자동 머신러닝 : 시장 점유율 분석, 산업 동향, 통계, 성장 예측(2025-2030년)
Automated Machine Learning - Market Share Analysis, Industry Trends & Statistics, Growth Forecasts (2025 - 2030)
상품코드
:
1692109
리서치사
:
Mordor Intelligence Pvt Ltd
발행일
:
2025년 03월
페이지 정보
:
영문
ㅁ Add-on 가능: 고객의 요청에 따라 일정한 범위 내에서 Customization이 가능합니다. 자세한 사항은 문의해 주시기 바랍니다.
ㅁ 보고서에 따라 최신 정보로 업데이트하여 보내드립니다. 배송기일은 문의해 주시기 바랍니다.
자동 머신러닝 시장 규모는 2025년에 25억 9,000만 달러, 2030년에는 159억 8,000만 달러에 달할 것으로 예측되고 있습니다. 예측 기간(2025-2030년)의 CAGR은 43.9%로 성장할 것으로 예상됩니다.
머신러닝(ML)은 인공지능(AI)의 한 분야로, 학습 알고리즘이 통계적 기법에 따라 분류 및 예측을 수행하고 데이터 마이닝 프로젝트에서 중요한 통찰력을 드러냅니다. 이러한 통찰력은 애플리케이션과 비즈니스에서 의사 결정을 촉진하고 이상적으로는 주요 성장 지표에 영향을 미칩니다. 이러한 솔루션은 알고리즘, 모델 및 계산 복잡성을 중심으로 배포되므로 숙련된 전문가가 개발해야 합니다.
주요 하이라이트
- 머신러닝(ML)은 필수 요소입니다. 반면에 고성능 머신러닝 용도를 구축하려면 고도로 전문화된 데이터 사이언스자와 도메인 전문가가 필요합니다. 자동 머신러닝(AutoML)은 상당한 통계나 머신러닝에 대한 지식 없이도 도메인 전문가가 머신러닝 용도을 자동으로 구축할 수 있게 함으로써 데이터 사이언스자의 요구를 줄이는 것을 목표로 합니다.
- IoT, 자동화, 클라우드 기반 서비스 채택이 증가함에 따라 시장 투자가 증가하고 있습니다. 이 솔루션을 통해 중소기업 및 기업은 데이터 품질, 보안, 안전성 및 머신러닝에 대한 대응력을 향상시키는 데 필요한 모든 것을 아웃소싱할 수 있어 데이터 사이언스 리소스를 고용하는 비용과 과제를 피할 수 있습니다. 이 서비스는 머신러닝 워크로드용으로 구축된 Calligo의 Data Insights Platform에서도 지원됩니다. 예를 들어, 2024년 1월 구글 클라우드와 허깅 페이스는 생성형 AI와 ML 개발을 가속화하는 전략적 파트너십을 발표했습니다. 이 제휴를 통해 개발자는 Google Cloud 인프라를 Hugging Face의 모든 서비스에 사용할 수 있으며 Google Cloud에서 Hugging Face 모델을 교육하고 제공할 수 있습니다.
- 페이스북이나 구글과 같이 사내 절차, 특히 ML 모델의 생성을 자동화하기 위해 AutoML로 이동하는 기업도 있습니다. 아시모는 페이스북의 AutoML 개발자로 현재 모델의 향상된 버전을 자동으로 생성합니다. Google은 또한 최적화 모델 발견 및 머신러닝 알고리즘 설계 프로세스를 자동화하는 AutoML 도구를 출시했습니다. Google은 'Cloud AutoML'을 발표했습니다. Cloud AutoML은 머신러닝(ML) 전문 지식이 부족한 기업이 Google 제품과 서비스를 강화하기 위한 고품질의 맞춤형 인공지능(AI) 모델을 구축할 수 있도록 하는 제품입니다. Cloud AutoML을 사용하면 기업 및 개발자가 이용 사례에 따라 맞춤형 비전 모델을 교육할 수 있습니다. 각 회사의 이러한 혁신이 시장을 견인합니다.
