企业AI的领导者DataRobot今天宣布增强其企业AI平台，包括 AI应用程序，自动深度学习和 视觉AI。这些新的介绍通过将AI的强大功能交到更多用户手中，并使其更易于构建和部署深度学习模型，进一步释放了AI的价值。

在平台的最新版本中，DataRobot引入了：

视觉AI： 借助视觉AI，用户可以处理计算机视觉用例，并在模型中组合各种类型的数据。Visual AI为需要图像识别和分类的用例提供即时支持。用户可以轻松地将图像集合拖放到项目中，并在几分钟内建立自定义的深度学习模型。然后，DataRobot的Visual AI通过允许用户利用图像以及任何其他功能类型(例如数字，分类，日期和原始文本)来进一步推进基于图像的机器学习的一步。

AI应用程序： 使用最新的平台版本，可以将任何机器学习模型(包括DataRobot生成的模型或用R或Python编写的模型)转换为AI应用程序。这使所有技能水平的员工都可以与基础模型的预测见解进行交互，并在不同的情况下进行试验，预测结果并做出更明智的业务决策。新功能还包括一个应用程序库–一站式商店，使企业用户可以找到最适合他们需求的应用程序。

自动化深度学习： 借助基于Keras的新模型框架，DataRobot大大增强了其深度学习功能，DataRobot最近为其获得了临时专利。传统上，训练深度学习模型既昂贵又耗时。DataRobot的新功能使用户可以构建成功且可靠的深度学习模型，并准备将其部署到生产中。新功能还使用户可以轻松理解这些模型-所有这些都具有用户所拥有的基础结构。

DataRobot产品和客户体验高级副总裁Phil Gurbacki表示：“在自动化机器学习类别中开创了先河，我们很荣幸通过提供这些新颖的自动化深度学习和Visual AI功能来突破技术的极限。来自任何行业的主题专家现在都可以通过包括基于图像的相关内容以及其他更传统的数据类型来解决新的业务问题。我们平台的最新发展将使用户能够利用AI来基于更广阔的视角做出更好的决策。”

此外，DataRobot还发布了以下增强功能：

MLOps： 在此版本中，DataRobot MLOps进行了增强，包括预打包的模型环境，因此用户可以拖放以Python和R等语言开发的模型文件，并使用Kubernetes进行部署。该版本还包括无限制的批处理评分，以及与领先的大规模云存储选项的集成。最后，增强的MLOps解决方案提供了监视代理，可以从部署到几乎任何环境的模型中捕获指标。

自动化时间序列： 自动化时间序列现在具有新的深度学习技术，这些技术消除了传统的预测障碍，使大型多序列预测应用程序的工作变得容易。

DataRobot Paxata：在 2019年12月收购 Paxata之后 ，DataRobot将Paxata的AI辅助数据准备解决方案与其AI Catalog无缝集成，以使新手和专家用户能够快速探索，清理，合并和塑造数据以训练和部署机器学习楷模。