В преддверии 2023 года специалисты по машинному обучению (МО) подводят итоги прошедшего года и определяют потенциальные ключевые возможности для дальнейшего развития. С этой целью моя компания недавно опросила 200 руководителей машинного обучения в США, чтобы лучше понять, какими могут быть эти возможности. Одной из областей, на которой мы сосредоточились, была проблема операционализации обучение с помощью машины, что респонденты отметили как ключевую проблему.
Хотя машинное обучение может принести большую пользу организациям в любой отрасли, важно понимать, что предприятия могут реализовать эту ценность только в том случае, если они смогут реализовать модель машинного обучения. Имея это в виду, вот некоторые из наиболее интересных результатов нашего исследования, а также мысли о том, как Категория MLOps может быть на высоте и совершенствоваться, чтобы сделать машинное обучение более полезным и доступным в разных отраслях.
Неспособность внедрить модели машинного обучения снижает доход
Когда мы спросили экспертов по машинному обучению, стоит ли перед их организациями задача создать деловую и коммерческую ценность за счет инвестиций в машинное обучение — путем развертывания или масштабирования конвейеров и проектов машинного обучения — практически все (86%) согласились, и почти треть (29%) говоря, что они были «очень сложными». Точно так же почти три четверти заявили, что их компания упускает доход или создает ценность из-за проблем с масштабным внедрением машинного обучения, при этом примерно половина описывает эти проблемы как «серьезные» или «очень серьезные».
Очевидно, что эти цифры говорят о фундаментальных проблемах, которые необходимо решить в 2023 году и далее. Например, потребность в дополнительных инвестициях в инструменты для поддержки основных процессов машинного обучения для улучшения разработки, развертывания и обслуживания моделей. А также сосредоточить внимание на автоматизации процесса создания, тестирования, развертывания и управления моделями машинного обучения в производственной среде, улучшения совместной работы, управления проектами и эксплуатации.
Инвестиции в автоматизацию процессов машинного обучения будут в приоритете
Некоторые представители отрасли считают, что рецессия подорвет инвестиции в ИИ и машинное обучение. На самом деле расходы, вероятно, продолжатся. Однако что изменится, так это типы AI и ML, в которые компании захотят инвестировать.
Я ожидаю, что компании будут инвестировать в технологии, которые могут повысить эффективность и производительность в ближайшей перспективе. Поскольку компании стремятся оптимизировать расходы и оптимизировать свои операции в 2023 году, они, вероятно, обратятся к платформам искусственного интеллекта и машинного обучения, которые помогут им автоматизировать процессы и задачи в больших масштабах. Автоматизируя эти рутинные действия, функции и системы, компании могут высвободить капитал, таланты и другие ценные ресурсы, чтобы сосредоточиться на более важных проектах с добавленной стоимостью. Это позволит им высвободить ресурсы и быстро сократить расходы, что в конечном итоге повысит их прибыльность и время выхода на рынок.
Мы также видим эту тенденцию к автоматизированной оптимизации в опросе, поскольку руководители выразили заинтересованность в продолжении инвестиций в ресурсы для максимизации процессов машинного обучения, особенно в автоматизации и оркестровке. Автоматизируя свои операции машинного обучения, организации могут делать больше с меньшими затратами, и такая ориентация на эффективность и производительность особенно ценна во времена экономического спада.
Неясные цели мешают операционализации
Неудивительно, что существует разрыв между организациями и их проектами машинного обучения, что влияет на операционализацию моделей. Наше исследование показало, что почти 20% респондентов заявляют, что «неясная организационная стратегия и цели» затрудняют масштабное внедрение машинного обучения в их компании.
Чтобы решить эту проблему, организации должны применять более целостный подход к своему рабочему процессу машинного обучения, обеспечивая большую ясность цели и влияния машинного обучения на организацию по всем направлениям. Это означает, что команды машинного обучения и руководители высшего звена должны работать вместе, чтобы определить конкретные бизнес-цели и задачи, которые организация надеется достичь с помощью своих инициатив в области машинного обучения. Это должно включать определение показателей успеха, таких как увеличение доходов или повышение удовлетворенности клиентов. Это также означает, что обе команды должны регулярно анализировать и оценивать прогресс в инициативах по отмыванию денег, чтобы убедиться, что они достижение своих целей и предоставление ожидаемой ценности. Сокращая этот разрыв между командами машинного обучения, DevOps и топ-менеджерами и создавая большую прозрачность и сотрудничество, отрасль может лучше устранить это препятствие, связанное с неясной стратегией и целями.