- AutoML 시장은 의료 분야에서의 응용과 조사 증가에 견인되어 큰 성장이 예상됩니다. AutoML이 환자의 치료와 의료 연구에 혁명을 가져오면서 의료 과제에 맞는 AI 주도 솔루션에 대한 수요가 급증하고 있습니다. AutoML은 모델 선택 및 피처 엔지니어링과 같은 복잡한 머신러닝 작업을 자동화하여 질병 진단, 치료 최적화, 의약품을 위한 예측 모델 개발을 효율화합니다.
- 머신러닝(ML)은 많은 용도에서 점점 더 많이 사용되고 있지만, 이러한 성장을 적절히 지원하려면 머신러닝 전문가를 늘려야 합니다. 자동 머신러닝(AutoML)의 목적은 머신러닝을 더 친숙하게 만드는 것입니다. 따라서 전문가들은 더 많은 머신러닝 시스템을 도입할 수 있어야 하고 AutoML을 사용할 때는 ML을 직접 사용하는 것보다 적은 전문 지식만 필요하다고 생각합니다. 그러나 기술의 채택은 여전히 심화되어야 하고 이는 시장 성장을 제약하는 요인으로 작용합니다.
- COVID-19 이후 기업은 비즈니스 프로세스 자동화에 지능형 솔루션을 활용하여 AI 채용이 증가했습니다. 이러한 추세는 향후 수년간 지속될 것으로 예상되며 조직 프로세스에서 AI의 채택이 더욱 촉진될 것입니다.
자동 머신러닝 시장 동향
BFSI 부문이 시장 성장을 견인
- 은행 및 금융서비스 및 보험(BFSI) 업계에서는 업무효율의 향상과 소비자 체험의 개선을 목적으로 AI와 ML기술의 채용이 진행되고 있습니다. 데이터의 주목도가 높아짐에 따라 머신러닝 BFSI 용도에 대한 수요가 증가하고 있습니다. 자동화된 머신러닝은 방대한 데이터, 합리적인 처리 능력, 경제적 스토리지로 정확하고 신속한 결과를 제공합니다.
- 또한 머신러닝(ML)을 활용한 솔루션은 지능형 프로세스 자동화를 통한 반복 업무 자동화, 채팅봇의 기업 생산성 향상, 사무처리 자동화, 직원 연수 게이미피케이션 등으로 금융회사가 수작업을 대체할 수 있게 합니다. 머신러닝은 금융 프로세스의 자동화에 활용될 것으로 예상됩니다.
- 유행 이후 금융 기관은 디지털 채널을 통해 고객과 접촉하고 지원하는 것에 대한 관심을 높였습니다. 채팅봇, 계좌 개설, 관리 지원, 기술 지원 등 다양한 디지털 솔루션이 금융 부문, 특히 Posh.Tech, Spixii 및 기타 수많은 기업은 현재 은행에 필수적인 고객 대응 기능을 촉진하도록 설계된 지능형 채팅봇을 제공합니다.
- HDFC 은행은 벵골을 기반으로 한 Senseforth AI Research가 구축한 AI 기반 채팅봇 'Eva'를 사용합니다. 올해 3월 발매 이래 Eva(Electronic Virtual Assistant의 약자)는 270만 건 이상의 고객의 문의에 대응해, 53만명 이상의 유니크 유저와 대화하고, 120만 건의 대화를 나누었습니다. 독일은행은 금융 분야에서 인공지능(AI)과 머신러닝(ML)의 이용을 가속화하기 위해 엔비디아와 여러 해에 걸친 혁신 파트너십을 맺었다고 발표했습니다.
