Although its applications have spread beyond computer science field, the process of machine learning still has some challenges for both expert and novice users. Machine learning platform aims to automate and accelerate the delivery cycle of using machine learning techniques. The objective of this degree project is to generate a user-centred design for an input interface of a machine-learning platform. To answer the research question, there are three methods conducted sequentially: 1) interviews; 2) prototyping; and 3) design evaluation. From the initial interview, we concluded users’ problems and expectations into 11 initial design requirements that should be incorporated into our future platform. The prototype testing focused on checking and improving the functionalities, rather than the visual appearance of the product. Finally, in the design evaluation method, the research delivered design recommendations consisting of five implications: 1) start with a clear definition of the specific machine learning goal; 2) present states of machine learning with a straight-forward flow that promotes learning-opportunity; 3) enable two-way transitions between all states; 4) accommodate different users’ goals with multiple scenarios; and 5) provide expert users with more control to customize the models.

Trots att dess tillämpningar har spridit sig utöver datavetenskapliga fält, behöver utvecklingen av framgångsrik användning av maskininlärning fortfarande anspråkiga komplexa metoder. Maskininlärningsplattform syftar till att automatisera och påskynda leveranscykeln för att använda maskininlärningstekniker. Syftet med detta examensarbete är att generera en användarcentrerad design för ett ingångsgränssnitt för en maskininlärningsplattform. För att besvara forskningsfrågan finns det tre metoder som genomförs i följd: 1) intervjuer; 2) prototypning; och 3) designutvärdering. Från den första intervjun avslutade vi användarnas problem och förväntningar i 11 ursprungliga designkrav som bör integreras av vår framtida plattform. Prototyptesten fokuserade på att kontrollera och förbättra funktionaliteterna snarare än det visuella utseendet på produkten. Avslutningsvis, i designbedömningsmetoden, levererade forskningen designrekommendationer bestående av fem implikationer: 1) börja med en tydlig definition av maskininlärningsmålet; 2) nuvarande stater med ett rakt framåtflöde som främjar inlärningsmöjligheter; 3) möjliggöra tvåvägsövergångar mellan tillstånd; 4) Rymma olika användares mål med flera scenarier; och 5) ge experter användare mer kontroll.