เปรียบเทียบ No-Code/Low-Code Machine Learning Platforms

ในปัจจุบันมีซอฟต์แวร์ที่ใช้ในการวิเคราะห์ข้อมูลแบบ Machine Learning แบบที่ไม่ต้องเขียน code (No-Code) หรือเขียน code เพียงเล็กน้อย (Low-Code) อยู่หลากหลายซอฟต์แวร์เลยครับ ในรูปด้านล่างเป็นการเปรียบเทียบซอฟต์แวร์ต่างๆ เหล่านี้ในเรื่องของความง่ายในการใช้งานและความครอบคลุมในการวิเคราะห์ข้อมูล

ในการวิเคราะห์ข้อมูลทาง Machine Learning อาจจะมองว่าเป็นเรื่องยากทั้งเรื่องการคำนวณและการเขียนโปรแกรม (coding) ทำให้ business user ไม่ว่าจะเป็นนักการตลาดหรือนักบัญชีไม่สะดวกที่จะทำการวิเคราะห์ข้อมูลแบบนี้ได้ แต่ในปัจจุบันเริ่มมีซอฟต์แวร์ที่เป็นลักษณะ No-Code หรือ Low-Code Machine Learning ที่สามารถใช้งานได้ง่ายๆ โดยไม่ต้องเขียนโปรแกรมเลยก็สามารถวิเคราะห์ข้อมูลได้ ทำให้ business user สามารถวิเคราะห์ข้อมูลที่สนใจเองได้ในลักษณะของ self-service ซึ่งข้อดี คือ business user จะเป็นคนที่เข้าใจในข้อมูลและธุรกิจที่ตนเองมีส่วนเกี่ยวข้องอยู่มาก ดังนั้นจึงทำให้สามารถวิเคราะห์ได้หลากหลายมุมมองมากขึ้นกว่าเดิม

ในบทความนี้ผู้เขียน (คุณ Kwan Suppaiboonsuk) ได้เปรียบเทียบเครื่องมือทั้งหมด 26 แบบและสรุปออกมาเป็น quadrant (ดังแสดงในรูป) ซึ่งแกนนอนคือเรื่องของความง่ายในการใช้งาน (Tool Simplicity) และแกนตั้งความสามารถในการสร้าง process ในการจัดการข้อมูลและวิเคราะห์ข้อมูลแบบต่างๆ (Coverage of ML Process) จากกราฟจะแบ่งได้เป็น 4 ส่วน คือ

1. Power Tools เป็นกลุ่มเครื่องมือที่สามารถจัดการแก้ไขข้อมูลและสร้างแบบจำลองที่ customize ได้ ซึ่งเหมาะกับผู้มีความรู้ระดับหนึ่ง เช่น Data Scientist หรือ Data Engineering ตัวอย่างในกลุ่มนี้เช่น RapidMiner (http://www.rapidminer.com)

2. Accessibility Promotors เป็นกลุ่มเครื่องมือที่ใช้งานไม่ยาก โดยอาจจะมี template หรือออกแบบเพื่อแก้ปัญหาใดปัญหาหนึ่ง ทำให้คนทั่วไปสามารถวิเคราะห์ข้อมูลแบบ ML ได้ ตัวอย่างในกลุ่มนี้เช่น Obviously AI (https://www.obviously.ai/)

3. Expert Tools เป็นเครื่องมือที่เหมาะสำหรับผู้เชี่ยวชาญ อาจจะเน้นแก้ปัญหาเชิงลึกเฉพาะด้าน

4. Pocket Tools เป็นเครื่องมือที่ใช้ในบางส่วนของ ML เช่น chatbot หรือทำ what-if analysis

รายละเอียดเพิ่มเติมอ่านได้จาก https://medium.com/aixdesign/26-no-code-low-code-ml-tools-to-check-out-8b3414eaa489

สำหรับท่านใดที่สนใจเรื่อง Data Science และ Machine Learning ดาต้า คิวบ์มี workshop ที่อธิบายแนวคิด (concept) การทำงานของ Machine Learning แบบง่ายๆ และใช้เครื่องมือที่เป็น Low-Code ML Platform ที่ใช้งานง่ายและมีประสิทธิภาพอย่าง RapidMiner ครับ ดูรายละเอียดการอบรมดูได้จาก https://datacubeth.ai/data-science-training/

Leave a Reply

Your email address will not be published.