捕獲和處理大量數(shù)據(jù)的創(chuàng)新進(jìn)展使人們不堪重負(fù)。這使得很難以我們得到的速度從數(shù)據(jù)中解脫出來。在這里，機(jī)器學(xué)習(xí)可以為數(shù)字業(yè)務(wù)帶來一些好處。

人們需要策略來更有效地改善機(jī)器學(xué)習(xí)性能。由于假設(shè)人們朝錯(cuò)誤的方向努力，無法取得很大的進(jìn)步并消耗大量時(shí)間。然后，需要對(duì)選擇的路徑抱有一些期望，例如，可以提高多少精度。

1.闡明問題

大體上有兩種類型的組織參與機(jī)器學(xué)習(xí)：那些使用內(nèi)部訓(xùn)練有素的機(jī)器學(xué)習(xí)模型作為核心業(yè)務(wù)命題構(gòu)建應(yīng)用程序的組織，以及應(yīng)用機(jī)器學(xué)習(xí)模升級(jí)現(xiàn)有業(yè)務(wù)工作流程的組織。在后一種情況下，闡明問題將是潛在的挑戰(zhàn)。減少費(fèi)用或增加收入應(yīng)僅限于通過獲取正確數(shù)據(jù)可以解決的那一刻。

例如，如果企業(yè)需要最大程度地減少客戶流失率，則數(shù)據(jù)可以通過分析其在網(wǎng)站，SaaS應(yīng)用程序甚至在線媒體上的活動(dòng)來幫助您檢測(cè)具有高風(fēng)險(xiǎn)的客戶。盡管可以依靠傳統(tǒng)指標(biāo)并進(jìn)行假設(shè)，但該算法可能會(huì)消除客戶資料中的數(shù)據(jù)與離職概率之間籠罩的依存關(guān)系。

2.資源管理

資源管理已成為數(shù)據(jù)科學(xué)家職責(zé)的重要組成部分。例如，對(duì)于由五名數(shù)據(jù)科學(xué)家組成的小組在本地部署GPU工作者是一個(gè)挑戰(zhàn)。花了大量時(shí)間來整理某種方式來簡(jiǎn)單有效地共享這些GPU。為機(jī)器學(xué)習(xí)分配計(jì)算資源可能是一個(gè)巨大的痛苦，并且需要花費(fèi)大量時(shí)間來執(zhí)行數(shù)據(jù)科學(xué)任務(wù)。

3.專注于數(shù)據(jù)質(zhì)量

數(shù)據(jù)科學(xué)是一門廣泛的實(shí)踐領(lǐng)域，旨在從任何結(jié)構(gòu)的數(shù)據(jù)中刪除重要的見解。此外，在決策中利用數(shù)據(jù)科學(xué)是避免偏見的更好方法。但是，這可能比您懷疑的要復(fù)雜。實(shí)際上，即使是谷歌公司最近也陷入了陷阱，他們?cè)趶V告中向男性展示了比女性更受尊敬的工作。顯然，谷歌數(shù)據(jù)科學(xué)家不是性別歧視者，而是該算法利用的數(shù)據(jù)是單方面的，因?yàn)樗菑奈覀冊(cè)诰W(wǎng)絡(luò)上的互動(dòng)中收集到的。

4.擁抱混合云

機(jī)器學(xué)習(xí)是計(jì)算密集型的。可擴(kuò)展的機(jī)器學(xué)習(xí)基礎(chǔ)應(yīng)與計(jì)算無關(guān)。連接公共云、私有云和本地資源可為運(yùn)行人工智能工作負(fù)載提供靈活性和敏捷性。由于工作負(fù)載的種類在人工智能工作負(fù)載之間發(fā)生了顯著變化，因此構(gòu)建混合云基礎(chǔ)架構(gòu)的公司可以更靈活地按自定義大小分配資產(chǎn)。企業(yè)可以減少公共云的資本支出，并提供高計(jì)算需求時(shí)所需的可伸縮性。在對(duì)安全性有嚴(yán)格要求的公司中，私有云的擴(kuò)展是必不可少的，并且可以長(zhǎng)期降低運(yùn)營支出。混合云鼓勵(lì)您完成改善資源計(jì)劃所需的控制和靈活性。

5.準(zhǔn)備迭代

這些模型的很大一部分是在信息的靜態(tài)子集上創(chuàng)建的，它們捕獲了收集數(shù)據(jù)時(shí)的時(shí)間框架條件。當(dāng)企業(yè)部署了模型或各種模型時(shí)，它們會(huì)隨著時(shí)間的流逝而過時(shí)，并給出不太準(zhǔn)確的期望。視業(yè)務(wù)環(huán)境中的模式變化有多有效而定，應(yīng)該定期更換模型或?qū)ζ溥M(jìn)行重新培訓(xùn)。