译者 | 张怡
审校 | 梁策 孙淑娟
1.如何成为一个ido?ido(insight-driven organization)指洞察力驱动(以信息为导向)的组织。要成为一个ido，首先需要数据以及操作和分析数据的工具;其次是具有适当经验的数据分析师或数据科学家;最后还需要找到一种技术或者方法，从而在整个公司实施洞察力驱动的决策过程。
机器学习是能最大限度发挥数据优势的技术。ml流程首先使用数据训练预测模型，训练成功之后来解决与数据相关的问题。其中，人工神经网络是最有效的技术，它的设计源自我们目前对人类大脑工作方式的理解。考虑到人们目前拥有的巨大计算资源，它通过大量数据训练可以产生令人难以置信的模型。
企业可以使用各种自助化软件和脚本完成不同的任务，从而避免人为错误的情况。同样，你也完全可以基于数据进行决策来避免当中的人为错误。
2.为什么企业在采用人工智能方面进展缓慢?使用人工智能或机器学习来处理数据的企业仅是少数。美国人口普查局(us census bureau)表示，截至2020年，只有不到10%的美国企业采用了机器学习(主要是大公司)。
采用ml的障碍包括：
人工智能在取代人类之前还有大量工作尚未完成。首先是许多企业缺乏且请不起专业人员。数据科学家在这一领域备受推崇，但他们的雇佣成本也是最高的。缺乏可用数据、数据安全性以及耗时的ml算法实现。企业很难创造一个环境，从而让数据及其优势得到发挥。这种环境需要相关的工具、过程和策略。3.机器学习的推广只有自动ml(automl)工具是不够的自动ml平台虽然有着很光明的未来，但其覆盖面目前还相当有限，同时关于自动ml能否很快取代数据科学家的说法也有争论。
如果想要在公司成功部署自助化机器学习，automl工具确实是至关重要的，但过程、方法和策略也必须重视。automl平台只是工具，大多数ml专家认为这是不够的。
4.分解机器学习过程
任何ml进程都从数据开始。人们普遍认为，数据准备是ml过程中最重要的环节，建模部分只是整个数据管道的一部分，同时通过automl工具得到简化。完整的工作流仍需要大量的工作来转换数据并将其提供给模型。数据准备和数据转换可谓工作中最耗时、最令人不愉快的部分。
此外，用于训练ml模型的业务数据也会定期更新。因此，它要求企业构建能够掌握复杂的工具和流程的复杂etl管道，因此确保ml流程的连续和实时性也是一项具有挑战性的任务。
5.将ml与应用程序集成假设现在我们已经构建了ml模型，然后需要将其部署。经典的部署方法将其视为应用层组件，如下图所示：
它的输入是数据，输出是我们得到的预测。通过集成这些应用程序的api来使用ml模型的输出。仅从开发者的角度来看，这一切似乎很容易，但在考虑流程时就不是那么回事了。在一个庞大的组织中，与业务应用程序的任何集成和维护都相当麻烦。即使公司精通技术，任何代码更改请求都必须通过多级部门的特定审查和测试流程。这会对灵活性产生负面影响，并增加整个工作流的复杂性。
如果在测试各种概念和想法方面有足够的灵活性，那么基于ml的决策就会容易得多，因此人们会更喜欢具有自助服务功能的产品。
6.自助机器学习/智能数据库?正如我们上面看到的，数据是ml进程的核心，现有的ml工具获取数据并返回预测结果，而这些预测也是数据的形式。
现在问题来了：
为什么我们要把ml作为一个独立的应用程序，并在ml模型、应用程序和数据库之间实现复杂的集成呢?为什么不让ml成为数据库的核心功能呢?为什么不让ml模型通过标准的数据库语法(如sql)可用呢?让我们分析上述问题及其面临的挑战，从而找到ml解决方案。
挑战#1：复杂的数据集成和etl管道维护ml模型和数据库之间的复杂数据集成和etl管道，是ml流程面临的最大挑战之一。
sql是极佳的数据操作工具，所以我们可以通过将ml模型引入数据层来解决这个问题。换句话说，ml模型将在数据库中学习并返回预测。
挑战#2：ml模型与应用程序的集成通过api将ml模型与业务应用程序集成是面临的另一个挑战。
业务应用程序和bi工具与数据库紧密耦合。因此，如果automl工具成为数据库的一部分，我们就可以使用标准sql语法进行预测。接下来，ml模型和业务应用程序之间不再需要api集成，因为模型驻留在数据库中。
解决方案：在数据库中嵌入automl在数据库中嵌入automl工具会带来很多好处，比如：
任何使用数据并了解sql的人(数据分析师或数据科学家)都可以利用机器学习的力量。软件开发人员可以更有效地将ml嵌入到业务工具和应用程序中。数据和模型之间以及模型和业务应用程序之间不需要复杂的集成。这样一来，上述相对复杂的集成图表变更如下：
它看起来更简单，也使ml过程更流畅高效。
