เมื่อเราก้าวเข้าสู่ปี 2023 ผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิง (ML) กำลังพิจารณาข้อมูลในปีที่ผ่านมาและระบุโอกาสสำคัญที่อาจเกิดขึ้นในอนาคต ด้วยเหตุนี้ บริษัทของฉันจึงได้ทำการสำรวจผู้มีอำนาจตัดสินใจด้าน ML ในสหรัฐอเมริกาจำนวน 200 คน เพื่อทำความเข้าใจว่าโอกาสเหล่านั้นเป็นอย่างไร ประเด็นหนึ่งที่เรามุ่งเน้นคือความท้าทายเบื้องหลังการดำเนินงาน เรียนรู้เครื่องซึ่งผู้ตอบแบบสอบถามระบุว่าเป็นประเด็นสำคัญ
แม้ว่าแมชชีนเลิร์นนิงจะมอบคุณค่ามหาศาลให้กับองค์กรในทุกอุตสาหกรรม แต่สิ่งสำคัญคือต้องตระหนักว่าธุรกิจต่างๆ จะนำคุณค่านั้นไปใช้จริงได้ก็ต่อเมื่อสามารถใช้งานโมเดล ML ได้ ด้วยเหตุนี้ ต่อไปนี้คือข้อค้นพบที่น่าสนใจที่สุดบางส่วนจากการวิจัยของเรา รวมถึงความคิดเกี่ยวกับวิธีการ หมวดหมู่ MLOps สามารถเพิ่มโอกาสและปรับปรุงเพื่อให้ ML มีประโยชน์มากขึ้นและเข้าถึงได้ในอุตสาหกรรมต่างๆ
การไม่สามารถใช้งานโมเดล ML ได้ส่งผลกระทบต่อรายได้
เมื่อเราถามผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิงว่าองค์กรของพวกเขาถูกท้าทายให้สร้างมูลค่าทางธุรกิจและการค้าจากการลงทุนด้าน ML ด้วยการปรับใช้หรือสร้างผลผลิตของแมชชีนเลิร์นนิงไปป์ไลน์และโปรเจ็กต์ในวงกว้างหรือไม่ ทุกคนเกือบทุกคน (86%) เห็นด้วย โดยเกือบหนึ่งในสาม (29%) บอกว่าพวกเขา “ท้าทายมาก” ในทำนองเดียวกัน เกือบสามในสี่กล่าวว่าบริษัทของพวกเขาขาดรายได้หรือการสร้างมูลค่าเนื่องจากความท้าทายในการดำเนินงาน ML ในวงกว้าง โดยประมาณครึ่งหนึ่งอธิบายว่าความท้าทายเหล่านี้เป็น "รุนแรง" หรือ "รุนแรงมาก"
เห็นได้ชัดว่าตัวเลขเหล่านี้บ่งบอกถึงปัญหาพื้นฐานที่ต้องแก้ไขในปี 2023 และต่อๆ ไป ตัวอย่างเช่น ความจำเป็นในการลงทุนเพิ่มเติมในเครื่องมือเพื่อสนับสนุนกระบวนการเรียนรู้ของเครื่องขั้นพื้นฐานเพื่อปรับปรุงการพัฒนา การปรับใช้ และการบำรุงรักษาโมเดล เช่นเดียวกับการมุ่งเน้นที่การทำให้กระบวนการสร้าง ทดสอบ ปรับใช้ และจัดการโมเดลแมชชีนเลิร์นนิงในสภาพแวดล้อมการผลิตเป็นไปโดยอัตโนมัติ ยกระดับการทำงานร่วมกัน การจัดการโครงการ และการปฏิบัติงาน
การลงทุนในระบบอัตโนมัติของกระบวนการ ML จะมีความสำคัญเป็นลำดับแรก
