제품 소개
DataRobot은 데이터 준비부터 모델 학습, 배포, 모니터링까지 전 과정을 자동화하는 엔터프라이즈 AI/ML 플랫폼입니다. 비데이터사이언티스트도 AI 모델을 빠르게 만들 수 있습니다.
주요 기능
연동 서비스
회사 정보
이 제품의 벤더이신가요?
소유권을 인증하고 제품 정보를 관리하세요.
조은별
콘텐츠 마케터 · 미디어허브
2024년 11월 25일
AutoML로 데이터팀 없이도 AI 모델을 만들었습니다
👍 장점
데이터 업로드 후 몇 번의 클릭만으로 머신러닝 모델이 완성되어 데이터 사이언티스트 없이도 예측 모델을 운영에 도입할 수 있었습니다. 모델 설명 가능성(Explainability) 기능으로 비즈니스 의사결정자에게 AI 결과를 납득시키기 쉬웠습니다.
👎 단점
고급 커스터마이징이 필요하면 결국 데이터 사이언티스트가 필요합니다. 비용이 상당히 높아 중소기업에게는 ROI를 검증하기 어렵고, 특정 문제 유형에서는 오픈소스 라이브러리를 직접 사용하는 것이 더 나은 결과를 내기도 합니다.
💬 벤더 답변
소중한 리뷰 감사합니다. 말씀하신 개선 사항은 다음 업데이트에 반영할 예정입니다.
이지은
데이터 엔지니어 · 데이터팩토리
2024년 6월 17일
SageMaker로 MLOps 파이프라인을 구축했습니다
👍 장점
AWS 생태계와 완벽하게 통합되어 데이터 수집부터 모델 배포, 모니터링까지 하나의 AWS 환경에서 구성할 수 있습니다. Feature Store와 Model Registry로 ML 팀의 협업 효율이 올랐고, 배포 후 모델 드리프트 감지로 품질 유지가 용이합니다.
👎 단점
서비스 종류와 설정 옵션이 너무 많아 처음엔 압도당하는 느낌입니다. 과금 구조가 복잡하고 여러 서비스를 함께 쓰면 비용 추적이 어렵습니다. AWS 외 환경에서 사용하거나 멀티클라우드 환경에서는 제약이 있습니다.
신서현
분석가 · 데이터드리븐
2025년 7월 7일
AutoML로 데이터팀 없이도 AI 모델을 만들었습니다
👍 장점
데이터 업로드 후 몇 번의 클릭만으로 머신러닝 모델이 완성되어 데이터 사이언티스트 없이도 예측 모델을 운영에 도입할 수 있었습니다. 모델 설명 가능성(Explainability) 기능으로 비즈니스 의사결정자에게 AI 결과를 납득시키기 쉬웠습니다.
👎 단점
고급 커스터마이징이 필요하면 결국 데이터 사이언티스트가 필요합니다. 비용이 상당히 높아 중소기업에게는 ROI를 검증하기 어렵고, 특정 문제 유형에서는 오픈소스 라이브러리를 직접 사용하는 것이 더 나은 결과를 내기도 합니다.
임하늘
프로덕트 매니저 · 앱팩토리
2024년 12월 12일
SageMaker로 MLOps 파이프라인을 구축했습니다
👍 장점
AWS 생태계와 완벽하게 통합되어 데이터 수집부터 모델 배포, 모니터링까지 하나의 AWS 환경에서 구성할 수 있습니다. Feature Store와 Model Registry로 ML 팀의 협업 효율이 올랐고, 배포 후 모델 드리프트 감지로 품질 유지가 용이합니다.
👎 단점
서비스 종류와 설정 옵션이 너무 많아 처음엔 압도당하는 느낌입니다. 과금 구조가 복잡하고 여러 서비스를 함께 쓰면 비용 추적이 어렵습니다. AWS 외 환경에서 사용하거나 멀티클라우드 환경에서는 제약이 있습니다.
최준호
재무 팀장 · 스타트핀
2026년 2월 11일
SageMaker로 MLOps 파이프라인을 구축했습니다
👍 장점
AWS 생태계와 완벽하게 통합되어 데이터 수집부터 모델 배포, 모니터링까지 하나의 AWS 환경에서 구성할 수 있습니다. Feature Store와 Model Registry로 ML 팀의 협업 효율이 올랐고, 배포 후 모델 드리프트 감지로 품질 유지가 용이합니다.
👎 단점
서비스 종류와 설정 옵션이 너무 많아 처음엔 압도당하는 느낌입니다. 과금 구조가 복잡하고 여러 서비스를 함께 쓰면 비용 추적이 어렵습니다. AWS 외 환경에서 사용하거나 멀티클라우드 환경에서는 제약이 있습니다.