投稿
  1. 小新网首页
  2. 百科知识

分析结果没有被关键决策者利用的原因

活动推广 • • 百科知识

分析结果没有被关键决策者利用的原因

得知42% 的时间分析结果没有被关键决策者利用，您会感到惊讶吗？这表明在寻找和使用由机器学习或 ML生成的洞察力之间存在着巨大的差距，同时也存在着巨大的机会。

“ModelOps（或 MLOps）工具的集成是克服这一差距的关键，”SAS 分析和 MLOps 人工智能产品战略负责人 Marinela Profi 说。克服这一差距的一个关键要求是一种“与数据科学家和 IT 对话，降低复杂性并提高可用性”的技术工具，她补充道。

SAS是 Acceleration Economy Top 10 Hyperautomation Impact Enabler，最近在首届“IDC MarketScape：全球机器学习运营平台 2022 供应商评估”中被公认为开发 MLOps 的领导者。该报告引用了 SAS Model Manager（该公司 SAS Viya 平台的一部分）作为使用户能够操作 ML 模型的领先工具。

在此分析中，我们将解释什么是 MLOps，您的组织如何启动 MLOps 计划，并回顾当前可用的几个关键 MLOps 工具。

什么是 MLOps？

机器学习操作，或 MLOps，包括人工智能和机器学习，或 ML。反过来，MLOps 是公司整体 DevOps 计划的一部分——它是开发和 IT 运营的结合。

MLOps 是一组标准化实践，专注于以简化、高效的方式将 ML 模型交付到生产环境中。此外，MLOps 包括对模型的持续监控和维护，以确保它们符合各种监管、数据和道德标准。

因此，ML 模型和 MLOps 应该包含在贵公司的全球治理计划中，以使业务实践与 IT 实践保持一致。

为什么这有关系？

如今，许多组织都选择将 ML 模型从实验阶段迁移到操作模式。随着越来越多的公司（如 SAS）使 ML 工具随手可得，在战略性使用技术时，竞争利益要求组织不仅采用 ML 模型，而且还要对其进行操作。

操作化需要一种高度协作的后期开发过程方法。MLOps 计划涉及各个部门和团队成员，从数据团队到 IT 开发人员和工程师再到最高管理层。目的是启动一个跨公司流程，使 ML 模型能够在实践中蓬勃发展。

最终，MLOps 使组织能够开发功能健全、受监管、安全且至关重要的是可扩展的计划。

您的组织如何启动 MLOps

业务和技术领导者有明确的机会来启动可以有效集成到技术堆栈中的 MLOps 计划。两个突出的例子包括 SAS Model Manager 和 IBM Watson Studio。

SAS 模型管理器：这个集中式网络应用程序（SAS Viya 分析和机器学习平台的一部分）使用户能够启动、编辑和监控分析模型。它确保模型治理和透明度，验证模型以确保高质量的预测，并监控性能以确保模型维持其预期性能。

IBM Watson Studio：作为 IBM Cloud Pak for Data-as-a-Service 的一部分，Watson 平台执行自动化的 AI 生命周期管理。虽然数据团队或至少内部开发操作对于使用 IBM Watson Studio 至关重要，但结果可以证明投资是值得的。

本文来自作者:活动推广，不代表小新网立场！

转载请注明：https://www.xiaoxinys.cn/453013.html

赞 (0)
活动推广活动推广注册用户
0
上一篇 2023-04-06 19:48:00
下一篇 2023-04-06 19:53:00

相关推荐

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。