บางคนในอุตสาหกรรมเชื่อว่าภาวะเศรษฐกิจถดถอยจะลดการลงทุนด้าน AI และการเรียนรู้ของเครื่อง ในความเป็นจริงการใช้จ่ายมีแนวโน้มที่จะดำเนินต่อไป อย่างไรก็ตาม สิ่งที่จะเปลี่ยนไปคือประเภทของ AI และ ML ที่บริษัทต่าง ๆ จะต้องการลงทุนด้วย
ฉันคาดว่าบริษัทต่างๆ จะลงทุนในเทคโนโลยีที่สามารถปรับปรุงประสิทธิภาพและผลผลิตได้ในทันที ในขณะที่บริษัทต่าง ๆ มองหาการปรับค่าใช้จ่ายให้เหมาะสมและเพิ่มประสิทธิภาพการดำเนินงานในปี 2023 พวกเขามีแนวโน้มที่จะหันไปใช้แพลตฟอร์ม AI และ ML เพื่อช่วยให้กระบวนการและงานต่าง ๆ มีขนาดใหญ่ขึ้นโดยอัตโนมัติ ด้วยการทำให้กิจกรรม ฟังก์ชัน และระบบที่ทำเป็นประจำเหล่านี้เป็นไปโดยอัตโนมัติ บริษัทต่างๆ สามารถเพิ่มทุน ความสามารถ และทรัพยากรอันมีค่าอื่นๆ เพื่อมุ่งเน้นไปที่โครงการระดับสูงที่มีมูลค่าเพิ่ม สิ่งนี้จะช่วยให้พวกเขาเพิ่มทรัพยากรและประหยัดค่าใช้จ่ายได้อย่างรวดเร็ว ท้ายที่สุดแล้วจะเพิ่มความสามารถในการทำกำไรและเวลาในการออกสู่ตลาด
เรายังเห็นแนวโน้มนี้ไปสู่การเพิ่มประสิทธิภาพอัตโนมัติในการสำรวจ เนื่องจากผู้นำแสดงความสนใจในการลงทุนอย่างต่อเนื่องในทรัพยากรเพื่อเพิ่มประสิทธิภาพของกระบวนการ ML โดยเฉพาะอย่างยิ่งระบบอัตโนมัติและการประสาน ด้วยการทำให้การดำเนินงาน ML เป็นไปโดยอัตโนมัติ องค์กรต่างๆ สามารถทำสิ่งต่างๆ ได้มากขึ้นโดยใช้เวลาน้อยลง และการมุ่งเน้นที่ประสิทธิภาพและประสิทธิผลนี้เป็นสิ่งที่มีค่าอย่างยิ่งในช่วงเวลาที่เศรษฐกิจตกต่ำ
เป้าหมายที่ไม่ชัดเจนส่งผลกระทบต่อการดำเนินงาน
ไม่น่าแปลกใจที่มีการตัดการเชื่อมต่อระหว่างองค์กรและโปรเจ็กต์แมชชีนเลิร์นนิง ซึ่งส่งผลต่อการดำเนินการของโมเดล การศึกษาของเราพบว่าเกือบ 20% ของผู้ตอบแบบสอบถามอ้างว่า “กลยุทธ์และเป้าหมายขององค์กรที่ไม่ชัดเจน” กำลังท้าทายการดำเนินงาน ML ในวงกว้างภายในบริษัทของตน
ในการแก้ปัญหานี้ องค์กรต้องใช้แนวทางแบบองค์รวมมากขึ้นสำหรับเวิร์กโฟลว์ ML ของตน เพื่อให้แน่ใจว่ามีความชัดเจนมากขึ้นเกี่ยวกับวัตถุประสงค์ของ ML และผลกระทบต่อองค์กรทั่วทั้งกระดาน ซึ่งหมายความว่าทีม ML และผู้นำ C-suite ควรทำงานร่วมกันเพื่อระบุเป้าหมายและวัตถุประสงค์ทางธุรกิจเฉพาะที่องค์กรหวังว่าจะบรรลุผ่านการริเริ่มการเรียนรู้ของเครื่อง