部署具模型可解釋性的 AutoML

TIBCO 與位於台灣的台北 Women Who Code 非營利組織攜手合作，介紹如何部署具模型可解釋性的 autoML。

機器學習模型在詐騙偵測、客戶流失率、預測維護等許多企業問題方面均扮演要角。了解自動化機器學習 (autoML) 如何快速展開流程，同時仍可運用模型可解釋性提供透明度。我們會概述多項最新 autoML 技術，包括運用文字變數並說明這些對您的模型帶來何種影響。

Deploy AutoML with Model Explainability

您可能也會對以下內容感興趣：

3 vs. 10-12

Months to develop a real-time system with TIBCO Streaming vs. open source

centralized source of information, down from 10

In revenues via price optimization, cross-sell, and fraud detection

Fewer surgical site infections

test