全站搜索
首页_赢咖4星辉-官方注册地址
首页_赢咖4星辉-官方注册地址
赢咖4数据是从机器学习模型中获取可行见解时最关键的问题对AI人才的需求依旧很高
作者:管理员    发布于:2021-03-17 09:59    文字:【】【】【

  chnology的一项新调查,大多数公司都在努力制定可行的人工智能策略。这项调查赢咖4包括制造业,金融,零售,政府和医疗保健等各个行业的1,870个组织,该调查表明,只有20%的公司拥有成熟的

  将机器学习模型应用于实际应用程序的好处包括更低的成本、更高的精度、更好的客户体验以及新功能。并且,正如许多组织和公司正在学习的那样,在将机器学习的力量应用于您的业务和运营之前,您必须克服几个障碍。

  公司将AI技术集成到其运营中时面临的三个关键挑战是技能,数据和策略领域,Rackspace的调查清楚地说明了大多数机器学习策略为何失败的原因。

  机器学习模型以计算资源和数据为基础。得益于各种云计算平台,对训练和运行AI模型所需的硬件的访问变得更加容易获得和负担得起。

  在Rackspace调查中,有34%的受访者表示数据质量差是机器学习研发失败的主要原因,另有31%的受访者表示他们缺乏可用于生产的数据。

  这凸显了将机器学习技术应用于现实问题时的主要障碍之一。尽管AI研究社区可以访问许多公共数据集来培训和测试其最新的机器学习技术,但要将这些技术应用于实际应用程序时,要获得高质量的数据并不容易。在工业,卫生和政府部门中尤其如此,在这些部门中,数据通常很少或受到严格的监管。

  当机器学习计划从研究阶段转移到生产阶段时,数据问题再次出现。在使用机器学习来提取有价值的见解方面,数据质量仍然是最大的障碍。数据工程问题也带来了一个严重的问题,例如数据孤岛,缺乏连接不同数据源的人才以及不够快地以有意义的方式处理数据。

  RackspaceTechnology的首席技术官杰夫·德维尔特(JeffDeVerter)表示,尽管规模似乎是两者之间的关键区别,但初创企业和成熟公司都面临数据问题。初创企业往往受制于并非所有正确的资源来实施高质量的数据管道,并随着时间的流逝不断地对其进行管理。企业通常拥有规模,而随之而来的是严格的要求。

  公司应对AI策略的数据挑战的最佳方法是对其数据基础架构进行全面评估。消除孤岛应该成为每个机器学习计划中的关键优先事项。公司还应具有清理数据的正确程序,以提高其机器学习模型的准确性和性能。

  对于大多数公司而言,第二个难题是获取机器学习和数据科学人才。根据Rackspace的调查,缺乏内部专业知识是导致机器学习研发计划失败的第二大原因。招聘中缺乏技能和困难也是采用AI技术的主要障碍。

  机器学习和深度学习直到最近才在生产环境中得到主流使用,因此许多较小的公司没有可以开发AI模型的数据科学家和机器学习工程师。

  数据科学家和机器学习工程师的平均薪水与经验丰富的软件工程师的薪水相称,这使得许多公司很难组建一支能够领导其AI计划的才华横溢的团队。

  尽管众所周知,机器学习和数据科学人才的短缺,但没有引起人们注意的一件事是需要更多的数据工程师,建立,维护和更新数据库,数据仓库和数据湖的人员。根据Rackspace的数据,许多计划失败了,因为公司没有足够的能力来调整其数据基础结构以用于机器学习。严重缺乏公司的一些领域是:打破孤岛、迁移到云、建立Hadoop集群以及创建可以利用不同平台的功能的混合系统。这些缺点使他们无法在公司范围内部署机器学习计划。

  随着新的机器学习和数据科学工具的发展,人才问题已变得不那么严重。谷歌,微软和亚马逊已经推出了平台,使开发机器学习模型变得更加容易。一个示例是Microsoft的Azure机器学习服务,该服务提供具有拖放组件的可视界面,使无需编码即可轻松创建ML模型。另一个例子是Google的AutoML,它可以自动完成繁琐的超参数调整过程。尽管这些工具不能代替机器学习人才,但它们为想要进入该领域的人们降低了障碍,并使许多公司能够重新培养其在这些不断发展的领域中的技术人才。

