伴隨著越來越多的組織推動基于AI的數(shù)字化轉(zhuǎn)型，AI運營領(lǐng)域出現(xiàn)了幾大趨勢成長型方面的龍頭企業(yè)在現(xiàn)代應(yīng)用開發(fā)中使用AI和機(jī)器學(xué)習(xí)，與落后者形成鮮明對比

領(lǐng)導(dǎo)者投資數(shù)字化轉(zhuǎn)型模式:超過一半的數(shù)字化轉(zhuǎn)型領(lǐng)導(dǎo)者采用機(jī)器學(xué)習(xí)，而落后者不到25%此外，62%的企業(yè)正在開發(fā)自己的模型DevOps的普及促進(jìn)了自動化的需求:目前94%的企業(yè)采用了DevOps模型mdash逐漸成為企業(yè)應(yīng)用開發(fā)不可或缺的一部分，幫助他們實現(xiàn)所需的連續(xù)，同步和自動化的開發(fā)和部署生命周期數(shù)據(jù)科學(xué)與DevOps/團(tuán)隊的進(jìn)一步合作:33%的受訪企業(yè)表示，數(shù)據(jù)科學(xué)/數(shù)據(jù)分析團(tuán)隊是DevOps的主要利益相關(guān)方

越來越多的應(yīng)用開發(fā)者對數(shù)據(jù)科學(xué)和人工智能產(chǎn)生了興趣，很多人已經(jīng)掌握了數(shù)據(jù)科學(xué)的基礎(chǔ)知識企業(yè)高管熱衷于將預(yù)測融入業(yè)務(wù)，以優(yōu)化運營，通過自動化技術(shù)提升人力資本，讓員工事半功倍可是，眾所周知，將模型部署到操作系統(tǒng)是非常困難的為了解決運營問題，一個重要的投資領(lǐng)域是使生產(chǎn)環(huán)境中的模型操作與生產(chǎn)環(huán)境中的應(yīng)用保持同步

智能自動化可以在協(xié)調(diào)模型和應(yīng)用程序方面發(fā)揮關(guān)鍵作用我們深信AutoAI可以幫助數(shù)據(jù)科學(xué)的新手和專家簡化模型開發(fā)，所以我想討論AutoAI如何提高模型和應(yīng)用程序投資的回報，以及如何協(xié)調(diào)DevOps和ModelOps

自動化的人工智能生命周期可以幫助模型高效，重復(fù)地產(chǎn)生更好的結(jié)果。

人工智能開發(fā)有一個完整的生命周期，從概念到生產(chǎn)環(huán)境中的模型監(jiān)控生命周期階段包括數(shù)據(jù)探索和準(zhǔn)備，模型開發(fā)和部署，以及使用反饋循環(huán)進(jìn)行優(yōu)化和監(jiān)控數(shù)據(jù)科學(xué)家，業(yè)務(wù)分析師，數(shù)據(jù)工程師和主題專家都是這一生命周期的關(guān)鍵參與者DevOps團(tuán)隊扮演的角色越來越重要，這是一個明顯的新趨勢尤其是成長方面的龍頭企業(yè)，將AI開發(fā)生命周期中產(chǎn)生的模型提供給DevOps，大規(guī)模取得更好的效果

AutoAI旨在減少數(shù)據(jù)科學(xué)的單調(diào)性，重復(fù)性和耗時性問題，提高自動化程度，讓數(shù)據(jù)科學(xué)家能夠集中精力在AI開發(fā)生命周期中做出最具創(chuàng)新性的貢獻(xiàn)AutoAI還可以幫助那些剛接觸數(shù)據(jù)科學(xué)的人快速輕松地構(gòu)建模型這些新手還可以學(xué)習(xí)如何構(gòu)建模型，如何生成管道總之，企業(yè)可以通過微調(diào)預(yù)測，優(yōu)化和自動化來取得更好的效果

