Mezi hlavní konkurenty společnosti patří známá „esa“:

Amazon Web Services (AWS)

Google

Microsoft

Nezávislý dodavatel umělé inteligence Databricks Inc. však představil dvě nové funkce pro svou platformu AI – AutoML a Feature Store – které podnikovým zákazníkům umožňují lépe automatizovat, objevovat a spravovat modely AI.
Engine AutoML umožňuje vývojářům rychle vytvářet natrénované modely z uživatelského rozhraní nebo API a také zviditelňuje výsledný kód, takže zákazníci mohou modely kontrolovat, přizpůsobovat a vylepšovat, uvedl dodavatel.

Kromě schopnosti „glass box“ AutoML umožňuje nový Feature Store datovým vědcům a obchodním analytikům objevovat a opakovaně používat funkce se zajištěnou konzistencí, rozptýlené napříč podnikem, a to jak s daty offline, tak v reálném čase a v rámci systémů MLOps.

Podle společnosti Databricks mohou zákazníci například opakovaně používat funkce pro modely, nikoli je znovu vymýšlet, a mít jistotu, že offline aplikace, jako jsou školicí materiály a online navržené funkce v reálném čase, jsou udržovány konzistentně. Feature Store je zaměřen na správu změn kódu, které jsou často zdrojem třecích ploch mezi různými týmy v organizaci.
Funkce jsou uloženy ve vrstvě úložiště Delta Lakes v otevřeném formátu a jsou přístupné prostřednictvím nativního rozhraní API Delta Lake, systému datového jezera společnosti Databricks.

Jeden z analytiků společnosti Gartner uvedl, že díky schopnostem strojového učení (ML) je platforma AI společnosti Databricks konkurenceschopnější vůči AWS, Google Cloud, IBM a Azure, které v současnosti poskytují vyspělé funkce AutoML, a také vůči dodavatelům MLOps, jako jsou DataRobot a H2O.ai.

„Schopnosti AutoML společnosti Databricks umožní konkurovat na větším oslovitelném trhu a přinést diferencované nabídky hodnoty pro občanské datové vědce, které doplní jejich tradiční dominanci v oblasti myšlení mezi podnikovými architekty a inženýry AI,“ řekl Chirag Dekate, analytik společnosti Gartner. „Schopnosti AutoML jsou klíčové v podnikových produkčních cestách, zejména pro rychlé prototypování, ověřování a nasazení.“

Datový vědec obeznámený s Databricks uvedl, že vylepšení budou užitečná:

„Oba produkty pomohou získat agilitu při vývoji modelů datové vědy a řídit funkce, které se používají k jejich vytváření,“ řekl Matías Stanislavsky, datový manažer ve společnosti Telecom Argentina, který s Databricks pracoval ve svém předchozím zaměstnání. „Myslím, že je to správný krok v rámci platformy Databricks.“

A datový vědec a výzkumný analytik ve společnosti TDWI souhlasil, že Databricks vychází vstříc poptávce zákazníků po technologii AutoML:

„Vzhledem k tomu, že se organizace snaží přejít na sjednocení svých dat a analytiky v rámci platformy, nástroje jako AutoML by měly být její součástí,“ řekl Fern Halper, viceprezident a senior ředitel výzkumu TDWI pro pokročilou analytiku.

„Mnoho organizací se snaží zvýšit kvalifikaci svých podnikových analytiků, aby mohli provádět data science, a nástroje jako AutoML, které pomáhají s feature engineeringem, tvorbou modelů a laděním hyperparametrů, nabývají na významu,“ dodal. „AutoML také může datovým vědcům ušetřit čas.“