- 은행은 위험 관리에 대한 압력이 높아지고 거버넌스 및 규제 요구 사항이 강화되는 동안 더 나은 고객 서비스를 제공하기 위해 서비스를 개선해야 합니다. 은행 사기 사건 증가로 AI와 ML의 도입이 진행될 것으로 예상됩니다. 일부 Fintech 브랜드는 사용 가능한 고객 데이터를 활용하고 고객의 요구가 어떻게 진화하는지, 어떤 사기 행위가 시스템을 공격 할 가능성이 가장 높은지, 어떤 서비스가 유익한지 등을 예측하기 위해 여러 채널에 걸쳐 다양한 용도에서 AI와 ML을 이용하고 있습니다.
- 2023년도 인도중앙은행(RBI)은 인도 전역에서 1만 3,000건 이상의 은행 사기 사건을 보고했는데 전년도에 비해 증가했습니다. 지난 10년간의 추세를 반전시켰습니다. 이러한 은행 사기 증가는 시장 수요를 더욱 증가시킬 수 있습니다.
북미가 큰 시장 점유율을 차지
- 북미는 선진기술에 대한 연방정부의 전략적 투자에 힘입어 세계에서 모이는 비전있는 과학자와 기업의 존재와 자동머신러닝(AutoML)의 개발을 추진하는 공인연구기관에 의해 보완된 견고한 혁신 생태계에 의해 시장에서 큰 점유율을 차지할 것으로 예상됩니다.
- 주정부와 지방정부를 포함한 다양한 정부는 엄청난 양의 시민 데이터를 다루고 있으며, 이전에는 종이에 저장되어 수동으로 처리되었습니다. 그러나 인공지능(AI)과 머신러닝 기술이 보다 신속하고 정확한 데이터 수집 및 처리 방법을 제공하게 되면 정부는 보다 복잡하고 장기적인 사회적·문화적 문제에 주력할 수 있게 됩니다. 또한, 연계형 ML의 상용 용도 증가가 AutoML 수요를 촉진할 것으로 예상됩니다.
- 캐나다 정부에 따르면 인공지능(AI) 기술은 캐나다 정부가 국민에게 서비스를 제공하는 방법을 강화할 것으로 기대되고 있습니다. 정부는 정부의 프로그램과 서비스에서 인공지능의 이용을 조사할 때 명확한 가치관, 윤리관, 규칙이 지침이 되는 것을 보증하고 있습니다.
- 미국이 AutoML의 패권을 확립하고자 하는 반면 캐나다도 이러한 개발을 위해 준비를 진행하고 있습니다. 예를 들어, ePayPolicy는 2023년 4월 보험 지불, 조합 제품군에 새롭게 추가된 Payables Connect를 발표했습니다. 이것은 ePay의 기존 통합 기술과 머신러닝 기술을 활용하여 지불 부채의 일치, 설계 및 지불을 완전히 자동화합니다.
- 캐나다는 여전히 다양한 산업에 자동 머신러닝을 도입하는 초기 단계에 있지만, 금융 분야의 자동화 요구가 증가하고 학생 교육에 대한 관심이 증가하는 등 여러 요인이 시장 성장을 가속할 것으로 예상됩니다.
- 이 지역의 AutoML 시장은 클라우드에 따라 변화하고 있습니다. 서버리스 컴퓨팅을 통해 제작자는 ML 용도을 신속하게 실행하고 실행할 수 있습니다. 예를 들어, AWS에 따르면 2023년 10월 미국의 클라우드 컴퓨팅 인프라 투자는 1,080억 달러를 초과했습니다.
- 또한, 다양한 규모의 많은 조직들이 기존의 비즈니스 형태에서 디지털 비즈니스 형태로 변화하고 있습니다. 이 혁신은 총 소유 비용(TCO) 감소, 높은 보안, 유연성, 민첩성 등의 이점을 제공하여 하이브리드 클라우드 시장을 창출하고 있습니다. IBM은 IT 리더의 89%가 비즈니스 크리티컬 워크로드를 클라우드로 마이그레이션할 전망이며, 디지털화의 진전이 모든 것을 이끌고 있다고 말합니다. 이러한 클라우드 솔루션의 확대는 이 지역 시장 성장을 더욱 촉진할 수 있습니다.
