Машинное обучение становится универсальным решением для большей автоматизации и интеллекта. Недавнее исследование, проведенное порталом DBTA, показало, что 48% в настоящее время реализуют инициативы по машинному обучению, а еще 20% рассматривают возможность внедрения. В то же время большинство проектов все еще находятся на начальной стадии.
DBTA недавно провела вебинар за круглым столом с Гауравом Дешпанде, вице-президентом по маркетингу TigerGraph, Сантьяго Хиральдо, директором по разработке данных по маркетингу продуктов и машинному обучению Cloudera, и Пейдж Робертс, менеджером по связям с открытым исходным кодом компании Vertica, в рамках которого были обсуждены ключевые технологии и стратегии повышения эффективности машинного обучения.
По словам Дешпанде, расширенная аналитика и машинное обучение связанных данных позволяет организациям соединять все наборы данных и конвейеры, анализировать эти связанные данные и извлекать уроки из этих связанных данных.
По его словам, TigerGraph - это масштабируемая графовая база данных для предприятий, которая лежит в основе решений AI и ML. Она предлагает гибкую схему, высокую производительность для сложных транзакций и высокую производительность для глубокой аналитики.
По словам Джиральдо, успех внедрения машинного обучения сильно зависит от взаимосвязи различной информации, поэтому взаимодействие с различными подсистемами информационных систем имеет решающее значение. Для этого требуется корпоративная платформа данных, которая оптимизирует полный жизненный цикл данных.
Машинное обучение с Cloudera предоставляет клиентам гибридную платформу в различных облачных платформах и центрах обработки данных. По словам Хиральдо, Cloudera - одно из немногих предложений с интегрированным опытом безопасности и управления на основе SDX. Оно обеспечивает возможность совместной и интегрированной бизнес-аналитики и дополнений от специалистов по данным до экспертов по аналитике.
По словам Робертса, Cloudera - это приложения и сервисы, которые позволяют нашему миру, основанному на данных, использовать как бизнес-аналитику (BI), так и науку о данных.
При выборе лучшей платформы, включающей машинное обучение, Cloudera предлагает не ограничиваться только открытым исходным кодом, только проприетарными технологиями или только одним брендом.
«Не ограничивайтесь одним вариантом развертывания - решение работает только локально, работает только в облаке или работает только в этом облаке», - сказал Робертс.
По словам Робертса, пользователи не должны тесно зависеть от конкретных компонентов системы - все должно быть взаимозаменяемым. Отключение одного компонента не должно разрушить все. «И планируйте будущее без ограничений», - сказала она.