Подводя итог, наше исследование показывает, что внедрение машинного обучения является ключевой проблемой, а также возможностью для инвестиций и роста в 2023 году. Поскольку организации стремятся оптимизировать инвестиции в сложных экономических условиях в следующем году, я считаю, что достижение совершенства в использовании машинного обучения будет главной задачей. приоритет.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. Доступ здесь.
- Источник: https://www.dataversity.net/ml-model-operationalization-is-a-key-challenge-and-opportunity-for-2023/
- 2023
- a
- доступной
- Достигать
- через
- активно
- адрес
- AI
- и
- предвидеть
- подхода
- ПЛОЩАДЬ
- автоматизировать
- Автоматизированный
- Автоматизация
- автоматизация
- основной
- за
- верить
- Лучшая
- между
- Beyond
- доска
- приносить
- Строительство
- бизнес
- бизнес
- С-люкс
- столица
- вызов
- вызов
- проблемы
- сложные
- изменение
- утверждать
- ясность
- закрытие
- сотрудничество
- коммерческая
- Компании
- Компания
- продолжать
- продолжающийся
- Расходы
- Создайте
- Создающий
- создание
- клиент
- Удовлетворенность клиентов
- ДАТАВЕРСИЯ
- сделка
- лица, принимающие решения
- определяющий
- доставки
- развертывание
- развертывание
- Развитие
- DevOps
- Спад
- Экономические
- экономический спад
- затрат
- или
- повышение
- обеспечивать
- обеспечение
- Окружающая среда
- особенно
- все члены
- пример
- Превосходство
- ожидаемый
- эксперты
- выраженный
- Помеченные
- Фокус
- внимание
- вперед
- найденный
- Бесплатно
- от
- Функции
- фундаментальный
- разрыв
- Цели
- большой
- Рост
- Половина
- помощь
- здесь
- на высшем уровне
- целостный
- надеется,
- Как
- Однако
- HTTPS
- определения
- идентифицирующий
- немедленная
- Влияние
- важную
- улучшать
- улучшенный
- улучшение
- in
- включают
- расширились
- промышленности
- промышленность
- инициативы
- интерес
- интересный
- Грин- карта инвестору
- инвестиций
- Вложения
- вопрос
- вопросы
- IT
- Основные
- большой
- Лидеры
- изучение
- Вероятно
- посмотреть
- машина
- обучение с помощью машины
- техническое обслуживание
- сделать
- управление
- управления
- рынок
- Максимизировать
- означает
- Метрика
- может быть
- против
- отсутствующий
- ML
- модель
- Модели
- БОЛЕЕ
- самых
- перемещение
- почти
- почти 20%
- Необходимость
- следующий
- номера
- целей
- препятствие
- раз
- ONE
- Одна треть
- Операционный отдел
- Возможности
- Возможность
- оптимизация
- Оптимизировать
- оркестровка
- организация
- организационной
- организации
- Другое
- особенно
- мимо
- Платформы
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- Играть
- плюс
- потенциал
- приоритет
- процесс
- Автоматизация процессов
- Процессы
- Производство
- производительность
- профессионалы
- прибыли
- Прогресс
- Проект
- управление проектом
- проектов
- цель
- быстро
- Реальность
- недавно
- спад
- признавать
- регулярно
- исследованиям
- Полезные ресурсы
- доходы
- обзоре
- Рост
- грубо
- Сказал
- удовлетворение
- Сохранить
- Шкала
- должен
- Шоу
- Аналогичным образом
- РЕШАТЬ
- некоторые
- говорить
- конкретный
- Расходы
- акции
- Стратегия
- упорядочить
- Кабинет
- успех
- такие
- суммировать
- поддержка
- Опрос
- системы
- взять
- с
- Талант
- задачи
- команды
- технологии
- Тестирование
- Ассоциация
- их
- Через
- время
- раз
- в
- вместе
- инструменты
- топ
- к
- Прозрачность
- тенденция
- ОЧЕРЕДЬ
- Типы
- В конечном счете
- понимать
- ценный
- ценностное
- фактически
- Что
- который
- будете
- в
- Работа
- работать вместе
- рабочий
- год
- зефирнет