为什么需要ML Ops才能成功进行创新?
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-04-12
但是为什么企业无法通过其ML计划获利呢？
原因很简单：当今的组织经常无法通过将机器学习模型集成到业务流程中来使它们运作，如果您正在努力做到这一点，那么您并不孤单，根据2019年底进行的数据科学团队调查，即使在受益于成熟数据科学团队专业知识的组织内部，也只有不到一半的数据科学项目终得到了全面部署，2019年进行的另一项调查指出，这一现象并非数据科学独有，并且将AI项目部署到业务流程或应用程序中仍然是实现业务价值的主要障碍。
运营数据科学和机器学习的实践
为了从您的机器学习计划中实现价值，您需要专注于ML来管理端到端ML生产生命周期。
专注于决策和沟通：在真正的工作开始之前就建立成功的机器学习计划。步是专注于您要做出的业务决策并从中进行反向工作。如果您可以预测未来1分钟，1周或1个月的时间，您的业务流程将如何变化？完成此操作后，请组建一个由业务专家，数据科学，数据工程师和IT组成的跨职能团队，并进行交流，以确保每个人都保持一致并朝着同一目标努力。
建立CoE和制定准则：试图实现其机器学习模型的组织的共同奋斗是缺乏内部结构，如果没有固定的结构或做法，则企业中的不同团队将不断创新，尝试以多种方式解决同一问题，这就是为什么许多组织建立卓越中心（CoE）来交流实践，创建培训计划以及在整个组织内共享可重用模板和指南的原因。通过消除混乱并允许有创造力的人消除平凡的任务，并专注于创新和解决新问题，拥有结构实际上为合作打开了空间。
优化人员，流程和技术：数据科学是一项团队运动，为了确保成功，您必须促进团队内部以及团队之间的交接， 此外DIY数据科学不可扩展，就像您可以在家里的厨房里做面包一样，但是需要更先进的设备来经营面包店一样，开源数据科学并不能提供管理机器学习项目复杂性所需的全部功能。
数字双胞胎和模拟器分析
如果您参加过我们的活动之一或在社交媒体上关注我们，那么您可能已经看过一级方程式演示，该演示从视频游戏中获取流数据，并通过分析并显示实时查看他们的结果，将这个概念更大规模地应用到一系列更复杂的技术中，团队在整个赛季中使用的高度先进的赛车模拟器，以测试配置和设置，模拟器中发生的事情会极大地影响实际比赛日赛道中发生的事情，正确的设置（由模拟器验证）为驾驶员提供了在网格上启动所需的工具，该模拟器是团队接近现实世界的跟踪条件的，因此至关重要的是，它在技术上应尽可能精确和准确，复制所有内容，包括图形，座椅调节，方向盘，赛道上的声音和人群的噪音，以及更多内容，以使驾驶员感觉自己在其中一条电路上行驶，事实证明，模拟器和周围的技术是成功的组合。
但这还不是全部模拟器还充当数字孪生子
即具有相同功能的虚拟软件副本，可始终如一地产生更好的结果和对过程优化的更深刻见解，以便在可用于分析的新数据不断监控，数据流的连接用于设计功能，预测参数并可视化流事件的结果，该软件使工程师能够在简化流程的同时立即感知，响应并调整对重要参数组合的关注，从而为赛车智能，快速可视化以及所有当前和累积数据的查询提供了集中的位置，通过了解汽车并深入分析，团队可以提高其性能。
能源和医疗保健等行业
原因很简单：当今的组织经常无法通过将机器学习模型集成到业务流程中来使它们运作，如果您正在努力做到这一点，那么您并不孤单，根据2019年底进行的数据科学团队调查，即使在受益于成熟数据科学团队专业知识的组织内部，也只有不到一半的数据科学项目终得到了全面部署，2019年进行的另一项调查指出，这一现象并非数据科学独有，并且将AI项目部署到业务流程或应用程序中仍然是实现业务价值的主要障碍。
运营数据科学和机器学习的实践
为了从您的机器学习计划中实现价值，您需要专注于ML来管理端到端ML生产生命周期。
专注于决策和沟通：在真正的工作开始之前就建立成功的机器学习计划。步是专注于您要做出的业务决策并从中进行反向工作。如果您可以预测未来1分钟，1周或1个月的时间，您的业务流程将如何变化？完成此操作后，请组建一个由业务专家，数据科学，数据工程师和IT组成的跨职能团队，并进行交流，以确保每个人都保持一致并朝着同一目标努力。
建立CoE和制定准则：试图实现其机器学习模型的组织的共同奋斗是缺乏内部结构，如果没有固定的结构或做法，则企业中的不同团队将不断创新，尝试以多种方式解决同一问题，这就是为什么许多组织建立卓越中心（CoE）来交流实践，创建培训计划以及在整个组织内共享可重用模板和指南的原因。通过消除混乱并允许有创造力的人消除平凡的任务，并专注于创新和解决新问题，拥有结构实际上为合作打开了空间。
优化人员，流程和技术：数据科学是一项团队运动，为了确保成功，您必须促进团队内部以及团队之间的交接， 此外DIY数据科学不可扩展，就像您可以在家里的厨房里做面包一样，但是需要更先进的设备来经营面包店一样，开源数据科学并不能提供管理机器学习项目复杂性所需的全部功能。
数字双胞胎和模拟器分析
如果您参加过我们的活动之一或在社交媒体上关注我们，那么您可能已经看过一级方程式演示，该演示从视频游戏中获取流数据，并通过分析并显示实时查看他们的结果，将这个概念更大规模地应用到一系列更复杂的技术中，团队在整个赛季中使用的高度先进的赛车模拟器，以测试配置和设置，模拟器中发生的事情会极大地影响实际比赛日赛道中发生的事情，正确的设置（由模拟器验证）为驾驶员提供了在网格上启动所需的工具，该模拟器是团队接近现实世界的跟踪条件的，因此至关重要的是，它在技术上应尽可能精确和准确，复制所有内容，包括图形，座椅调节，方向盘，赛道上的声音和人群的噪音，以及更多内容，以使驾驶员感觉自己在其中一条电路上行驶，事实证明，模拟器和周围的技术是成功的组合。
但这还不是全部模拟器还充当数字孪生子
即具有相同功能的虚拟软件副本，可始终如一地产生更好的结果和对过程优化的更深刻见解，以便在可用于分析的新数据不断监控，数据流的连接用于设计功能，预测参数并可视化流事件的结果，该软件使工程师能够在简化流程的同时立即感知，响应并调整对重要参数组合的关注，从而为赛车智能，快速可视化以及所有当前和累积数据的查询提供了集中的位置，通过了解汽车并深入分析，团队可以提高其性能。
能源和医疗保健等行业
模拟器及其所有周围技术所表明的是，如果您是一名技术或业务，则可以在短时间内获取大量数据，对其进行可视化并运行机器学习算法以得出见解并模式，使协作的技术和业务团队能够更快地做出更明智的决策，无论您身在何行业，这都能提高在竞争激烈的商业环境中取得成功的几率，数字孪生可以帮助公司应对其的数据挑战，终结果包括流程优化，对预测性维护和基于条件的维护的洞察力以及基于事件流的业务操作。
免费客服热线：400-050-6600商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
