......



01什么是Gartner魔力象限,?

  • 英文:Magic Quadrant;

  • 提出者:是Gartner公司給出用于刻畫某一特定時間內(nèi)的市場狀態(tài)的分析工具,;Gartner已于2006注冊了其版權(quán),;

  • 維度:有2個,分別為愿景的完備性(Completeness of Vison)和執(zhí)行能力(Ability to Execute ),;

  • 象限:有2個,,分別為領(lǐng)導(dǎo)者(Leader)、挑戰(zhàn)者(Challengers),、探索者(Visionaries )和利基者(Niche Players ,,注:即細分市場主導(dǎo)者)。



02最新評估結(jié)果(2018)

  • 領(lǐng)導(dǎo)者(5個):Alteryx,、SAS,、KNIME,、RapidMiner、H20.ai,;

  • 探索者 (5個): IBM,、Domino、Mircosoft,、Databricks,、Dataiku;

  • 挑戰(zhàn)者 (2個): MathWorks和TIBCO Software,;

  • 利基者(4個): SAP,、Angoss、Anoconda,、Teradata,。



03評價指標

  • 15項;

  • 數(shù)據(jù)訪問,、數(shù)據(jù)準備,、數(shù)據(jù)探索與可視化、自動化處理,、用戶界面,、

  • 機器學(xué)習、高級分析,、靈活性/可擴展性/開放性,、性能/可測量、服務(wù)提供,、

  • 平臺與項目管理,、模型管理、預(yù)制解決方案,、協(xié)作,、兼容性。


04注意事項

  • 收錄范圍:本報告所涉及的平臺僅限于商業(yè)軟件,,不包括R和Python等開源平臺,;2018年報告中新增了機器學(xué)習平臺。

  • 報告名稱:2017年,,該報告名稱為《數(shù)據(jù)科學(xué)魔力象限(Magic Quadrant for Data Science Platforms)》,;2014-2016期間,該報告的名稱叫做《高級分析平臺的魔力象限(Magic Quadrant for Advanced Analytics Platforms)》,。

  • 術(shù)語定義:該報告中,,對數(shù)據(jù)科學(xué)與機器學(xué)習平臺的定義原文如下:A cohesive software application that offers a mixture of basic building blocks essential both for creating many kinds of data science solution and incorporating such solutions into business processes, surrounding infrastructure and products。


052014-2017報告

  • 原文見【參考文獻】

  • 解讀內(nèi)容見微信公眾號【數(shù)據(jù)科學(xué)DataScience】文章《數(shù)據(jù)科學(xué)平臺哪家強,?全方位解讀《Gartner 2017數(shù)據(jù)科學(xué)平臺魔力象限》》,。


06參考文獻

  • https://rapidminer.com/resource/read-gartner-magic-quadrant-data-science-platforms/

  • https://rapidminer.com/resource/read-gartner-magic-quadrant-data-science-platforms/https://rapidminer.com/resource/gartner-magic- quadrant-data-science-platforms/

  • http://www.kdnuggets.com/2017/02/gartner-2017- mq-data-science-platforms-gainers-losers.html

  • http://www.gartner.com/technology/research/methodologies/research_mq.jsp




登錄用戶可以查看和發(fā)表評論, 請前往  登錄 或  注冊,。
SCHOLAT.com 學(xué)者網(wǎng)
免責聲明 | 關(guān)于我們 | 聯(lián)系我們
聯(lián)系我們: