SnapLogic释出自助服务机器学习解决方案，加速模型开发与部署速度

SnapLogic宣布推出机器学习生命周期视觉化自助服务解决方案SnapLogic Data Science，支援资料采集、资料准备、特征工程、训练、验证以及部署等机器学习的各阶段。

由于机器学习专案涉及多个阶段与多种工作，职务包括资料工程师、资料科学家以及DevOps人员等。SnapLogic认为，当这些工作缺乏自动化的情况下，可能会在过程产生自定义编码、冗余的工作以及手动试错等不必要过程。像是资料工程师可能需要花费数天进行整合的动作，收集、清理和转换资料，又或许最后软件开发团队，需要将机器学习模型转换成另一种语言，才能投入生产。

这些工作都会不断消耗团队资源，SnapLogic利用自身开发机器学习推荐引擎的经验，将自助服务整合进机器学习生命周期中，SnapLogic Data Science能简化资料清理的工作，提高模型开发效率，并让模型在开发完成后立即进行产品部署。

SnapLogic Data Science加速并简化机器学习生命周期四个阶段，分别是资料采集、资料探索和准备、模型训练和验证，以及模型部署。SnapLogic Data Science可以让资料工程师快速的存取训练资料集的原始资料，透过拖拉操作就能进行检视并处理，能整合关联和NoSQL数据库、云端应用、资料湖泊以及JSON文件等。

另外，在模型训练以及验证阶段，资料科学家可以使用SnapLogic Data Science配置模型，进而减少编写脚本的工作。即便开发者想要从头开始建构模型，也可以在Jupyter Notebooks使用Python，并发布到SnapLogic工作管线中操作。

SnapLogic提到，部署模型是一个缓慢且繁琐的过程，在许多情况下，为了让模型可以在实际产品阶段中运作，开发人员必须将模型转换使用另一种程式语言。SnapLogic Data Science则能免去这个过程，让工程师在模型完成后，立即进行部署提供API。

SnapLogic Data Science为各规模的企业提供端到端的机器学习解决方案，以提高建构、训练、验证并部署高效能模型。