자동 머신러닝 산업 개요
세계의 자동 머신러닝 시장은 적당한 세분화를 보여주며, 많은 선수들이 시장 수요에 부응하고 있습니다. 경쟁은 신규 참가자의 유입에 의해 촉진되고 기존 참가자는 고객 기반을 확대하기 위한 전략을 고안하도록 촉구되고 있습니다. 이 역동적인 상황은 기존 시장 참가자가 최첨단 제품을 개발하려고 노력하기 때문에 기술 혁신에도 박차를 가하고 있습니다. 주목할만한 시장 리더로는 Datarobot Inc., Amazon Web Services Inc., dotData Inc., IBM Corporation, Dataiku 등이 있습니다.
- 2024년 2월 기술 서비스 및 컨설팅의 선도 기업인 위프로 리미티드는 위프로 엔터프라이즈 인공지능(AI) 레이디 플랫폼의 출시를 발표했습니다. Wipro Enterprise AI-Ready Platform은 watsonx.data, watsonx.ai, watsonx.ai를 포함한 IBM Watsonx AI 및 데이터 플랫폼을 활용합니다. 거버넌스와 AI 어시스턴트는 고객에게 AI 도입을 가속화하는 상호 운용 가능한 서비스를 제공합니다. 이 독특한 서비스는 도구, 대규모 언어 모델(LLM), 간소화된 프로세스, 강력한 거버넌스에 이르는 기능을 통해 업무를 강화합니다. 또한 watsonx.data와 AI에 구축되는 향후 엔터프라이즈 분석 솔루션의 기반을 구축합니다.
- 2024년 5월 Snapchat은 브랜드와 광고주가 사용자에게 대화형 경험을 제공하기 위해 개발된 최신 증강현실(AR) 및 머신러닝(ML) 도구 시리즈를 발표했습니다. 이 회사는 브랜드가 AR 시험 에셋을 더 빠르고 쉽게 만들 수 있도록 자동화 및 ML에 투자했습니다.
- 2023년 9월 후지쯔 주식회사와 Linux Foundation은 2023년 9월부터 스페인의 빌바오에서 개최되는 「오픈소스 서밋 유럽 2023」에 앞서, 후지쯔의 자동 머신러닝과 AI 공정 기술을 오픈소스 소프트웨어(OSS)로서 발표했습니다. 이 두 프로젝트는 독자적인 머신러닝 모델의 코드를 자동으로 생성하는 소프트웨어와 학습 데이터의 잠재적인 편향에 대처하는 기술에 대한 액세스를 사용자에게 제공할 것으로 기대되었습니다.
기타 혜택
- 엑셀 형식 시장 예측(ME) 시트
- 3개월간의 애널리스트 및 지원
목차
제1장 서론
제2장 조사 방법
제3장 주요 요약
제4장 시장 역학
- 시장 성장 촉진요인
- 효율적인 부정 감지 솔루션에 대한 수요 증가
- 지능형 비즈니스 프로세스에 대한 수요 증가
- 시장 성장 억제요인
- 업계 밸류체인 분석
- 업계의 매력 - Porter's Five Forces 분석
- 신규 참가업체의 위협
- 구매자의 협상력
- 공급기업의 협상력
- 대체품의 위협
- 경쟁 기업간 경쟁 관계의 강도
- 주요 거시 경제 동향이 시장에 미치는 영향
제5장 시장 세분화
- 솔루션별
- 오토메이션 유형별
- 최종 사용자별
- BFSI
- 소매 및 E-Commerce
- 헬스케어
- 제조업
- 기타 최종 사용자
- 지역별
제6장 경쟁 구도
- 기업 프로파일
- DataRobot Inc.
- Amazon web services Inc.
- dotData Inc.
