新在线不卡免费视频|www国产精品久久麻豆|美女午夜福利网站|《福克斯号上空姐们》|关于秘书的电影|美少女的哀羞txt|日产国产一区二区三区

在進行任何AI／ML部署之前，組織需要將其數據科學的研究工作與項目管理的最佳實踐相結合。

在2019年1月，Gartner發(fā)布了一項調查，37％的受訪者表示他們已經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使用人工智能的進程。

這里指的并不是數據科學家，他們仍然供不應求，并且正在積極地被雇傭，而是指許多組織沒有使用IT項目的方法來實施他們的AI工作，以確保項目滿足他們的業(yè)務目標。

“我們看到很多數據科學團隊正在研究許多并行的ML和AI計劃，但是很少有人將模型部署到實際的生產應用程序當中，”專攻機器學習（ML）訓練數據的Alegion首席執(zhí)行官Nathaniel Gates表示。

Gates補充說，高技能的數據科學家可能缺乏數據準備和項目管理方面的實際業(yè)務經驗。“他們擅長概念化、構建和測試AI和ML算法，”他繼續(xù)說道。“但是我們通常不會在這些數據科學團隊當中發(fā)現太多的人工智能項目專家。所以他們往往缺乏為人工智能和機器學習準備數據的實際經驗。”

在進行任何的AI／ML部署之前，組織需要將其數據科學的研究工作與其項目管理的最佳實踐相結合。

如何改進部署

以下是組織改進人工智能部署的五種方法。

1．開發(fā)一個內部切換流程，將初始數據科學算法和早期數據工作轉換到IT項目管理當中

這種切換將確保數據質量和數量準備，并將項目置于熟練的項目經理的管理之下。

2．將人工數據評估和機器學習自動化與您的數據結合使用

了解數據的技術人員在數據質量評估中是非常寶貴的，但是他們可能缺乏審查所有數據算法流程的能力。因此，采用機器學習形式的數據評估自動化是至關重要的，機器學習可以由人類專家進行訓練，以評估數據的質量。

3．為您的ML使用敏捷開發(fā)方法

人工智能項目應該在可管理的sprint中進行，允許快速迭代地規(guī)劃、構建和測試人工智能應用程序的各個部分。

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

4．集中您的AI和ML數據

“我們合作過的最成熟的公司已經將他們對人工智能的ML訓練數據需求合并到了一個集中的共享服務當中，該服務可以在企業(yè)內的眾多數據科學項目中被使用，”Gates說。

5．使用熟練的項目經理

AI和ML團隊應該由能夠執(zhí)行項目管理方法和最佳實踐的項目經理來擴充。

“AI和ML團隊常常沒有懂得如何在團隊之外的組織中進行運作的成員，”Gates表示。“我們一直在與數據科學家交談，他們知道自己需要大量的ML訓練數據，完全理解為什么他們無法用現有的團隊來生成這些數據，但是卻對組織的預算、采購和項目管理流程一無所知。”