데이터 과학 프로젝트의 전체 라이프사이클(데이터 프리프로세싱, 시각화, 기계 학습, 모델링, 배포) 지원
사용자는 다양한 데이터 소스에서 데이터를 추출, 정제, 변환
자동화된 기계 학습 기능을 사용하여 모델을 구축하고 최적화가능
시각적인 워크플로우 인터페이스
다양한 프로그래밍 언어(Python, R, SQL 등)를 지원
협업 기능(데이터 및 코드 공유, 버전 관리, 주석 등)
적용분야
[금융, 헬스케어, 제조업, 마케팅 등의 분야에서 데이터 분석 및 예측 모델링에 활용], [온프레미스, 클라우드, 하이브리드 환경 등 모든 인프라 환경에 적용 가능], [데이터모델을 보유하고 있고 지속가능한 ML/AI Ops가 필요한 고객], [데이터 기반의 개발부터 활용까지 해당되는 다양한 사용자와 협업/공유가 필요한 영역]