7.如何实现自助式ml将模型作为虚拟数据库表找到解决方案的下一步是来实施它。
为此，我们使用了一个叫做ai tables的结构。它以虚拟表的形式将机器学习引入数据平台。它可以像其他数据库表一样创建，然后向应用程序、bi工具和db客户端开放。我们通过简单地查询数据来进行预测。
ai tables最初由mindsdb开发，可以作为开源或托管云服务使用。他们集成了传统的sql和nosql数据库，如kafka和redis。
8.使用ai tablesai tables的概念使我们能够在数据库中执行ml过程，这样ml过程的所有步骤(即数据准备、模型训练和预测)都可以通过数据库进行。
训练ai tables首先，用户要根据自己的需求创建一个ai table，它类似于一个机器学习模型，包含了与源表的列等价的特征;然后通过automl引擎自助完成剩余的建模任务。后文还将举例说明。
做预测一旦创建了ai table，它不需要任何进一步的部署就可以使用了。要进行预测，只需要在ai table上运行一个标准sql查询。
你可以逐个或分批地进行预测。ai tables可以处理许多复杂的机器学习任务，如多元时间序列、检测异常等。
9.ai tables工作示例对于零售商来说，在适当的时间保证产品都有适当的库存是一项复杂的任务。当需求增长时，供给随之增加。基于这些数据和机器学习，我们可以预测给定的产品在给定的日期应该有多少库存，从而为零售商带来更多收益。
首先你需要跟踪以下信息，建立一张ai table：
产品售出日期(date_of_sale)产品售出店铺(shop)具体售出产品(product_code)产品售出数量(amount)如下图所示：
（1）训练ai tables要创建和训练ai tables，你首先要允许mindsdb访问数据。详细说明可参考mindsdb文档( mindsdb documentation)。
ai tables就像ml模型，需要使用历史数据来训练它们。
下面使用一个简单的sql命令，训练一个aitable：
让我们分析这个查询：
使用mindsdb中的create predictor语句。根据历史数据定义源数据库。根据历史数据表(historical_table)训练ai table，所选列(column_1和column_2)是用来进行预测的特征。automl自动完成剩下的建模任务。mindsdb会识别每一列的数据类型，对其进行归一化和编码，并构建和训练ml模型。同时，你可以看到每个预测的总体准确率和置信度，并估计哪些列(特征)对结果更重要。
在数据库中，我们经常需要处理涉及高基数的多元时间序列数据的任务。如果使用传统的方法，需要相当大的力气来创建这样的ml模型。我们需要对数据进行分组，并根据给定的时间、日期或时间戳数据字段对其进行排序。
例如，我们预测五金店卖出的锤子数量。那么，数据按商店和产品分组，并对每个不同的商店和产品组合作出预测。这就给我们带来了为每个组创建时间序列模型的问题。
这听起来工程浩大，但mindsdb提供了使用group by语句创建单个ml模型，从而一次性训练多元时间序列数据的方法。让我们看看仅使用一个sql命令是如何完成的：
创建的stock_forecaster预测器可以预测某个特定商店未来将销售多少商品。数据按销售日期排序，并按商店分组。所以我们可以为每个商店预测销售金额。
（2）批量预测通过使用下面的查询将销售数据表与预测器连接起来，join操作将预测的数量添加到记录中，因此我们可以一次性获得许多记录的批量预测。
如想了解更多关于在bi工具中分析和可视化预测的知识，请查看这篇文章。
（3）实际运用传统方法将ml模型视为独立的应用程序，需要维护到数据库的etl管道和到业务应用程序的api集成。automl工具尽管使建模部分变得轻松而直接，但完整的ml工作流也仍然需要经验丰富的专家管理。其实数据库已经是数据准备的优选工具，因此将ml引入到数据库而非将数据引入ml中是更有意义的。由于automl工具驻留在数据库中，来自mindsdb的ai tables构造能够为数据从业者提供自助automl并让机器学习工作流得以简化。
原文链接：https://dzone.com/articles/self-service-machine-learning-with-intelligent-dat
译者介绍张怡，51cto社区编辑，中级工程师。主要研究人工智能算法实现以及场景应用，对机器学习算法和自动控制算法有所了解和掌握，并将持续关注国内外人工智能技术的发展动态，特别是人工智能技术在智能网联汽车、智能家居等领域的具体实现及其应用。
以上就是​基于智能数据库的自助式机器学习的详细内容。