ซึ่งควรรวมถึงการกำหนดเมตริกเพื่อความสำเร็จ เช่น รายได้ที่เพิ่มขึ้นหรือความพึงพอใจของลูกค้าที่ดีขึ้น นอกจากนี้ยังหมายความว่าทั้งสองทีมควรทบทวนและประเมินความคืบหน้าเกี่ยวกับความคิดริเริ่ม ML อย่างสม่ำเสมอเพื่อให้มั่นใจว่าเป็นเช่นนั้น บรรลุเป้าหมายของพวกเขา และส่งมอบคุณค่าที่คาดหวัง ในการปิดช่องว่างนี้ระหว่างทีม ML, DevOps และ C-suite และสร้างความโปร่งใสและการทำงานร่วมกันมากขึ้น อุตสาหกรรมสามารถจัดการกับอุปสรรคของกลยุทธ์และเป้าหมายที่ไม่ชัดเจนนี้ได้ดีขึ้น
โดยสรุป การวิจัยของเราแสดงให้เห็นว่าการดำเนินงานของ ML เป็นความท้าทายที่สำคัญ เช่นเดียวกับโอกาสสำหรับการลงทุนและการเติบโตในปี 2023 ในขณะที่องค์กรต่าง ๆ มองหาการเพิ่มประสิทธิภาพการลงทุนในสภาพแวดล้อมทางเศรษฐกิจที่ท้าทายในปีหน้า ฉันเชื่อว่าการบรรลุความเป็นเลิศในการดำเนินงาน ML จะเป็นอันดับแรก ลำดับความสำคัญ.
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
- ที่มา: https://www.dataversity.net/ml-model-operationalization-is-a-key-challenge-and-opportunity-for-2023/
- 2023
- a
- สามารถเข้าถึงได้
- บรรลุ
- ข้าม
- กิจกรรม
- ที่อยู่
- AI
- และ
- คาดหวัง
- เข้าใกล้
- AREA
- โดยอัตโนมัติ
- อัตโนมัติ
- โดยอัตโนมัติ
- อัตโนมัติ
- ขั้นพื้นฐาน
- หลัง
- เชื่อ
- ดีกว่า
- ระหว่าง
- เกิน
- คณะกรรมการ
- นำมาซึ่ง
- การก่อสร้าง
- ธุรกิจ
- ธุรกิจ
- C-ห้องสวีท
- เมืองหลวง
- ท้าทาย
- ท้าทาย
- ความท้าทาย
- ท้าทาย
- เปลี่ยนแปลง
- ข้อเรียกร้อง
- ความชัดเจน
- ปิด
- การทำงานร่วมกัน
- เชิงพาณิชย์
- บริษัท
- บริษัท
- ต่อ
- อย่างต่อเนื่อง
- ค่าใช้จ่าย
- สร้าง
- การสร้าง
- การสร้าง
- ลูกค้า
- ความพึงพอใจของลูกค้า
- ข้อมูล
- จัดการ
- ผู้มีอำนาจตัดสินใจ
- การกำหนด
- การส่งมอบ
- ปรับใช้
- การใช้งาน
- พัฒนาการ
- DevOps
- ขาลง
- ด้านเศรษฐกิจ
- การตกต่ำทางเศรษฐกิจ
- อย่างมีประสิทธิภาพ
- ทั้ง
- การเสริมสร้าง
- ทำให้มั่นใจ
- การสร้างความมั่นใจ
- สิ่งแวดล้อม
- โดยเฉพาะอย่างยิ่ง
- ทุกคน
- ตัวอย่าง
- ความยอดเยี่ยม
- ที่คาดหวัง
- ผู้เชี่ยวชาญ
- แสดง
- ถูกตั้งค่าสถานะ
- โฟกัส
- มุ่งเน้น
- ข้างหน้า
- พบ
- ฟรี
- ราคาเริ่มต้นที่
- ฟังก์ชั่น
