流程图
通过自动执行训练中的各种步骤， 意味着数据科学家和领域专家可以为给定用例选择最佳模型。大多数重复且耗时的任务都可以通过 自动完成（见上文）。
可以帮助企业在投资之前以更快的速度获得对其数据的初步洞察 预测分析。如今，大多数云提供商（或云“超大规模提供商”）都将 作为其云产品的一部分。这些功能允许用户简单地上传他们 阿富汗电话号码数据 的数据集，只需单击几下，就可以部署经过训练的模型进行预测。然而，在大多数实际应用中，仍然需要解决机器学习的数据处理和准备问题。
让我们通过一个例子来更好地理解 如何提供帮助。
用例： 了解客户对产品的投诉并将其转发给相应的团队来解决。
当前场景： 假设您收到有关各种产品的投诉，这些投诉最终可能会降低客户满意度。目前，您有一个兼职团队负责手动查看这些投诉并将其转发给各自的部门。业务随着产品线的发展而增长，因此在合理的时间内为客户提供服务变得越来越困难。投诉通过公司门户、电子邮件、电话和推文传来，并不是每条收到的消息都是投诉。但您拥有由来自相应部门的反馈文本组成的数据。
潜在解决方案： 开发一个自动化组件来承担这项任务，加快流程以支持团队阅读消息并重定向消息。下图显示了当前场景和潜在的简化解决方案。