訂閱
糾錯(cuò)
加入自媒體

改進(jìn)AI/ML部署的五種方法

在進(jìn)行任何AI/ML部署之前,組織需要將其數(shù)據(jù)科學(xué)的研究工作與項(xiàng)目管理的最佳實(shí)踐相結(jié)合。

在2019年1月,Gartner發(fā)布了一項(xiàng)調(diào)查,37%的受訪者表示他們已經(jīng)在某種程度上使用了人工智能(AI),但54%的受訪者表示,他們所在組織的技能短缺阻礙了他們積極推進(jìn)使用人工智能的進(jìn)程。

這里指的并不是數(shù)據(jù)科學(xué)家,他們?nèi)匀还┎粦?yīng)求,并且正在積極地被雇傭,而是指許多組織沒有使用IT項(xiàng)目的方法來實(shí)施他們的AI工作,以確保項(xiàng)目滿足他們的業(yè)務(wù)目標(biāo)。

“我們看到很多數(shù)據(jù)科學(xué)團(tuán)隊(duì)正在研究許多并行的ML和AI計(jì)劃,但是很少有人將模型部署到實(shí)際的生產(chǎn)應(yīng)用程序當(dāng)中,”專攻機(jī)器學(xué)習(xí)(ML)訓(xùn)練數(shù)據(jù)的Alegion首席執(zhí)行官Nathaniel Gates表示。

Gates補(bǔ)充說,高技能的數(shù)據(jù)科學(xué)家可能缺乏數(shù)據(jù)準(zhǔn)備和項(xiàng)目管理方面的實(shí)際業(yè)務(wù)經(jīng)驗(yàn)!八麄兩瞄L概念化、構(gòu)建和測試AI和ML算法,”他繼續(xù)說道!暗俏覀兺ǔ2粫(huì)在這些數(shù)據(jù)科學(xué)團(tuán)隊(duì)當(dāng)中發(fā)現(xiàn)太多的人工智能項(xiàng)目專家。所以他們往往缺乏為人工智能和機(jī)器學(xué)習(xí)準(zhǔn)備數(shù)據(jù)的實(shí)際經(jīng)驗(yàn)。”

在進(jìn)行任何的AI/ML部署之前,組織需要將其數(shù)據(jù)科學(xué)的研究工作與其項(xiàng)目管理的最佳實(shí)踐相結(jié)合。

如何改進(jìn)部署

以下是組織改進(jìn)人工智能部署的五種方法。

1.開發(fā)一個(gè)內(nèi)部切換流程,將初始數(shù)據(jù)科學(xué)算法和早期數(shù)據(jù)工作轉(zhuǎn)換到IT項(xiàng)目管理當(dāng)中

這種切換將確保數(shù)據(jù)質(zhì)量和數(shù)量準(zhǔn)備,并將項(xiàng)目置于熟練的項(xiàng)目經(jīng)理的管理之下。

2.將人工數(shù)據(jù)評估和機(jī)器學(xué)習(xí)自動(dòng)化與您的數(shù)據(jù)結(jié)合使用

了解數(shù)據(jù)的技術(shù)人員在數(shù)據(jù)質(zhì)量評估中是非常寶貴的,但是他們可能缺乏審查所有數(shù)據(jù)算法流程的能力。因此,采用機(jī)器學(xué)習(xí)形式的數(shù)據(jù)評估自動(dòng)化是至關(guān)重要的,機(jī)器學(xué)習(xí)可以由人類專家進(jìn)行訓(xùn)練,以評估數(shù)據(jù)的質(zhì)量。

3.為您的ML使用敏捷開發(fā)方法

人工智能項(xiàng)目應(yīng)該在可管理的sprint中進(jìn)行,允許快速迭代地規(guī)劃、構(gòu)建和測試人工智能應(yīng)用程序的各個(gè)部分。

“對于成功的ML開發(fā)來說,關(guān)注持續(xù)迭代改進(jìn)的敏捷開發(fā)方法是必不可少的,”Gates說。

4.集中您的AI和ML數(shù)據(jù)

“我們合作過的最成熟的公司已經(jīng)將他們對人工智能的ML訓(xùn)練數(shù)據(jù)需求合并到了一個(gè)集中的共享服務(wù)當(dāng)中,該服務(wù)可以在企業(yè)內(nèi)的眾多數(shù)據(jù)科學(xué)項(xiàng)目中被使用,”Gates說。

5.使用熟練的項(xiàng)目經(jīng)理

AI和ML團(tuán)隊(duì)?wèi)?yīng)該由能夠執(zhí)行項(xiàng)目管理方法和最佳實(shí)踐的項(xiàng)目經(jīng)理來擴(kuò)充。

“AI和ML團(tuán)隊(duì)常常沒有懂得如何在團(tuán)隊(duì)之外的組織中進(jìn)行運(yùn)作的成員,”Gates表示!拔覀円恢痹谂c數(shù)據(jù)科學(xué)家交談,他們知道自己需要大量的ML訓(xùn)練數(shù)據(jù),完全理解為什么他們無法用現(xiàn)有的團(tuán)隊(duì)來生成這些數(shù)據(jù),但是卻對組織的預(yù)算、采購和項(xiàng)目管理流程一無所知!

聲明: 本文系OFweek根據(jù)授權(quán)轉(zhuǎn)載自其它媒體或授權(quán)刊載,目的在于信息傳遞,并不代表本站贊同其觀點(diǎn)和對其真實(shí)性負(fù)責(zé),如有新聞稿件和圖片作品的內(nèi)容、版權(quán)以及其它問題的,請聯(lián)系我們。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個(gè)字

您提交的評論過于頻繁,請輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)