Zero
Quest’anno, abbiamo avuto la possibilità di chattare in profondità in alto i dati scienziato totem pole su come rendere operativo AI progetti. Abbiamo scoperto che i dati della scienza è l’elemento fondamentale. Abbiamo anche scoperto che, mentre i dati e le conoscenze sono il carburante, la collaborazione e l’agilità sono lubrificanti grasso i pattini. In ultima analisi, che mette un premio sulla gente e di processo lati di AI progetti. I riflettori potrebbero essere le competenze, l’accesso alla potente Gpu, e il framework per lo sviluppo di algoritmi.
Giovanni Romero, un partner che è a capo della società di analisi e consulenza presso Condivise, un servizio completo di supporto di rete che fa parte di WPP, ha avuto un posto in prima fila come scarico digitale ha ampliato l’analisi dell’impronta di. La loro base di clienti, prevalentemente marche di beni di consumo – sono stati tradizionalmente disintermediated da parte del consumatore, con cicli di feedback in genere provenienti da gruppi di discussione o sondaggi che solo campionato popolazione. Il digitale ha cambiato tutto, a partire clickstreams, che a sua volta ha portato mirate di digital annunci che ora rappresentano circa la metà di tutta la pubblicità. Con esso è venuto, non solo l’interazione diretta con i consumatori, ma anche di grandi quantità di dati.
Nell’annuncio tech e spazi pubblicitari, abbiamo visto questo film un bel po’, come magazzini di dati ottenuto completati, o in alcuni casi sostituito da un cluster Hadoop, e quindi di dati laghi con un numero illimitato di calcolo e di storage in cloud. E seguendo l’hype, nessuno voleva essere chiamato statistici o dati minatori di più, come è diventato la validità dei dati scienziato.
E, come abbiamo notato, dati gli scienziati ora voglio la macchina di apprendimento o AI sui loro biglietti da visita. Ma come l’abbiamo trovato nella nostra ricerca, il momento in cui si inizia, in sostituzione di quelle statica scienza di dati modelli di apprendimento automatico di modelli, il ciclo di vita del progetto diventa molto più complicato. A differenza dei dati di progetto di scienza, l’aggiunta di apprendimento automatico o AI aggiunge passi come il recupero e l’etichettatura di formazione, ottimizzazione hyperparameters, e di costante monitoraggio, non solo le prestazioni fisiche, ma i risultati di modelli per garantire l’allineamento.
Anche: Top 5: i Modi AI cambierà business TechRepublic
E, prima di dimenticare, un’altra cosa: macchina di apprendimento e AI progetti che hanno bisogno di una maggiore quantità di dati. E che significa che avrete probabilmente bisogno di più assistenza da dati tecnici e gli sviluppatori, non solo per ottenere modelli proposti, ma anche per il trasferimento, la trasformazione e la sicurezza dei dati. Dati gli scienziati di ottenere un sacco impantanato in lotta con i dati; se essi ottenere abbastanza di aiuto da dati tecnici, speriamo che il peso si riduce alla metà del loro lavoro. E poi, cercare di tradurre il modello che si è sviluppato sul vostro computer portatile fisicamente scala in un cluster; speriamo che non degeneri per un gioco del telefono.
E una volta che il vostro data science team hanno speso tutto quello sforzo in costruzione, la distribuzione e la manutenzione ML di modelli, l’ultima cosa che desiderate fare è di reinventare la ruota. Come organizzazione globale, Condivise la Romero ha visto le squadre a loro molti uffici ottenere silo sotto, non imparare da intuizioni o errori, e nel peggiore dei casi, la duplicazione di lavoro. Ironia della sorte, il illimitata di risorse di cloud potrebbe essere aggravando i problemi, come oggi, tutte le squadre hanno accesso a tutti di calcolo e di tutti i dati. ma non possono facilmente condividere i notebook.
Non sorprende che, andando a un grande dati expo, gran parte della crescita in start-up è stata con strumenti che possono aiutare a data science team a collaborare e ottenere un miglior grip sulla modellazione del ciclo di vita. Condivise scelto di Dati Domino Lab come hub di collaborazione per la condivisione di notebook. Data la natura distribuita delle squadre, uno dei maggiori ostacoli è stato sempre lo strumento di sincronizzazione di sotto con Active Directory per garantire autenticazione forte.
L’altro ostacolo è di tipo culturale. Per natura, i dati, gli scienziati non sono suscettibili di essere iconoclasti, come è bisogno di persone capaci di pensiero indipendente. Il fatto che ci sono più lingue, modellazione quadri, e si avvicina non è una semplice riflessione che non vi è alcun one-size-fits-all soluzione, ma riflette anche il fatto che i dati, gli scienziati hanno molto forte lealtà verso i loro linguaggi e strumenti. E così lo svezzamento dati scienziati e sviluppatori di spegnere i loro computer portatili è una battaglia in corso che Romero ammette che non è ancora finita.
Deve leggere
Il 61% delle imprese hanno già implementato AI (TechRepublic)
AI mezzi di una vita, e di formazione (CNET)
Ma un anno in adozione Domino come loro strumento di collaborazione, Romero può scegliere cinque applicazioni in produzione e una base di utenti che è cresciuta fino a 2000, compresi i dati di scienziati, dati tecnici, sviluppatori, così come generalista progettisti e analisti. Per esempio, una di quelle applicazioni analizza e predice l’efficacia di diverse immagini negli annunci. Egli dice che ci sono altre 10 applicazioni in cantiere.
La più grande lezione che secondo Romero è che le persone sono così importanti come strumenti. E che significa attenzione, sia per cambiare la cultura per stimolare una maggiore collaborazione, insieme con le competenze tecniche, non solo per la formazione di esperti di lingue, nuovi quadri di riferimento, o tecniche per sfruttare il nuovo hardware GPU, ma anche su come comunicare in modo efficace. E per gli operatori, significa aiutarli a capire come modelli di lavoro in modo che è possibile, non solo a collaborare con i dati di scienziati, ma anche di avere aspettative realistiche.
Precedente e relativa copertura:
Che cosa è l’IA? Tutto quello che devi sapere
Un esecutivo a guida di intelligenza artificiale, machine learning e generale AI alle reti neurali.
Cos’è il deep learning? Tutto quello che devi sapere
Il lowdown su deep learning: da come si relaziona con il più ampio campo di machine learning a come iniziare con esso.
Che cosa è macchina di apprendimento? Tutto quello che devi sapere
Questa guida spiega in cosa consiste la macchina di apprendimento, di come esso è legato all’intelligenza artificiale, come funziona e perché è importante.
Che cos’è il cloud computing? Tutto quello che devi sapere su
Un’introduzione al cloud computing destra, dalle nozioni di base fino a IaaS e PaaS, ibrido, public e private cloud.
Storie correlate:
Non c’è un ruolo per IA o scienza di dati: questa è una squadra effortStartup Affini porta scheggia di speranza per l’IA in roboticsAI: La vista dal Capo Scienza di Dati OfficeIt non i posti di lavoro AI è distruggere che mi da fastidio, è quelli che sono in crescita
Argomenti Correlati:
Intelligenza Artificiale
La Trasformazione Digitale
Robotica
Internet delle Cose
L’innovazione
Enterprise Software
0