Nul
Dit jaar hadden we de mogelijkheid om te chatten in de diepte van de hoge-up van de gegevens wetenschapper totempaal op hoe te operationaliseren AI-projecten. We hebben ontdekt dat de data science is de fundamentele bouwsteen. We hebben ook geconstateerd dat, hoewel de data en inzicht zijn de brandstof, samenwerking en flexibiliteit zijn smeermiddelen en vet de skids. Uiteindelijk is dat een premie op de mensen en het proces zijden van AI-projecten. De kijker kan zijn op de vaardigheden, de toegang tot krachtige Gpu ‘ s, en de kaders voor de ontwikkeling van de algoritmen.
Giovanni Romero, een partner die aan het hoofd van analyses en advies bij Mindshare, een full-service media netwerk is een onderdeel van WPP, heeft een front row seat op hoe digitale uitlaat is uitgebreid de google analytics-voetafdruk. Hun klantenbestand – meestal consumer brands – van oudsher disintermediated van de consument, met feedback loops meestal afkomstig van focusgroepen en enquêtes die alleen bemonsterd in de bevolking. Digitale veranderde dat, te beginnen met clickstreams, die op zijn beurt bracht gerichte digitale advertenties die nu goed voor ongeveer de helft van alle reclame. Met het geschiedde, niet alleen voor directe interactie met de consument, maar ook veel van de gegevens.
In de ad-tech en advertentie ruimtes, die we hebben gezien van deze film wel een beetje, als van data warehouses kreeg aangevuld, of in sommige gevallen vervangen door een Hadoop-cluster, en vervolgens de gegevens meren met onbeperkt berekenen en opslag in de cloud. En na de hype, niemand wilde worden genoemd statistici of gegevens mijnwerkers meer, zo werd de leeftijd van de data scientist.
En zoals we al hebben opgemerkt, gegevens wetenschappers willen nu de machine learning of AI op hun visitekaartjes. Maar als we gevonden in ons onderzoek, op het moment dat u begint met het vervangen van die statische data science modellen met machine learning modellen, de levenscyclus van een project wordt een stuk ingewikkelder. In tegenstelling tot conventionele data science projecten, toe te voegen in machine learning of AI voegt stappen als het krijgen van en het labelen van de opleiding, tuning hyperparameters, en voortdurend toezicht, niet alleen om de fysieke prestaties, maar de uitkomsten van de modellen om te zorgen voor afstemming.
Ook: Top 5: Manieren AI zal veranderen business TechRepublic
En, voordat we het vergeten, nog een ander ding: ‘machine learning’ en AI projecten moeten veel meer gegevens. En dat betekent dat je waarschijnlijk zult meer hulp nodig hebt van gegevens ingenieurs en ontwikkelaars, niet alleen om de modellen ingezet, maar ook in te nemen, te transformeren en beveiligen van gegevens. Gegevens wetenschappers krijgen veel verzanden in het worstelen met de gegevens; indien ze krijgen genoeg hulp van gegevens ingenieurs, hopelijk dat last zal worden verkleind tot slechts de helft van hun werk. En probeer vervolgens te vertalen dat het model dat u hebt ontwikkeld op uw laptop fysiek schaal in een cluster; laten we hopen dat het niet verworden tot een spel van de telefoon.
En zodra uw gegevens wetenschap teams hebben besteed al die moeite in het bouwen, implementeren en onderhouden van ML-modellen, het laatste wat je wilt dat ze doen is het wiel opnieuw uitvinden. Als een wereldwijde organisatie, Mindshare ‘s Romero zag teams bij hun vele kantoren aan de silo’ ed, niet leren van elkaars inzichten of van fouten, en in het slechtste geval, dubbel werk. Ironisch genoeg, de onbeperkte middelen van de cloud kunnen worden verergering van de problemen, zoals nu, alle teams hebben toegang tot alle van de computer en alle gegevens. maar ze kunnen niet gemakkelijk te delen notebooks.
Het is niet verwonderlijk dat, naar een big data-expo, veel van de groei van de starters is met tools die kunnen helpen bij data science teams samenwerken voor een betere grip op het modelleren van de levenscyclus. Mindshare koos Domino-Lab de samenwerking hub voor het delen van notitieblokken. Gezien de gedistribueerde aard van de teams, één van de grootste hindernissen was de tool sync ‘ ed met Active Directory om te zorgen voor een sterke authenticatie.
Het andere obstakel is cultureel. Door de natuur -, data-wetenschappers zijn waarschijnlijk beeldenstormers, als je moet mensen in staat om zelfstandig te denken. Het feit dat er meerdere talen, modelleren kaders, en de aanpak is niet eenvoudig een weerspiegeling is dat er geen one-size-fits-all oplossing, maar weerspiegelt ook het feit dat de gegevens wetenschappers hebben een zeer sterke loyaliteit aan hun tools en talen. En dus spenen gegevens wetenschappers en ontwikkelaars uit hun laptops is een voortdurende strijd die Romero geeft toe is nog steeds niet voorbij.
Moet lezen
61% van de bedrijven hebben reeds AI (TechRepublic)
AI betekent een levensduur van training (CNET)
Maar een jaar in de vaststelling van Domino-als hun collaboration tool, Romero punt vijf toepassingen in de productie en een user base die is uitgegroeid tot 2000, met inbegrip van gegevens wetenschappers, data engineers, ontwikkelaars als generalist-planners en-analisten. Bijvoorbeeld, een van die apps analyseert en voorspelt de effectiviteit van de verschillende visuele beelden in advertenties. Hij meldt dat er nog een 10-applicaties nu in de pijplijn.
De grootste les die volgens Romero is dat mensen zo belangrijk zijn als tools. En dat betekent aandacht, zowel voor het veranderen van de cultuur te stimuleren meer samenwerking, samen met de technische vaardigheden, niet alleen voor de opleiding van hulpverleners over talen, nieuwe kaders, of technieken voor het benutten van de nieuwste GPU hardware, maar ook op hoe je effectief kunt communiceren. En voor mensen uit de praktijk, betekent hen te helpen begrijpen hoe de modellen werken, zodat ze kunnen, werken niet alleen samen met de gegevens wetenschappers, maar ook realistische verwachtingen.
Vorige en aanverwante dekking:
Wat is AI? Alles wat je moet weten
Een executive gids voor kunstmatige intelligentie, van machine learning en algemene AI-neurale netwerken.
Wat is diep leren? Alles wat je moet weten
De lowdown op diep leren: van hoe het zich verhoudt tot het bredere veld van machine-leren door te zien hoe aan de slag met het.
Wat is machine learning? Alles wat je moet weten
In deze gids wordt uitgelegd wat ‘machine learning’ is, hoe het is in verband met kunstmatige intelligentie, hoe het werkt en waarom het belangrijk is.
Wat is cloud computing? Alles wat u moet weten over
Een introductie van cloud computing recht vanaf de basis tot IaaS en PaaS -, hybride -, public en private cloud.
Verwante artikelen:
Er is geen rol voor de AI of data science: dit is een team effortStartup Verwanten brengt glimp van hoop voor AI in roboticsAI: Het uitzicht vanuit de Chief Data Science OfficeIt is niet de banen AI is het vernietigen van dat stoort me, het is degenen die groeien
Verwante Onderwerpen:
Kunstmatige Intelligentie
Digitale Transformatie
Robotica
Het Internet van Dingen
Innovatie
Enterprise Software
0