Nul
Het bevindt zich aan reden dat veel organisaties met interesse in kunstmatige intelligentie en machine learning, die vereist dat een aantal geavanceerde vaardigheden, het gaat om cloud-gebaseerde diensten om het te laten gebeuren. Echter, dat is niet gebeurd.
Foto: Joe McKendrick
Bedrijven die aanzienlijke vooruitgang geboekt met machine learning zijn degenen die zwaar hebben geïnvesteerd in de ontwikkeling of het verwerven van de nodige vaardigheden, zoals data scientists en data engineers. Zo ver, machine learning systemen hebben de neiging om degenen die in-house ontwikkelde versus aangeboord vanuit de cloud of andere externe bronnen.
Dat is het woord van Ben Lorica en Paco Nathan, analisten van O ‘ Reilly, die bracht een enquête van 1.000 gegevens specialisten van over de hele wereld. “Organisaties die hebben meer ervaring met het implementeren van machine learning modellen in productie zijn eerder gebruik maken van deze nieuwe taak titels — gegevens wetenschapper, data engineering,machine learning ingenieur, diep leren ingenieur,” die zij waarnemen. “Ongeveer de helft van de respondenten aangegeven dat machine learning modellen zijn gebouwd door hun data science teams. Echter, dat aantal stijgt aanzienlijk als organisaties meer ervaring opdoen.”
Slechts 12% van degenen die deel uitmaakten van organisaties die net beginnen te ontdekken machine learning verklaard dat zij beroep op externe consultants, terwijl drie van de vier (73%) van degenen die behoorden tot de meest geavanceerde bedrijven vertrouwden op hun interne data science teams. Slechts drie procent van de respondenten geeft aan momenteel rekenen op AutoML diensten die worden aangeboden door cloud providers.
Zal cloud-gebaseerde machine-leren open te stellen mogelijkheden voor organisaties met beperkte budgetten of vaardigheden? David Linthicum zegt dat er nu robuuste machine learning services die beschikbaar zijn vanaf cloud providers, waaronder AWS, Google en Microsoft. “Deze systemen zijn goedkoper te werken,” zegt hij. “U betaalt alleen een paar dollar per uur, gemiddeld, om te rijden van uw eigen machine-learning applicatie, zoals degene die hierboven zijn vermeld.” Toevoegen aan dat de goedkope opslag van data en software developer kits en Api ‘ s. De enige nadelen zijn van deze diensten zijn gebonden om de cloud providers, en hybride gegevens omgevingen kan het lastig te implementeren.
Dus, kunnen we zien meer machine learning diensten die vanuit de cloud in de komende maanden en jaren.
Functieomschrijving specifieke machine learning zijn reeds wijd gebruikt in organisaties met uitgebreide machine learning ervaring, de O ‘ Reilly-onderzoek toont aan: gegevens wetenschapper (81%), machine learning engineer (39%), diep leren engineer (20%).
Machine learning, natuurlijk, is het aandeel van bias, maar de meeste organisaties zijn niet het bijhouden van de potentiële exemplaren — 40% rapport te controleren voor eerlijkheid en bias. Zelfs onder de meest geavanceerde machine-learning bedrijven, slechts ongeveer de helft monitor voor bias — 54%. Privacy in AI resultaten is ook alleen gewaarborgd, tegenover 40% van de organisaties. Meer dan de helft (53%) van de respondenten die werken voor bedrijven met een uitgebreide ervaring in machine learning controleren voor privacy. De EU GDPR mandaten “privacy-by-design” mandaten kan duwen meer bedrijven te controleren en te verzekeren dat de privacy wordt beschermd binnen de AI-systemen.
Verwante Onderwerpen:
Big Data Analytics
Digitale Transformatie
CXO
Het Internet van Dingen
Innovatie
Enterprise Software
0