  内部数据科学人才的匮乏不再是障碍,因为现在越来越多的服务可以使用他们自己的ML来帮助这方面,以及拥有这些人才的咨询公司。

  该领域的其他发展是云存储和分析平台的发展,它极大地降低了创建创建和运行AI系统所需的无缝数据基础架构的复杂性。一个例子就是Google的BigQuery,这是一个基于云的数据仓库,可以轻松地对存储在各种来源中的大量数据进行查询。

  我们还看到机器学习工具中的兼容性和集成功能正在不断增强,这将使组织更轻松地将ML工具集成到其现有软件和数据生态系统中。

  在进入AI计划之前,每个组织都必须对内部人才,可用工具和集成可能性进行全面评估。知道您可以依靠自己的工程师多少以及雇用人才将花费多少,这将成为机器学习计划成败的决定性因素。另外,请考虑是否需要重新技能。如果您可以提高工程师的技能以从事数据科学和机器学习项目,那么从长远来看,您会更好。

  近年来增长的另一个趋势是AI计划的外包。在Rackspace调查中,只有38%的受访者依靠内部人才来开发AI应用程序。其余的要么完全外包他们的AI项目,要么雇用内部和外包人才。

  现在有几家公司专门研究和实施AI策略。一个例子是C3.ai,这是一家专门从事多个行业的AI解决方案提供商。C3.ai在诸如Amazon,Microsoft和Google之类的现有云提供商之上提供AI工具。该公司还提供AI咨询和专业知识,以逐步引导客户完成战略制定和实施阶段。

  根据Rackspace的报告,成熟的提供商可以随着时间的推移从战略到实施再到维护和支持带来一切。策略可以避开AI和机器学习工作可能失去动力或变得复杂的领域。动手专家还可以使组织免于清理和维护的麻烦。这些专业知识加在一起,可以为最终取得成功发挥一切作用。

  但是,值得注意的是,将组织的AI战略完全移交给外部提供商可能是一把双刃剑。成功的策略需要AI专家与实施该策略的公司的主题专家之间的密切合作。

  这与转向DevOps开发方法并试图将整个开发外包的公司非常相似。DevOps要求开发人员,业务分析师和业务中的其他人员之间保持紧密的合作关系。以同样的方式,人工智能项目不仅需要战略和技术专长,而且还需要与企业以及领导层建立紧密的合作伙伴关系。

  必须精心完成外包AI人才的工作。尽管它可以加快开发和实施AI策略的过程,但您必须确保专家完全参与该过程。理想情况下,当您与外部专家一起工作时,您应该能够建立自己的内部数据科学家和机器学习工程师团队。

  最后,另一个使从事AI之旅的公司感到痛苦的领域是预测AI策略的结果和价值。鉴于机器学习在许多领域都是新的应用,因此很难预先知道AI策略将计划和实施多长时间以及投资回报率是多少。反过来,在获得对AI计划的支持时,组织的创新者很难让其他人参与进来。

  在Rackspace调查的受访者中,有18%的人认为缺乏明确的业务案例是采用AI策略的主要障碍。高管人员缺乏承诺也是最大的障碍之一。缺乏用例和高级管理层的承诺再次出现在机器学习过程中的主要挑战中。

  AI通常会四处寻找解决方案,以寻找组织内部的问题。我相信这是在组织内部广泛采用的最大障碍之一。由于AI从业人员可以展示有关AI如何使他们的特定公司受益的实际示例-领导力将进一步为这些活动提供资金。像任何企业一样,领导者需要知道它将如何帮助他们省钱或赚钱。

  评估AI计划的结果非常困难。根据调查,衡量AI计划成功与否的前两个关键绩效指标(KPI)是利润率和收入增长。可以理解,这种对快速利润的关注部分是由于AI计划的高成本。根据Rackspace的调查,组织平均每年在AI计划上花费106万美元。

  但是,尽管良好的AI计划可以带来收入增长和更低的成本,但在许多情况下,机器学习的长期价值在于开发新的用例和产品。

  如果短期财务收益与那些可以由这些短期收益提供资金的长期战略不匹配,则可能是近视的。

  如果您负责组织中的AI计划,请确保清楚地列出AI策略的用例,成本和收益。决策者应清楚了解其公司将要开展的工作。他们应该了解投资人工智能的短期利益,但他们也应该知道从长远来看会获得什么。

  Maxim三款新基础模拟IC 可延长消费类、工业、医疗健康及IoT设计的有效电池寿命

  MAX17227A和MAX17291升压转换器及MAX38911 LDO大幅缩减电池供电设备的尺寸,....

