什麼是無程式碼機器學習？
無程式碼機器學習 (ML) 平台使用視覺化拖放平台來自動建置機器學習模型並產生預測，而無需編寫任何程式碼。這些平台可自動化資料收集、資料清除、模型選擇、模型訓練和模型部署的程序。
無程式碼 ML 讓機器學習實現大眾化。無程式碼讓沒有 ML 知識或程式設計經驗的業務分析師，能夠建置機器學習模型並產生預測以解決直接問題，例如預測客戶何時可能流失或何時交付訂單。
無程式碼 ML 與傳統 ML
對於傳統的 ML 而言，技能嫻熟的資料科學家使用 Python 等程式設計語言來建置 ML 模型。資料科學家必須使用手動和自動資料清除和特徵工程技術，來匯入資料集並為 ML 準備資料。在將模型部署至生產環境之前，必須選擇一部分資料用於訓練和調整模型。
相反，無程式碼平台將尖端 ML 程式設計功能與易於使用的工具相結合，讓企業使用者能夠建置 ML 模型。
無程式碼 ML 建模與 AutoML 不同。AutoML 是一種用於精簡傳統 ML 程序的技術。AutoML 通常會自動化資料準備，並使用自動化程序來識別適當的演算法。AutoML 與無程式碼 ML 的主要區別在於 AutoML 需要資料科學家的技能和知識，而無程式碼 ML 則不需要。
為什麼無程式碼 ML 很重要
雖然 Amazon SageMaker 等工具專為資料科學家和 ML 工程師設計，並且可透過全受管基礎設施、工具和工作流程，針對任何使用案例建置、訓練和部署 ML 模型，企業分析師仍需要使用機器學習進行創新。
無程式碼 ML 彌合了這一差距，並將自動化機器學習帶給企業分析師，以便他們產生預測。
無程式碼機器學習工具如何運作？
大多數無程式碼 ML 工具都具有簡單的圖形介面或拖放式介面。這讓您只需將資料圖示拖至介面，或按一下檔案，即可連線至資料來源。匯入資料後，無程式碼平台會清除和轉換資料，因此可隨時使用 ML。
無程式碼 ML 平台簡化了演算法選擇。在某些情況下，您將從下拉式清單中選擇演算法，而在其他情況下，該平台會執行自動選擇演算法，來為您的資料找到最佳演算法。該平台會自動訓練模型，並提供有關預測準確性和對結果影響最大的特徵的統計資料。經過訓練後，您可以使用無程式碼 ML 模型來產生預測。
如何善用無程式碼 ML 工具？
您可以善用無程式碼 ML 來回答緊急問題。例如，市場行銷分析師可使用無程式碼 ML 來評估銷售潛在客戶，並預測哪些具有最高的轉化潛力。財務分析師使用無程式碼 ML 來評估新客戶的信用風險，或預測營收增長。在生產製造業，生產分析師可使用無程式碼 ML 來預測產能限制，而物流分析師則可準備 ML 模型來確定最佳運輸路線。
無程式碼 ML 搭配 Amazon SageMaker
Amazon SageMaker Canvas 可為企業分析師提供視覺化點按式介面，藉此來擴展對 ML 的使用，這讓他們能夠產生準確的 ML 預測，而無需任何機器學習經驗或編寫任何程式碼。
您可以快速連線、存取和組合雲端和內部部署資料來源的資料，自動偵測、清除和分析資料，透過按一個按鈕來建立 ML 模型，以及產生單一或批次預測。您還可以使用 SageMaker Studio 進行協作，並將模型傳送給資料科學家以供審查和獲取意見回饋。
若要開始使用 SageMaker Canvas，請瀏覽教學。