- พื้นฐาน
- ช่องว่าง
- เป้าหมาย
- ยิ่งใหญ่
- การเจริญเติบโต
- ครึ่ง
- หัว
- ช่วย
- โปรดคลิกที่นี่เพื่ออ่านรายละเอียดเพิ่มเติม
- ระดับสูง
- แบบองค์รวม
- หวัง
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- อย่างไรก็ตาม
- HTTPS
- แยกแยะ
- ระบุ
- ทันที
- ส่งผลกระทบ
- สำคัญ
- ปรับปรุง
- การปรับปรุง
- การปรับปรุง
- in
- ประกอบด้วย
- เพิ่มขึ้น
- อุตสาหกรรม
- อุตสาหกรรม
- ความคิดริเริ่ม
- อยากเรียนรู้
- น่าสนใจ
- ลงทุน
- การลงทุน
- เงินลงทุน
- ปัญหา
- ปัญหา
- IT
- คีย์
- ใหญ่
- ผู้นำ
- การเรียนรู้
- น่าจะ
- ดู
- เครื่อง
- เรียนรู้เครื่อง
- การบำรุงรักษา
- ทำ
- การจัดการ
- การจัดการ
- ตลาด
- เพิ่ม
- วิธี
- ตัวชี้วัด
- อาจ
- ใจ
- หายไป
- ML
- แบบ
- โมเดล
- ข้อมูลเพิ่มเติม
- มากที่สุด
- การย้าย
- เกือบทั้งหมด
- % 20 เกือบ
- จำเป็นต้อง
- ถัดไป
- ตัวเลข
- วัตถุประสงค์
- อุปสรรค
- โอกาส
- ONE
- หนึ่งในสาม
- การดำเนินการ
- โอกาส
- โอกาส
- การเพิ่มประสิทธิภาพ
- เพิ่มประสิทธิภาพ
- ประสาน
- organizacja
- องค์กร
- องค์กร
- อื่นๆ
- โดยเฉพาะ
- อดีต
- แพลตฟอร์ม
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เล่น
- บวก
- ที่มีศักยภาพ
- ลำดับความสำคัญ
- กระบวนการ
- กระบวนการอัตโนมัติ
- กระบวนการ
- การผลิต
- ผลผลิต
- มืออาชีพ
- ทำกำไรได้
- ความคืบหน้า
- โครงการ
- การบริหารจัดการโครงการ
- โครงการ
- วัตถุประสงค์
- อย่างรวดเร็ว
- ความจริง
- เมื่อเร็ว ๆ นี้
- ภาวะถดถอย
- รับรู้
- สม่ำเสมอ
- การวิจัย
- แหล่งข้อมูล
- รายได้
- ทบทวน
- ขึ้น
- ลวก
- กล่าวว่า
- ความพอใจ
- ลด
- ขนาด
- น่า
- แสดงให้เห็นว่า
- เหมือนกับ
- แก้
- บาง
- พูด
- โดยเฉพาะ
- การใช้จ่าย
- สต็อก
- กลยุทธ์
- เพรียวลม
- ศึกษา
- ความสำเร็จ
- อย่างเช่น
- สรุป
- สนับสนุน
- การสำรวจ
- ระบบ
- เอา
- การ
- พรสวรรค์
- งาน
- ทีม
- เทคโนโลยี
- การทดสอบ
- พื้นที่
- ของพวกเขา
- ตลอด
- เวลา
- ครั้ง
- ไปยัง
- ร่วมกัน
- เครื่องมือ
- ด้านบน
- ไปทาง
- ความโปร่งใส
- เทรนด์
- กลับ
- ชนิด
- ในที่สุด
- เข้าใจ
- มีคุณค่า
- ความคุ้มค่า
- จวน
- อะไร
- ที่
- จะ
- ภายใน
- งาน
- ทำงานด้วยกัน
- เวิร์กโฟลว์
- ปี
- ลมทะเล