  中国科学院《互联网周刊》颁布“2020年度产品”奖项,快商通AI智能客服机器人凭借着自身优异的产品特....

  课程以“开拓学术视野,培养创新思维,提升创新能力、研究能力和实践能力”为指导思想,突出课程的创新性、....

  机器人的发明、研究及应用实践是以科学研究和社会生产为需求的,进入到教育是其领域的扩大与发展。但是,由....

  作为中国AI的“头雁”,百度始终都在基于自身优势,在AI核心技术积累、前沿技术探索方面持续深耕。同时....

  用于销售预测的历史数据存在稀疏性与波动性等特点,当预测周期较长时,传统统计学或者机器学习领域预测算法....

  【芯闻精选】LG 化学电池部门否认 IPO 传闻;百度确认 AI 芯片昆仑业务完成新一轮融资,估值 20 亿美元…

  3 月 15 日,LG 能源解决方案公司回应 “计划 7 月或 8 月进行 IPO”一事:这是 “不....

  在机器学习中,生成式对抗网络的应用非常多,其最主要的用途就是生成我们想要的数据。

  矽典微专注于小尺寸、低功耗和高性价比的智能化毫米波传感器SoC,高度匹配AIoT应用。

  在Zoom最近的财报中显示,其第三季度总营收7.772亿美元,同比增长367%;服务员工数大于10人....

  不知道大家是否还记得谷歌神经网络是如何辨别猫和狗的?人工智能和人不同,一个小孩见了几次猫以后他就知道....

  医疗保健行业内机器学习应用的目标一般是增强临床理解与改善患者护理。具体来说,越来越多的研究都将重点放....

  为探索现代化能源大系统建设对长三角地区经济社会发展的推动作用,本文运用模型预测与定性分析相结合的研究....

  能源大系统是一个复杂系统,包括能源的采集、生产、加工、转换、运输、交易、分配、储存、使用以及环境保护....

  近日,上交所官网显示,旷视科技在科创板上市申请已获受理。 根据招股书,旷视科技本次拟募集资金60亿元....

  知名家谱网站 MyHeritage 近日推出了一项基于人工智能的照片增强工具,能够为老照片中的人创建....

  Sankara Eye Foundation和总部位于新加坡的Leben Care正在印度部署名为N....

  微软今天宣布,“背景模糊”功能现已可用于“大多数台式机和带有最新版Skype的笔记本电脑”。未来,无....

  3月10日,由北京地平线机器人技术研发有限公司和南京芯驰半导体科技有限公司联合牵头发起,中国智能网联....

  600kW 超级充电站即将来临;旷视科技科创板上市获受理 一周科技热评     “ 中美半导体产....

  众所周知,人工智能设计非常困难,因为它依赖于数据科学。此外,创建正确的算法(例如决策树)并进行设置也....

  深度学习算法现在是图像处理软件库的组成部分。在他们的帮助下,可以学习和训练复杂的功能;但他们的应用也....

  在您最狂野的想象里是否梦想过,设计迭代仅需几秒钟即可完成?赛灵思最新力作 SmartLynq+ 模块....

  IDC近日发布了《2021年V1全球大数据支出指南》。IDC做出预估,到2024年全球大数据市场....

  地平线 年成立之初,便以前瞻性地决定做边缘人工智能芯片,这在当时云计算大行其道的背景下,....

  目标检测是指计算机和软件系统对图像或场景中的目标进行定位和识别的任务。目标检测已广泛应用于人脸检测、....

  2021 年度的斯坦福 AI Index 报告正式发布,从七大版块出发,探讨了过去一年中的 AI 总....

  不可否认的是,当前传统建筑行业正面临施工安全风险大、生产效率低、建设成本高、科技含量少等诸多制约。

  5G与人工智能、物联网和边缘计算正在改变各行各业,如今,工厂管理、媒体传播以及零售的方式都在不断发展....

  哈利波特世界里,能让报纸上的照片动起来的魔法,现在麻瓜们已经掌握得越来越熟练了。 看,16岁的图灵正....