- IBM Corporation
- Dataiku
- SAS Institute Inc.
- Microsoft Corporation
- Google LLC(Alphabet Inc.)
- H2O.ai
- Aible Inc.
제7장 투자 분석
제8장 시장의 미래
SHW
영문 목차
The Automated Machine Learning Market size is estimated at USD 2.59 billion in 2025, and is expected to reach USD 15.98 billion by 2030, at a CAGR of 43.9% during the forecast period (2025-2030).
Machine learning (ML) is a subfield of artificial intelligence (AI) that enables training algorithms to make classifications or predictions through statistical methods, uncovering critical insights within data mining projects. These insights drive decision-making within applications and businesses, ideally impacting key growth metrics. Skilled professionals must develop these solutions since they revolve around algorithms, models, and computational complexity.
Key Highlights
- Machine learning (ML) has become an essential component. On the other hand, building high-performance machine-learning applications necessitates highly specialized data scientists and domain experts. Automated machine learning (AutoML) aims to decrease data scientists' needs by allowing domain experts to automatically construct machine learning applications without considerable statistics and machine learning knowledge.
- Due to the increasing adoption of IoT, automation, and cloud-based services, investment in the market has been rising. The solution allows SMEs and enterprises to outsource everything needed to improve data quality, security, safety, and readiness for machine learning and avoid the cost and challenges of employing a data science resource. This service is also supported by Calligo's Data Insights Platform, which is purpose-built for machine learning workloads. For instance, in January 2024, Google Cloud and Hugging Face Announced a Strategic Partnership to Accelerate Generative AI and ML Development. This collaboration will allow developers to utilize Google Cloud's infrastructure for all Hugging Face services, enabling training and serving of Hugging Face models on Google Cloud.
- Some firms have shifted to AutoML to automate internal procedures, particularly the creation of ML models, such as Facebook and Google. Asimo is Facebook's AutoML developer, which automatically generates improved versions of current models. Google also released AutoML tools to automate the process of discovering optimization models and designing machine learning algorithms. Google launched "Cloud AutoML," a product that allows businesses with limited Machine Learning (ML) expertise to build high-quality, custom artificial intelligence (AI) models to enhance Google's products and services. "Cloud AutoML" lets businesses and developers train custom vision models for their use cases. Such innovations by the companies will drive the market.
- The AutoML market is expected to experience significant growth, driven by rising applications and research in the medical field. As AutoML revolutionizes patient care and medical research, there is a surge in demand for AI-driven solutions tailored to healthcare challenges. AutoML can automate complex machine learning tasks, such as model selection and feature engineering, to streamline the development of predictive models for illness diagnosis, treatment optimization, and drug discovery.
- Machine learning (ML) is increasingly used in many applications, but there needs to be more machine learning experts to support this growth adequately. With automated machine learning (AutoML), the purpose is to make machine learning more accessible. Therefore, experts should be able to deploy more machine learning systems, and less expertise would be required to work with AutoML than when working with ML directly. However, the adoption of technology still needs to be deeper, restraining the market's growth.
- The adoption of AI witnessed an increase post-COVID-19 as companies leveraged intelligent solutions for automating their business processes. This trend is anticipated to continue over the coming years, further driving the adoption of AI in organizational processes.
Automated Machine Learning Market Trends
The BFSI Segment is Driving Market Growth
- AI and ML technologies are increasingly adopted in the banking, financial services, and insurance (BFSI) industry to enhance operational efficiency and improve the consumer experience. As data gains more attention, the demand for machine learning BFSI applications grows. Automated machine learning can produce accurate and rapid results with enormous data, affordable processing power, and economical storage.
- Machine learning (ML)-powered solutions also enable finance firms to replace manual labor by automating repetitive operations through intelligent process automation, increasing corporate productivity for chatbots, paperwork automation, and employee training gamification, among others. Machine learning is expected to be used to automate financial processes.
