Dataiku 7 biedt samenwerking en inzicht in impact enterprise AI

Dataiku, leverancier van een enterprise AI-platform, kondigt Dataiku 7 aan. Hiermee brengt het diepere integratie voor technische data professionals om te werken aan de ontwikkeling van machine learning-projecten en toelichting op row-level voor white-box AI. Nieuw in deze release zijn onder meer Kubernetes webapplicaties om voort te bouwen op de mogelijkheden uit Dataiku 6, en een plugin voor het labelen van data met behulp van machine learning.

“Sinds onze oprichting in 2013 is samenwerking de kern van Dataiku. Met Dataiku 7 voegen we wederom functies toe die bijdragen aan het verspreiden van onze filosofie van het effectief democratiseren van AI in organisaties”, zegt Florian Douetteau, CEO van Dataiku. “Dataiku 7 is de tweede versie waarin we nieuwe functies bieden voor uitlegbare AI. Dit is een kritisch onderdeel voor organisaties in iedere branche om te slagen en de impact van hun AI-modellen te begrijpen.”

Wereldwijd zijn organisaties van management tot werkvloer bezig met AI-initiatieven, maar worstelen zij om projecten te democratiseren en daarmee meer mensen toegang te geven tot inzichten uit data waar zij actie op kunnen ondernemen. Dataiku 7 betrekt meer mensen dankzij uitgebreide mogelijkheden voor samenwerking. Ook stelt het medewerkers in staat om met uitlegbare AI-data  dagelijkse beslissingen te nemen en impactvolle AI-projecten op te zetten en uit te voeren.

Nieuwe functies in Dataiku 7
Ondersteuning voor geavanceerde statistische analyses: Statistici kunnen Dataiku gebruiken om geavanceerde statistische analyses uit te voeren in het bekende ‘worksheet-and-cards’ format terwijl ze samenwerken met het data of analytics team. In het verleden waren statistici aangewezen op andere tools waar hun collega’s geen zicht op hadden. Hierdoor ontstonden issues op het gebied van governance en AI-project deployment.

Geavanceerde toelichting op voorspellingen: Van oudsher bieden machine learning-modellen geen inzicht in waarom en hoe ze tot een bepaalde conclusie zijn gekomen. Dit maakt het moeilijk om de beslissingen die worden genomen op basis van die modellen en de acties die daaraan vastzitten uit te leggen. Door het bieden van een toelichting bij voorspellingen opent Dataiku een black box door te beschrijven welke karakteristieken of elementen de grootste impact hebben op de uitkomst van het model. Dataiku 7 biedt zowel een toelichting op row-level in datasets als interactieve visualisaties waarmee een voorspelling wordt uitgelegd.

Git voor betere samenwerking van programmeurs: Met verbeterde Git-integratie in Dataiku 7, kunnen data scientists (of andere ‘code-first’ gebruikers) nu direct vanuit Dataiku Git branches creëren, verwijderen en push en pull uitvoeren. Dit levert efficiencywinst op aangezien programmeurs eenvoudig projecten kunnen dupliceren en wijzigingen kunnen doorvoeren in een testomgeving zonder het project te beïnvloeden. Zodra de iteratie op het gedupliceerde project compleet is, kunnen wijzigingen naadloos geïntegreerd worden in het originele project (alle wijzigingen worden gedocumenteerd in Git).

Meer flexibiliteit met Kubernetes: Dataiku 7 bouwt voort op de mogelijkheden voor managed Kubernetes clusters uit Dataiku 6 door webapplicaties te laten draaien op Kubernetes clusters. Hiermee ontstaat ruimte voor meer gelijktijdige gebruikers en is er een snelle en flexibele backend voor veeleisende AI-omgevingen.

Een labeling plugin voor active learning: Om nauwkeurige inzichten van hoge kwaliteit te halen uit machine learning-modellen, is het essentieel dat data correct gelabeld is. De mogelijkheid om snel data te kunnen labelen maakt de hele analytics-cyclus sneller doordat de tijdrovende en saaie fase van dataverzameling wordt verkort. De nieuwe ‘human-in-the-loop’ labeling en active learning plugin bieden een serie Dataiku webapplicaties om het labeling-proces te vereenvoudigen ongeacht of de data in tabellen staat of dat het afbeeldingen of zelfs geluid betreft.

Dataiku stelt de grootste 2.000 bedrijven wereldwijd in staat om grote datasets om te zetten naar inzichten waarmee acties ondernomen kunnen worden, het democratiseert AI-projecten en maakt machine learning-initiatieven schaalbaar. Met de introductie van Dataiku 7 zijn er nog meer mogelijkheden voor samenwerking en kunnen de resultaten en de impact van AI beter uitgelegd worden dankzij een intuïtief platform dat data science naar een grotere groep mensen brengt.

Kijk hier voor meer informatie over Dataiku 7.

Schrijf je hier in voor het webinar op 16 april waarin onder meer een demo wordt gegeven van Dataiku 7.