  得益于深度学习的巨大成功,我们周围的设备、机器、事物都变得越来越智能。智能手机、家庭助理、可穿戴设备....

  容百科技(SH 688005,收盘价:53.25元)3月8日晚间发布业绩预告,预计2021年第一季度....

  创新工场与启明创投参投的知名AI制药企业Insilico Medicine日前宣布,其在全球首次利用....

  《麻省理工科技评论》一直关注新兴技术的发展及商业化落地,自2001年起每年都会评选出年度“十大突破性....

  伴随着深度学习技术的应用,语音交互技术的成果日新月异,应用场景在拓宽的同时也变的越来越复杂,种种因素....

  无容置疑2020是非常特别的一年,疫情的初期由于防护和隔离的要求,在某种程度上影响了SSD的产能和销....

  由于具备出众的多类目标检测性能、更低的端到端时延和低于 10W 的功耗,赛灵思 Zynq Ultra....

  基于图的局部与全局一致性(LGC)半监督学习方法具有较高的标注正确率,但时间复杂度较高,难以适用....

  因为我们会让创作内容的创作以及内容二次创作都会变得极其的简单。信息的传递也不会像现在单向线性地传播,....

  3.11日,红魔手表在努比亚京东自营旗舰店正式开售。红魔手表在腾讯红魔游戏手机6发布会上发布,亦是红....

  不造车,造AI司机。 毋庸置疑,惹人注目的大出行产业链正经历重塑。 “新四化”(电动化、智能....

  AI工作负载规模不一,对数据的要求也不尽相同。有些需要处理图像,例如实时流量报告系统或网上购物推荐系....

  NVIDIA发布AI Enterprise软件套件,助力各行业释放AI潜力

  通过NVIDIA AI Enterprise软件套件,来自数十万家使用vSphere实现计算虚拟化的....

  突发公共卫生事件改变了商业动态以及我们的工作方式,在现今产业经济的极速转型期,高瞻远瞩的企业已经将智....

  2021年3月10日,“人工智能构建中国双循环发展新格局——2021宝德AI百城巡展启航”活动在深圳....

  比所有人的眼睛和耳朵都灵敏,比所有人的脑子都转得快:人工智能能在几秒钟内捕获和处理万亿字节级别的数据....

  识别文本蕴涵的任务,也称自然语言推理,是指确定一段文本(前提)是否可被另一段文本(假设)所暗示或否认....

  贸泽电子亚太区市场及商务拓展副总裁田吉平女士表示:“虽然很多人都已熟悉人工智能的一些常见用途,但世界....

  MediaTek 在电视芯片领域拥有丰富的技术储备,得益于 MediaTek APU 的高能效 AI....

  如果你对人工智能和机器学习感兴趣,而且正在积极地规划着自己的程序员职业生涯,那么你肯定面临着一个问题:你应该学习哪些编程...

  人工智能和机器学习如今一直在改变着我们的世界,2020年发生的冠状病毒疫情为这两种技术带来了新的机会和紧迫性,预计在2021年将...

  机器学习的未来 在工业领域采用机器学习 机器学习和大数据 工业人工智能生态系统 ...

  DARPA与英特尔、乔治亚理工学院合作,开创机器学习“免疫系统”...

相关推荐
  • 赢咖45个成功案例让你的机器学习越“学习”越聪明!
  • 赢咖4数据是从机器学习模型中获取可行见解时最关键的问题对AI人才的需求依旧很高
  • 赢咖4注册速递 4亿美元助力机器学习驱动药物开发insitro完成C轮融资
  • 赢咖4我们用爬虫和机器学习模型深挖了拜登的对华智库
  • 赢咖4注册国家信息技术安全研究中心基于机器学习的恶意软件检测引擎采购项目公开招标公告
  • 赢咖4机器学习可以帮助心理健康诊断
  • 赢咖4娱乐机器人学专家走进经开区三小
  • 赢咖4娱乐Senvol机器学习软件Senvol ML获美国空军、海军资金支持
  • 赢咖4全球人工智能技术迈入深度学习阶段商业化加速应用场景愈发丰富
  • 赢咖4AWS 上的机器学习
  • 脚注信息
    版权所有 Copyright(C)2020 星辉娱乐
    网站地图|xml地图|友情链接: 百度一下