持續(xù)優(yōu)化模型更適合與DevOps合作

在應(yīng)用生命周期中，應(yīng)用的誕生始于概念之后，開發(fā)設(shè)計團(tuán)隊與涉眾合作，根據(jù)終端用戶的日常生活特點，確定如何幫助他們解決問題，取得更好的效果這一愿景實現(xiàn)后，開發(fā)團(tuán)隊開始探索應(yīng)用的工作模式，進(jìn)入分析，設(shè)計，原型化階段然后是編碼和單元測試，用戶和系統(tǒng)測試，最后是發(fā)布和部署此外，應(yīng)根據(jù)業(yè)務(wù)變化和機(jī)會定期更新和調(diào)整，以滿足用戶反饋提出的需求和問題AI和ML模型包括動態(tài)交互和為每個用戶量身定制的針對性服務(wù)

自動化通過持續(xù)集成，少代碼和無代碼的應(yīng)用程序開發(fā)影響了應(yīng)用程序的生命周期這使得經(jīng)驗豐富的應(yīng)用程序開發(fā)人員能夠?qū)Ｗ⒂谠O(shè)計創(chuàng)新的解決方案，而無需繁瑣的手動編碼或煞費苦心地集成應(yīng)用程序和操作，即使新手沒有豐富的編碼經(jīng)驗，也能快速設(shè)計和原型化我們需要找到一種方法，將AI模型不間斷地集成到這些自動化的連續(xù)集成流程中

同步模型操作和開發(fā)操作帶來了新的機(jī)會

毫無疑問，我們可以找到令人信服的業(yè)務(wù)案例，并支持對協(xié)調(diào)模型和應(yīng)用程序的投資數(shù)據(jù)科學(xué)家使用模型操作開發(fā)人員使用DevOps如何讓兩者保持同步

ModelOps使數(shù)據(jù)科學(xué)和生產(chǎn)IT部門能夠合作創(chuàng)造業(yè)務(wù)價值建立模型操作使得將模型集成到應(yīng)用程序中的過程更加優(yōu)化，可重復(fù)并且更加成功部署模型的傳統(tǒng)方法是一次性的，數(shù)據(jù)科學(xué)家和數(shù)據(jù)工程師通常缺乏運行模型的技能他們可能會考慮應(yīng)用程序集成，模型監(jiān)控和調(diào)優(yōu)以及部署后的工作流自動化這就是將模型和應(yīng)用開發(fā)集成到一個數(shù)據(jù)和AI平臺中的意義，這樣就可以通過這個平臺來利用集體資產(chǎn)和智能

自動化結(jié)合了數(shù)據(jù)，模型和應(yīng)用，同時充分發(fā)揮了數(shù)據(jù)和應(yīng)用的能力

在AutoAI的支持下，IBM Cloud Pak for Data非常適合實現(xiàn)和集成ModelOps和DevOps它可以在定期的部署和更新周期中將模型從數(shù)據(jù)科學(xué)團(tuán)隊推送到DevOps團(tuán)隊，并與持續(xù)的集成和部署保持一致，以滿足業(yè)務(wù)需求由Watson Studio，Watson機(jī)器學(xué)習(xí)，Watson OpenScale支持的Cloud Pak for Data，采用開放的設(shè)計理念，與云原生應(yīng)用相融合，使用戶能夠構(gòu)建和擴(kuò)展AI，實現(xiàn)可解釋的AI

AutoAI可以幫助促進(jìn)數(shù)據(jù)科學(xué)團(tuán)隊與DevOps和應(yīng)用程序開發(fā)人員之間的協(xié)作，并降低在生產(chǎn)環(huán)境中部署和優(yōu)化模型的復(fù)雜性。如果您是DevOps和應(yīng)用程序開發(fā)從業(yè)者，您可以從Watson機(jī)器學(xué)習(xí)獲得REST API端點，并使用統(tǒng)計數(shù)據(jù)，模型狀態(tài)和關(guān)鍵績效指標(biāo)部署模型

方面實現(xiàn)更高的可視性開發(fā)人員可設(shè)置 API 連接，將用于評分和預(yù)測的更多信息發(fā)送給應(yīng)用

了解 AI 并將 AutoAI 投入使用的更多方法

這只是企業(yè)利用 AutoAI，借助數(shù)據(jù)科學(xué)和人工智能加速發(fā)展的一個例子。

免責(zé)聲明：此文內(nèi)容為本網(wǎng)站轉(zhuǎn)載企業(yè)宣傳資訊，僅代表作者個人觀點，與本網(wǎng)無關(guān)。僅供讀者參考，并請自行核實相關(guān)內(nèi)容。