媒体数据科学平台 & 科技公司

数据科学家和机器学习工程师很难找到和留住, 尤其是在科技行业，他们的平均任期只有两年. 公司花费大量的时间和资源来招募和雇佣数据科学家, 让他们跟上进度, 多年来一直努力留住他们.

互联网和科技公司的员工通常分布在世界各地, 这使得合作和知识转移更加困难. 在竖井中工作会拖累生产力，也更难理解谁在做什么. 合作受阻也让公司难以招募新人, 所以每个人都从头开始项目，因为他们无法找到或重新运行旧的工作. 缺乏信息和专业知识共享可能导致不同团队之间的工作重复，以及当关键人员离开公司时，机构知识的丢失.

与软件开发和BI等领域相比，数据科学和机器学习对基础设施的灵活性和可伸缩性的要求更高. 如果数据科学家/机器学习工程师不能使用他们想要的工具, 他们要么在本地机器上拼凑所需的东西(影子IT)，要么陷入困境, 放缓增长，导致沮丧和人员流失.

Domino使组织能够:

• 快速轻松地尝试新的工具/包.
• 像在本地机器上工作一样轻松地访问集中式资源.
• 避免被专有技术所束缚.

Domino提供了灵活性, 敏捷性, 数据科学和机器学习团队需要并支持动态工具环境的可伸缩性, 多样化的技能和偏好. 数据科学家和机器学习工程师可以在不配置和使用自己的计算资源的情况下进行探索性数据分析和模型开发. 他们可以在不需要工程师帮助的情况下，通过一次点击就启动高功率的工作空间.

Domino使数据科学和机器学习团队能够进行协作, 可再生的研究. 数据科学家和机器学习工程师获得了代码的自动再现性, 数据和环境配置. 他们可以发现, 繁殖, 并迭代之前的工作, 试验新技术，并在新数据出现时重新运行模型. 不同的团队成员可以共享, 在模型开发生命周期的每个阶段对项目进行评论和协作. 数据科学家和机器学习工程师可以在过去的知识基础上进行改进，而不是重新发明轮子.