사용자가 모델 빌드 프로세스를 시작하기 전에 데이터를 파악할 수 있도록 가장 관련성이 높은 데이터 통계를 토대로 데이터 도표를 자동 작성합니다. 이러한 도표는 초대형 데이터 세트의 구성을 더 자세히 파악하고 추세와 발생 가능한 문제 (예: 모델링 결과에 영향을 줄 수 있는 대량의 누락 값 또는 중요한 이상치)를 확인하려는 데이터 과학자와 데이터 엔지니어에게 유용합니다. 신뢰도와 투명성이 높은 결과를 제공하므로 AI 도입률이 높아질 뿐 아니라 기업의 정부 규정 준수에도 도움이 됩니다.

숙련된 데이터 과학자는 피처 엔지니어링을 통해 알고리즘에서 가장 정확한 결과를 추출합니다. H2O Driverless AI는 알고리즘 및 피처 변환 라이브러리를 활용해 지정된 데이터세트용으로 높은 값의 신규 피처를 자동으로 엔지니어링 합니다. 인터페이스에는 원래의 피처와 새로 엔지니어링 된 피처의 중요도를 보여주는 쉽게 읽을 수 있는 변수 중요도 차트가 포함되어 있습니다.

H2O Driverless AI는 머신 러닝 기법과 결과를 정확하게 해석하는 기능을 제공합니다. MLI 보기에서는 K-LIME, 변수 중요도, 결정 트리, 부분 종속성의 4개 차트가 자동 생성됩니다. 각 차트에서 모델링 기법과 결과를 더 면밀하게 탐색할 수 있습니다. 규제 기관이나 고객에게 모델을 설명해야 하는 경우 이러한 기법들이 반드시 필요합니다.

H2O Driverless AI는 Python 스코어링 파이프라인과 대기 시간이 매우 짧은 새 자동 스코어링 파이프라인을 자동 생성합니다. 새 자동 스코어링 파이프라인은 어디서나 구축 가능한 프로덕션 시스템 사용 가능 Java 코드에서 모든 피처 엔지니어링 및 최종 선택된 머신 러닝 모델을 구축하는 고유한 기술입니다. 이 Java 코드는 고도로 최적화되어 있으므로 실행 시 대기 시간도 매우 짧습니다. 다양한 디바이스에서 실행되는 실시간 애플리케이션용으로 초고속 스코어링 기능이 필요한 모델을 실행하는 기업은 이 기술을 반드시 활용해야 합니다.