- After the pandemic, financial institutions showed increased interest in reaching and assisting customers through digital channels. Various digital solutions, including chatbots, account opening and management support, and technical assistance, witnessed a surge in adoption within the finance sector, especially in fintech corporations like Posh. Tech, Spixii, and numerous others now provide intelligent chatbots designed to facilitate essential customer-facing functions for banks.
- HDFC Bank uses an AI-based chatbot, "Eva," built by Bengaluru-based Senseforth AI Research. Since its launch in March this year, Eva (which stands for Electronic Virtual Assistant) has addressed over 2.7 million client queries, interacted with over 530,000 unique users, and held 1.2 million conversations. Deutsche Bank announced a multi-year innovation partnership with NVIDIA to accelerate the use of artificial intelligence (AI) and machine learning (ML) in the finance sector.
- Banks must improve their services to offer better customer service with the rising pressure in managing risk and increasing governance and regulatory requirements. The rising number of bank fraud cases is expected to increase the adoption of AI and ML. Some fintech brands have been increasingly using AI and ML in different applications across multiple channels to leverage available client data and predict how customers' needs are evolving, which fraudulent activities have the highest possibility to attack a system, and what services will prove beneficial, among others.
- In FY 2023, the Reserve Bank of India (RBI) reported more than 13 thousand bank fraud cases across India, an increase compared to the previous year. It turned around the previous decade's trend. Such increases in bank fraud may further generate market demand.
North America to Hold a Significant Market Share
- North America is expected to hold a substantial share of the market owing to the robust innovation ecosystem, fueled by strategic federal investments into advanced technology, complemented by the existence of visionary scientists and entrepreneurs coming together from across the world and recognized research institutions, driving the development of automated machine learning (AutoML).
- Various governments, including state and local governments, handle enormous quantities of citizen data, which used to be stored on paper and processed manually. However, as artificial intelligence (AI) and machine learning technologies provide faster and more accurate data-gathering and processing methods, governments can focus on more complex and long-term social and cultural issues. Further, an increase in commercial applications for federated ML is expected to drive the demand for AutoML.
- According to the Government of Canada, artificial intelligence (AI) technologies promise to enhance how the Canadian government serves its citizens. As the government investigates the usage of artificial intelligence in government programs and services, it ensures that clear values, ethics, and rules guide it.
- While the United States is trying to establish AutoML supremacy, Canada is also gearing up for such developments. For instance, in April 2023, ePayPolicy launched Payables Connect, the latest addition to its insurance payment and reconciliation products suite. It leverages ePay's existing integration and machine learning technology to automate the reconciliation, design, and payment of due payables completely.
- Though Canada is still in the initial phase of deploying automated machine learning across various industries, some factors, including the rising need to automate the finance sector and the emerging educational interest among students, are expected to drive market growth.
- The region's AutoML market is changing due to the cloud; serverless computing allows creators to get ML applications up and running quickly. For instance, in October 2023, according to AWS, US cloud computing infrastructure investment exceeded USD 108 billion.
- Moreover, many organizations of different sizes are transforming from traditional to digital modes of business. This transformation creates a hybrid cloud market because of the benefits, like reduced total cost of ownership (TCO), high security, flexibility, and agility. IBM stated that 89% of IT leaders are expected to move business-critical workloads to the cloud, and the growth in digitization drives all. Such expansion in cloud solutions may further propel the market's growth in the region.
Automated Machine Learning Industry Overview
The global automated machine learning market exhibits moderate fragmentation, with numerous players meeting market demands. The competition is driven by the influx of new entrants, prompting existing participants to devise strategies for expanding their customer base. This dynamic landscape also spurs innovation as existing market players strive to develop cutting-edge products. Notable market leaders include Datarobot Inc., Amazon Web Services Inc., dotData Inc., IBM Corporation, and Dataiku.
