Прогнози 8 MLops для корпоративного машинного навчання у 2023 році
Перегляньте всі сеанси Smart Security Summit за запитом тут.
Ландшафт MLops процвітає: у 2021 році глобальний ринок оцінюється в 612 мільйонів доларів США, а до 2028 року очікується, що він сягне понад 6 мільярдів доларів США. Однак він також дуже фрагментований, оскільки сотні постачальників MLops конкурують за оперативний штучний інтелект для кінцевих користувачів. (ШІ) екосистеми.
MLops виник як набір найкращих практик менше 10 років тому, щоб подолати одну з найбільших перешкод, які заважають бізнесу впроваджувати штучний інтелект: перехід середовищ розробки та навчання на виробничі середовища. Це критично, оскільки майже кожен другий пілот ШІ ніколи не доходить до виробництва.
То які тенденції з’являться в ландшафті MLops у 2023 році? Різні експерти зі штучного інтелекту та машинного навчання поділилися своїми прогнозами з VentureBeat:
1. MLops вийдуть за рамки ажіотажу«MLops стане не лише темою, яка викликає ажіотаж, а радше джерелом, який допоможе науковцям із обробки даних запроваджувати моделі машинного навчання у виробництво. машинне навчання.
ПодіяСаміт Smart Security за запитом
Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та практичні приклади для окремих галузей. Дивіться сеанси за запитом сьогодні.
ПослухайтеОскільки організації прагнуть популяризувати найкращі практики у виробництві штучного інтелекту, впровадження MLops для подолання розриву між машинним навчанням та розробкою даних допоможе бездоганно об’єднати ці функції. Це буде критично важливо в умовах постійної зміни масштабів систем штучного інтелекту та компанії, які приймуть його наступного року та прискорять цей перехід, отримають переваги.
>— Стів Харріс, генеральний директор Mindtech
2. Науковці даних віддадуть перевагу галузевим і спеціальним моделям машинного навчання для певної галузі"У 2023 році ми побачимо, що все більше готових моделей машинного навчання [ML] стануть доступними для науковців із обробки даних. Вони інкапсулюють досвід домену в початковій моделі ML, яка потім прискорює час до оцінки та час виходу на ринок для вчені з обробки даних та їх організації. Наприклад, ці готові моделі ML допомагають усунути або скоротити час, який вчені з обробки даних мають витрачати на навчання та вдосконалення моделей. Погляньте на роботу, яку спільнота Hugging Face AI вже виконує, щоб створити ринок для готових до використовувати моделі ML.
"Наступного року й далі я очікую побачити збільшення попередньо визначених галузевих і предметно-спеціальних моделей машинного навчання, що дозволить дослідникам обробки даних працювати над серйознішими проблемами. Націлено на використання чітко визначеного набору базових даних і без необхідності витрачати час на те, щоб стати експертом у галузі, яка не є важливою для їхньої організації."
— Торстен Грабс, скажи...
Перегляньте всі сеанси Smart Security Summit за запитом тут.
Ландшафт MLops процвітає: у 2021 році глобальний ринок оцінюється в 612 мільйонів доларів США, а до 2028 року очікується, що він сягне понад 6 мільярдів доларів США. Однак він також дуже фрагментований, оскільки сотні постачальників MLops конкурують за оперативний штучний інтелект для кінцевих користувачів. (ШІ) екосистеми.
MLops виник як набір найкращих практик менше 10 років тому, щоб подолати одну з найбільших перешкод, які заважають бізнесу впроваджувати штучний інтелект: перехід середовищ розробки та навчання на виробничі середовища. Це критично, оскільки майже кожен другий пілот ШІ ніколи не доходить до виробництва.
То які тенденції з’являться в ландшафті MLops у 2023 році? Різні експерти зі штучного інтелекту та машинного навчання поділилися своїми прогнозами з VentureBeat:
1. MLops вийдуть за рамки ажіотажу«MLops стане не лише темою, яка викликає ажіотаж, а радше джерелом, який допоможе науковцям із обробки даних запроваджувати моделі машинного навчання у виробництво. машинне навчання.
ПодіяСаміт Smart Security за запитом
Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та практичні приклади для окремих галузей. Дивіться сеанси за запитом сьогодні.
ПослухайтеОскільки організації прагнуть популяризувати найкращі практики у виробництві штучного інтелекту, впровадження MLops для подолання розриву між машинним навчанням та розробкою даних допоможе бездоганно об’єднати ці функції. Це буде критично важливо в умовах постійної зміни масштабів систем штучного інтелекту та компанії, які приймуть його наступного року та прискорять цей перехід, отримають переваги.
>— Стів Харріс, генеральний директор Mindtech
2. Науковці даних віддадуть перевагу галузевим і спеціальним моделям машинного навчання для певної галузі"У 2023 році ми побачимо, що все більше готових моделей машинного навчання [ML] стануть доступними для науковців із обробки даних. Вони інкапсулюють досвід домену в початковій моделі ML, яка потім прискорює час до оцінки та час виходу на ринок для вчені з обробки даних та їх організації. Наприклад, ці готові моделі ML допомагають усунути або скоротити час, який вчені з обробки даних мають витрачати на навчання та вдосконалення моделей. Погляньте на роботу, яку спільнота Hugging Face AI вже виконує, щоб створити ринок для готових до використовувати моделі ML.
"Наступного року й далі я очікую побачити збільшення попередньо визначених галузевих і предметно-спеціальних моделей машинного навчання, що дозволить дослідникам обробки даних працювати над серйознішими проблемами. Націлено на використання чітко визначеного набору базових даних і без необхідності витрачати час на те, щоб стати експертом у галузі, яка не є важливою для їхньої організації."
— Торстен Грабс, скажи...
What's Your Reaction?
