4種方法來調整你的人工智能和機器學習部署

一家機構融資公司希望縮短其部署的人工智能(AI)和機器學習(ML)應用程序的上市時間。其目標是縮短AI和ML應用程序的交付時間，開發(fā)這兩個應用程序需要12到18個月的時間。較長的交付時間危及了公司在運營效率、法規(guī)遵循、風險管理和商業(yè)智能等領域實現(xiàn)上市時間目標的能力。

在為其人工智能和ML應用程序開發(fā)和部署采用生命周期管理軟件后，該公司能夠將其人工智能和ML應用程序的上市時間減少到幾天，在某些情況下，減少到幾個小時。流程改進使企業(yè)數(shù)據(jù)科學家能夠將90%的時間花在數(shù)據(jù)模型開發(fā)上，而不是將80%的時間花在解決由笨拙的部署流程導致的技術挑戰(zhàn)上。

這很重要，因為您擴展大數(shù)據(jù)、人工智能和ML建模、開發(fā)和交付過程的時間越長，您最終得到的建模、數(shù)據(jù)和應用程序在準備實現(xiàn)時已經(jīng)過時的風險就越大。僅在法規(guī)遵循領域，這就產(chǎn)生了風險和暴露。

“企業(yè)面臨三大問題推出人工智能和機器學習項目無法迅速部署項目,數(shù)據(jù)性能衰變和合規(guī)責任和損失,”斯圖·貝利說,首席技術官ModelOP,它提供了部署的軟件,監(jiān)控和管理數(shù)據(jù)科學人工智能和ML模式。

參見:GitHub上托管的十大機器學習語言(免費PDF)(TechRepublic)

Bailey認為，在及時地將數(shù)據(jù)模型投入生產(chǎn)時，大多數(shù)問題都是由于數(shù)據(jù)科學、IT和業(yè)務團隊之間缺乏所有權和協(xié)作造成的。反過來，這些延遲會對盈利能力和業(yè)務時間洞察力產(chǎn)生不利影響。

“組織難以管理其數(shù)據(jù)模型生命周期的另一個原因是，現(xiàn)在有許多不同的方法和工具來生成數(shù)據(jù)科學和機器語言模型，但是沒有關于如何部署和管理它們的標準，”Bailey說。

大數(shù)據(jù)、人工智能和ML生命周期的管理可能是非常艱巨的任務，超出了使用軟件和自動化來完成一些“繁重的工作”。而且，許多組織缺乏執(zhí)行這些任務的策略和程序。在這種環(huán)境中，數(shù)據(jù)可能很快就會過時，應用程序邏輯和業(yè)務條件可能會改變，而人類必須教給機器語言應用程序的新行為可能會被忽略。

參見:遠程醫(yī)療、人工智能和深度學習正在革新醫(yī)療保健(免費PDF)(TechRepublic)

組織如何確保他們投入大數(shù)據(jù)、人工智能和ML應用程序的時間和人才保持相關性?

大多數(shù)組織承認數(shù)據(jù)科學、IT和最終用戶之間的協(xié)作是重要的，但是他們不一定會堅持到底。部門之間的有效協(xié)作依賴于每個人在數(shù)據(jù)準備、遵從、上市速度和ML學習方面都遵循的明確的政策和程序。

公司經(jīng)常無法建立定期的時間間隔來更新領域中大數(shù)據(jù)、人工智能和ML應用的邏輯和數(shù)據(jù)。學習更新周期應該是連續(xù)的——這是確保算法與它們所處環(huán)境之間的并發(fā)性的唯一方法。

就像他們的事務系統(tǒng)對手一樣，總有一天，某些AI和ML應用程序將會大行其道。這是他們生命周期的結束，適當?shù)淖龇ㄊ亲屗麄兺诵荨?/p>

如果您可以自動化大數(shù)據(jù)、人工智能和ML的一些生命周期維護功能，那么就這樣做吧。自動化軟件可以實現(xiàn)數(shù)據(jù)科學、IT和生產(chǎn)之間的自動切換。它使部署過程變得更加容易。

了解有關數(shù)據(jù)科學、大數(shù)據(jù)分析和人工智能的最新新聞和最佳實踐。