- February 2024: Wipro Limited, a significant technology services and consulting corporation, announced the launch of Wipro Enterprise Artificial Intelligence (AI)-Ready Platform, a new service allowing clients to create enterprise-level, fully integrated, and customized AI environments. The Wipro Enterprise AI-Ready Platform leverages the IBM Watsonx AI and data platform, including watsonx.data, watsonx.ai, and watsonx. Governance and AI assistants offer clients an interoperable service that accelerates AI adoption. This unique service enhances operations with capabilities spanning tools, large language models (LLMs), streamlined processes, and strong governance. It also lays the foundation for future enterprise analytic solutions to be built on watsonx.data and AI.
- May 2024: Snapchat announced a series of the latest augmented reality (AR) and machine learning (ML) tools developed to help brands and advertisers provide users with interactive experiences. The company had been investing in automation and ML to make it faster and easier for brands to create AR try-on assets.
- September 2023: Fujitsu Limited and the Linux Foundation announced the launch of Fujitsu's automated machine learning and AI fairness technologies as open-source software (OSS) ahead of the "Open Source Summit Europe 2023," running in Bilbao, Spain, from September 2023. The two projects were expected to offer users access to software that automatically generates code for unique machine-learning models and a technology that addresses latent biases in training data.
Additional Benefits:
- The market estimate (ME) sheet in Excel format
- 3 months of analyst support
TABLE OF CONTENTS
1 INTRODUCTION
- 1.1 Study Assumptions and Market Definition
- 1.2 Scope of the Study
2 RESEARCH METHODOLOGY
3 EXECUTIVE SUMMARY
4 MARKET DYNAMICS
- 4.1 Market Drivers
- 4.1.1 Increasing Demand for Efficient Fraud Detection Solutions
- 4.1.2 Growing Demand for Intelligent Business Processes
- 4.2 Market Restraints
- 4.2.1 Slow Adoption of Automated Machine Learning Tools
- 4.3 Industry Value Chain Analysis
- 4.4 Industry Attractiveness - Porter's Five Forces Analysis
- 4.4.1 Threat of New Entrants
- 4.4.2 Bargaining Power of Buyers
- 4.4.3 Bargaining Power of Suppliers
- 4.4.4 Threat of Substitute Products
- 4.4.5 Intensity of Competitive Rivalry
- 4.5 Impact of Key Macroeconomic Trends on the Market
5 MARKET SEGMENTATION
- 5.1 By Solution
- 5.1.1 Standalone or On-Premise
- 5.1.2 Cloud
- 5.2 By Automation Type
- 5.2.1 Data Processing
- 5.2.2 Feature Engineering
- 5.2.3 Modeling
- 5.2.4 Visualization
- 5.3 By End User
- 5.3.1 BFSI
- 5.3.2 Retail and E-Commerce
- 5.3.3 Healthcare
- 5.3.4 Manufacturing
- 5.3.5 Other End Users
- 5.4 By Geography
- 5.4.1 North America
- 5.4.1.1 United States
- 5.4.1.2 Canada
- 5.4.2 Europe
- 5.4.2.1 United Kingdom
- 5.4.2.2 Germany
- 5.4.2.3 France
- 5.4.2.4 Rest of Europe
- 5.4.3 Asia-Pacific
- 5.4.3.1 China
- 5.4.3.2 Japan
- 5.4.3.3 South Korea
- 5.4.3.4 Rest of Asia-Pacific
- 5.4.4 Rest of the World
6 COMPETITIVE LANDSCAPE
- 6.1 Company Profiles
- 6.1.1 DataRobot Inc.
- 6.1.2 Amazon web services Inc.
- 6.1.3 dotData Inc.
- 6.1.4 IBM Corporation
- 6.1.5 Dataiku
- 6.1.6 SAS Institute Inc.
- 6.1.7 Microsoft Corporation
- 6.1.8 Google LLC (Alphabet Inc.)
- 6.1.9 H2O.ai
- 6.1.10 Aible Inc.
7 INVESTMENT ANALYSIS
8 FUTURE OF THE MARKET
관련자료
