ML Modeli Operasyonelleştirme, 2023 için Önemli Bir Zorluk ve Fırsattır

2023'e girerken, makine öğrenimi (ML) uzmanları geçen yılın değerlendirmesini yapıyor ve ileriye dönük potansiyel önemli fırsatları belirliyor. Bu amaçla şirketim, bu fırsatların neler olabileceğini daha iyi anlamak için yakın zamanda ABD merkezli 200 makine öğrenimi karar vericisiyle anket yaptı. Odaklandığımız alanlardan biri, operasyonel hale getirmenin arkasındaki zorluktu. makine öğrenme, yanıtlayanların önemli bir sorun olarak işaretlediği.

Makine öğrenimi her sektördeki kuruluşlara büyük değer katabilirken, işletmelerin bu değeri yalnızca bir makine öğrenimi modelini çalıştırabildiklerinde gerçekleştirebileceklerini kabul etmek önemlidir. Bunu göz önünde bulundurarak, araştırmamızın en ilginç bulgularından bazılarını ve ayrıca MLOps kategorisi Duruma göre yükselebilir ve makine öğrenimini endüstriler genelinde daha kullanışlı ve erişilebilir hale getirmek için gelişebilir. 

Makine Öğrenimi Modellerini Çalıştıramamak Gelire Zarar Veriyor

Makine öğrenimi uzmanlarına, kuruluşlarının makine öğrenimi ardışık düzenlerini ve projelerini geniş ölçekte devreye alarak veya ürünleştirerek makine öğrenimi yatırımlarından iş ve ticari değer yaratma konusunda zorlanıp zorlanmadığını sorduğumuzda neredeyse herkes (%86), neredeyse üçte biri (%29) ile aynı fikirdeydi "çok zorlandıklarını" söyledi. Benzer şekilde, neredeyse dörtte üçü, şirketlerinin makine öğrenimini geniş ölçekte işletmeye almadaki zorluklar nedeniyle gelir veya değer yaratmada kayıp yaşadığını söyledi ve kabaca yarısı bu zorlukları "ciddi" veya "çok şiddetli" olarak tanımladı. 

Açıkçası, bu rakamlar 2023 ve sonrasında çözülmesi gereken temel sorunları dile getiriyor. Örneğin, modellerin geliştirilmesini, devreye alınmasını ve bakımını iyileştirmek için temel makine öğrenimi süreçlerini destekleyen araçlara daha fazla yatırım yapılması ihtiyacı. Bir üretim ortamında makine öğrenimi modellerini oluşturma, test etme, dağıtma ve yönetme sürecini otomatikleştirmeye, işbirliğini, proje yönetimini ve operasyonelleştirmeyi geliştirmeye odaklanmanın yanı sıra.

Makine Öğrenimi Süreç Otomasyonuna Yapılan Yatırımlar Öncelikli Olacak

Sektördeki bazıları, bir durgunluğun yapay zeka ve makine öğrenimi yatırımlarını azaltacağına inanıyor. Gerçekte, harcamaların devam etmesi muhtemeldir. Ancak değişecek olan, şirketlerin yatırım yapmak isteyeceği yapay zeka ve makine öğrenimi türleridir. 

Şirketlerin kısa vadede verimliliği ve üretkenliği artırabilecek teknolojilere yatırım yapacaklarını tahmin ediyorum. Şirketler 2023'te maliyetleri optimize etmeye ve operasyonlarını düzene sokmaya çalışırken, süreçleri ve görevleri büyük ölçekte otomatikleştirmelerine yardımcı olması için muhtemelen yapay zeka ve makine öğrenimi platformlarına yönelecekler. Şirketler, bu rutin faaliyetleri, işlevleri ve sistemleri otomatikleştirerek daha üst düzey, katma değerli projelere odaklanmak için sermaye, yetenek ve diğer değerli kaynakları serbest bırakabilir. Bu, kaynakları serbest bırakmalarına ve maliyetlerden hızla tasarruf etmelerine olanak tanıyacak ve sonuç olarak karlılıklarını ve pazara sunma sürelerini artıracaktır. 

Liderler, özellikle otomasyon ve orkestrasyon olmak üzere makine öğrenimi süreçlerini en üst düzeye çıkarmak için kaynaklara sürekli yatırım yapmakla ilgilendiklerini belirttiklerinden, otomatikleştirilmiş optimizasyona yönelik bu eğilimin de ankette ortaya çıktığını görüyoruz. Kuruluşlar, makine öğrenimi operasyonlarını otomatikleştirerek daha azıyla daha fazlasını yapabilir ve verimlilik ve üretkenliğe bu şekilde odaklanma, ekonomik gerileme zamanlarında özellikle değerlidir.

Operasyonelleşmeye Zarar Veren Belirsiz Hedefler

Şaşırtıcı olmayan bir şekilde, kuruluşlar ile makine öğrenimi projeleri arasında modellerin operasyonelleştirilmesini etkileyen bir kopukluk var. Araştırmamız, yanıt verenlerin yaklaşık %20'sinin "belirsiz organizasyonel strateji ve hedeflerin" kendi şirketlerinde geniş ölçekte makine öğrenimi gerçekleştirmeye meydan okuduğunu iddia ettiğini ortaya koydu. 

Bunu çözmek için kuruluşlar, makine öğrenimi iş akışlarına daha bütünsel bir yaklaşım benimsemeli ve makine öğreniminin amacının ve kuruluş genelindeki etkisinin daha net olmasını sağlamalıdır. Bu, makine öğrenimi ekiplerinin ve C-suite liderlerinin, kuruluşun makine öğrenimi girişimleri yoluyla ulaşmayı umduğu belirli iş amaçlarını ve hedeflerini belirlemek için birlikte çalışması gerektiği anlamına gelir. Bu, artan gelir veya iyileştirilmiş müşteri memnuniyeti gibi başarı ölçütlerini tanımlamayı içermelidir. Ayrıca bu, her iki ekibin de makine öğrenimi girişimlerinde kaydedilen ilerlemeyi düzenli olarak gözden geçirmesi ve değerlendirmesi gerektiği anlamına gelir. hedeflerine ulaşmak ve beklenen değeri sağlamak. Makine öğrenimi ekipleri, DevOps ve C-suite arasındaki bu boşluğu kapatarak ve daha fazla şeffaflık ve işbirliği oluşturarak sektör, belirsiz strateji ve hedeflerden oluşan bu engeli daha iyi ele alabilir.

Özetlemek gerekirse, araştırmamız, makine öğrenimi operasyonelleştirmenin 2023'te yatırım ve büyüme için önemli bir zorluk olmasının yanı sıra bir fırsat olduğunu gösteriyor. Kuruluşlar gelecek yıl zorlu bir ekonomik ortamda yatırımlarını optimize etmeye çalışırken, makine öğrenimi operasyonelleştirmesinde mükemmelliğe ulaşmanın en önemli konu olacağına inanıyorum. öncelik.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
• Kaynak: https://www.dataversity.net/ml-model-operationalization-is-a-key-challenge-and-opportunity-for-2023/