破局AI技术落地应用难 飞算全自动数据建模平台AI.Modeler Pro助力AI应用规模化

近日，国际数据公司IDC发布了《中国人工智能软件及应用市场研究报告-2020》，报告显示中国人工智能产业化应用在过去5年间已经取得显著的成效，受疫情的防控、新基建的推出、国际贸易摩擦的影响，中国市场对于人工智能、数据智能的重视与投入也再上新高度，国企数字化转型、智能计算中心等一系列政策的推出，将驱动AI的增长再上新台阶。

值得注意的是，报告重点剖析了2020年度中国机器学习开发平台市场情况，其中，以AutoML为代表的技术热点、风控/反欺诈为代表的应用热点、机器学习平台为代表的产品热点成就了当下AI市场的关注焦点。

市场潜力巨大，深耕 AutoML 技术落地应用

IDC预测，到2025年，中国人工智能市场规模将超过160亿美金，2020-2025年复合增长率达35.2%。其中增长潜力最高的子市场：机器学习平台，市场规模预计超过19亿美金。（IDC《中国人工智能软件及应用市场研究报告-2020》）

然而，高潜力增长的另一面，是依然突出的“AI技术落地应用难”的挑战， IDC关于 金融 企业AI采用挑战的调研显示，“建模人员及技能、数据量不足、异构算力资源管理、模型可解释性、模型管理及发布”等挑战都成为阻碍AI技术落地应用的重要原因。

“自动化机器学习将是解决当前行业用户人才以及技能不足的有效路径”—— IDC 《中国人工智能软件及应用市场研究报告 -2020 》

行业分析指出，在数据资源就绪度不足、数据科学家资源稀缺的现状下，市场需要更成熟的机器学习平台产品、更低门槛的AutoML产品、乃至更有效的落地方法论，助力企业AI全面落地应用，提升业务价值。

飞算AI.Modeler Pro五大核心 助力企业加速实现“自主可控”的AI建设

作为深耕AI技术应用落地的代表，飞算全自动数据建模平台正在为各行业提供基于AutoML技术的AI应用新动能。

其新近发布的AI.Modeler Pro产品是面向数据科学团队，集数据管理、特征工程、算法优化、模型解释性分析、模型发布于一体的全流程机器学习平台。

AI.Modeler Pro产品具备了“自研高效算法、流程管理、高效建模、敏捷应用、量化评分、架构稳定”等能力，实现了通过AutoML技术和机器学习建模流程优化，帮助企业提升建模效率、改善模型质量、高效上线应用，可较大程度上缓解AI技术落地应用难这一行业难点。

据了解，区别于市面上传统的机器学习平台，飞算AI.Modeler Pro凭借优异的自动化能力、五大核心产品优势，帮助企业客户提升数智化转型能效的同时，降低机器学习平台的学习和使用成本，助力企业加速实现“自主可控”的AI建设。

零代码建模全流程管理 ： 通过“多项目管理、成员权限管理、数据统一管理、模型统一管理、模型应用统一管理”等功能，实现建模全流程管理且无需再使用代码，有效的降低人员门槛；

交互式自定义配置建模： 开放配置自动化特征工程、自动算法调参，以及样本重采样、自定义权重列、模型训练超参数、评估指标多样化等，满足企业建模多样化需求；

风控标准 评分卡 ： 领先行业加入风控标准评分卡建模专属模组，评分卡模型开发全流程线性完成；

模型可解释性强： 建模过程中生成模型配套解释性报告，完备的训练日志，使模型具备可解释性；

轻部署： 模型一键部署无需二次开发，并可实现模型可迭代自学习。

飞算AI.Modeler Pro一经发布就获得了业内关注，发展势头强劲。作为拥有业界领先的人工智能技术与开发团队，产品核心团队来自华为、SAS、TPLink、万达、花旗银行、招商银行的技术人才和 商业 精英，设计并实施五大国有银行的机器学习平台系统经验，设计并实施招商银行的大数据中心和 营销 系统，并拥有两位机器学习领域顶级的首席专家顾问，整个团队在人工智能领域有着先进的开发应用经验。

“早期采用 AI 的行业用户开始寻找更加前沿的技术（相比主流 AI 公司寻求商业化落地，早期 AI 采用者开始转向仍在 投资 前沿技术的厂商寻求创新）”—— IDC 《中国人工智能软件及应用市场研究报告 -2020 》

正如暨南大学统计系王国长教授曾经的评价，“飞算全自动数据建模平台是一款极致用户体验的自动化建模平台，真正降低了人工智能应用开发门槛，让AI这个‘奢侈品’惠及各行各业，真正实现人工智能的落地应用。”

相信，未来飞算AI.Modeler Pro将继续坚持自主创新，持续增强AI技术的应用规模，全力助力企业实现AI技术的落地应用。