在过去几年中，机器学习已经成为许多组织在各个层面决策的重要组成部分。由于没有足够的数据科学家来满足日益增长的数据驱动业务流程需求，H2O.ai开发了一种名为Driverless AI的产品，可以自动化典型数据科学工作流程的几个耗时方面：数据可视化，特征工程，预测建模和模型说明。在这篇文章中，我将描述无人驾驶AI，如何正确构建业务问题以充分利用这种自动机器学习产品，以及如何使用自动机器学习来创造商业价值。

什么是无人驾驶AI以及它解决了哪些业务问题？
H2O无人驾驶AI是一种高性能，支持GPU的计算平台，用于自动开发和快速部署最先进的预测分析模型。它从纯文本源，Hadoop或S3存储桶读取表格数据，并自动化数据可视化和构建预测模型。无人驾驶人工智能目前的目标是商业应用程序，如损失给定违约，违约概率，客户流失，活动响应，欺诈检测，反洗钱，需求预测和预测资产维护模型。（或机器学习用语：常见回归，二项分类和多项分类问题。）

如何在无人驾驶AI的数据集中构建业务问题？
读入无驱动AI的数据必须每行包含一个实体，如客户，患者，设备或金融交易。该行还必须包含有关您将来使用类似数据预测的内容的信息，例如数据行中的客户是否使用了促销，该患者是否在发布后30天内重新入院，是否该设备需要维护，或者该金融交易是否是欺诈性的。（在数据科学中，无人驾驶AI需要“标记”数据。）无人驾驶AI会在您的数据中运行很多次，寻找所提供数据集所描述现象的交互，见解和业务驱动因素。无人驾驶AI可以处理简单的数据质量问题，

您如何使用无人驾驶AI结果创造商业价值？
商业价值由无人驾驶人工智能在几个方面产生。

无人驾驶AI使数据科学家或数据分析师能够通过使用自动化和最先进的计算能力在几分钟或几小时内完成任务，从而可以更快，更高效地处理项目，这可能需要几个月的时间。
与许多其他行业一样，自动化可以实现业务流程的标准化，实施最佳实践，并最终降低交付最终产品的成本 - 在这种情况下是预测模型。
无人驾驶AI使得预测模型的部署变得简单 - 通常是数据科学过程中的一个难点。在大型组织中，预测建模的价值通常在预测模型从数据分析师或数据科学家的开发环境转移到生产部署设置时实现，其中模型在实时数据上运行，快速自动地做出决策或存钱。无驱动AI提供基于Java和Python的技术，使生产部署更简单。
此外，该系统的设计考虑了可解释性和透明度。无人驾驶AI模型的每个预测都可以向业务用户解释，因此即使对于受监管的行业，该系统也是可行的。

无人驾驶AI的客户成功案例
PayPal在一个共谋欺诈用例上尝试了无人驾驶AI，发现只需在笔记本电脑上运行2小时，无人驾驶AI就可以获得令人印象深刻的欺诈检测准确度，并且在GPU增强型硬件上运行，它能够在20分钟内产生相同的精度。无人驾驶AI模型比PayPal现有的预测模型更准确，无人驾驶AI系统在他们的数据中发现了与数据科学家相同的见解！系统还在其数据中发现了之前未用于预测建模的新功能。有关PayPal用例的更多信息，请单击此处
G5是一家房地产营销优化公司，在其智能营销云中使用无人驾驶AI，帮助客户进行物业管理的目标营销支出。通过无人驾驶人工智能技术，营销人员可以快速确定优先级，并从G5的智能营销云平台转换高质量的入境线索，准确率高达95％。要了解有关G5如何使用无人驾驶AI的更多信息，请查看：

https://h2o2016.staging.wpengine.com/g5-h2o-ai-partner-to-deliver-ai-optimization-for-real-estate-marketing/