怎樣打好機(jī)器學(xué)習(xí)的基礎(chǔ)

機(jī)器學(xué)習(xí)對(duì)許多人來(lái)說(shuō)是一種新事物，因?yàn)樗罱懦蔀榇蟊娛袌?chǎng)的可行工具，但其根源卻有幾十年的歷史。機(jī)器從數(shù)據(jù)中學(xué)習(xí)的概念在20世紀(jì)50年代實(shí)現(xiàn)。1988年，IBM公司將基于概率的數(shù)據(jù)算法的原理引入到以前基于規(guī)則的機(jī)器學(xué)習(xí)領(lǐng)域，從而徹底改變了這個(gè)行業(yè)。

如今，很多人都在采用虛擬人工代理（例如Siri、Alexa、Google Now），利用機(jī)器學(xué)習(xí)收集和分析從人們的交互中收集的信息，以預(yù)測(cè)需求，并根據(jù)人們的偏好定制服務(wù)。社交媒體網(wǎng)站使用該技術(shù)推薦和結(jié)識(shí)更多的朋友，同時(shí)在照片應(yīng)用中進(jìn)行面部識(shí)別，以節(jié)省人們的時(shí)間、精力和資源。但除此之外，機(jī)器學(xué)習(xí)現(xiàn)在還通過檢測(cè)卡支付模式和改善在線購(gòu)物交付方式來(lái)保護(hù)人們免受欺詐。

當(dāng)今的企業(yè)希望他們的數(shù)據(jù)能夠承擔(dān)一些繁重的工作，并且希望降低成本，提高一致性，簡(jiǎn)化操作。機(jī)器學(xué)習(xí)有助于大規(guī)模實(shí)現(xiàn)這一目標(biāo)，調(diào)研機(jī)構(gòu)德勤公司的調(diào)查發(fā)現(xiàn)，在2018年，57%的企業(yè)增加了相關(guān)技術(shù)的支出。雖然該技術(shù)以前被視為一種過度支出，但如今它被理解為對(duì)企業(yè)未來(lái)的投資和具有競(jìng)爭(zhēng)力的收入驅(qū)動(dòng)力。

數(shù)據(jù)專家和作者Bernard Marr表示，現(xiàn)在開發(fā)人員已經(jīng)對(duì)算法和技術(shù)進(jìn)行了試驗(yàn)，機(jī)器學(xué)習(xí)將成為英國(guó)各地開展商業(yè)計(jì)劃和預(yù)算的核心。最近的研究支持這一說(shuō)法，揭示了48%的歐洲組織現(xiàn)在認(rèn)為機(jī)器學(xué)習(xí)對(duì)其近期業(yè)務(wù)的發(fā)展至關(guān)重要。

隨著像亞馬遜、Facebook和谷歌這樣的公司繼續(xù)推動(dòng)機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，那么如何充分利用最新和最好的算法？最成功的企業(yè)將是那些投資于新技術(shù)，并明智地利用他們可以使用的技能和數(shù)據(jù)系統(tǒng)的人。因此，人們忘記那些宣傳和炒作，要關(guān)注其最基本的方面。

按順序獲取數(shù)據(jù)

機(jī)器學(xué)習(xí)技術(shù)最大的特點(diǎn)之一是它的靈活性;它可以利用從供應(yīng)鏈和庫(kù)存控制到工廠自動(dòng)化和重復(fù)數(shù)據(jù)輸入任務(wù)的一切。每個(gè)應(yīng)用程序都需要一個(gè)單獨(dú)的存儲(chǔ)庫(kù)，在該存儲(chǔ)庫(kù)中可以收集和操作數(shù)據(jù)，以允許算法評(píng)估值。為了讓機(jī)器學(xué)習(xí)算法提供明智的判斷和建議，底層數(shù)據(jù)庫(kù)必須穩(wěn)定地提供清潔、準(zhǔn)確、詳細(xì)的數(shù)據(jù)。

在最近由Vanson Bourne公司進(jìn)行的調(diào)查中，近一半的組織承認(rèn)對(duì)數(shù)據(jù)質(zhì)量服務(wù)進(jìn)行了投資，以確保其數(shù)據(jù)可用于所有機(jī)器學(xué)習(xí)應(yīng)用。如果沒有數(shù)據(jù)質(zhì)量和整合，人工智能技術(shù)就不會(huì)繼續(xù)提高癌癥患者的存活率，也不會(huì)使人工智能技術(shù)在國(guó)際象棋和圍棋比賽中取勝，也難以改變生物化學(xué)的面貌。

投資的轉(zhuǎn)變側(cè)重于確保捕獲的數(shù)據(jù)具有盡可能高的質(zhì)量，而不是簡(jiǎn)單地盡可能地?cái)U(kuò)大數(shù)據(jù)網(wǎng)的規(guī)模，這是一個(gè)明顯的行業(yè)變化。不到十年前，專用的數(shù)據(jù)質(zhì)量服務(wù)和工具是一種利基服務(wù)，并且在數(shù)據(jù)繁重的業(yè)務(wù)中基本未被充分利用?，F(xiàn)在，它們是企業(yè)高管未來(lái)計(jì)劃的重中之重。

隨著機(jī)器學(xué)習(xí)繼續(xù)以越來(lái)越高的速度發(fā)展，企業(yè)必須招募更多的數(shù)據(jù)科學(xué)家，并投資于處理此類算法的必要技術(shù)。可靠的高質(zhì)量數(shù)據(jù)數(shù)據(jù)庫(kù)使組織更接近將機(jī)器學(xué)習(xí)整合到他們的業(yè)務(wù)中，但如果企業(yè)的數(shù)據(jù)科學(xué)家沒有正確的資源，那么這種勢(shì)頭將會(huì)減弱。

數(shù)據(jù)科學(xué)家的建議

在采取措施之前，企業(yè)必須考慮他們希望添加到其軟件生態(tài)系統(tǒng)中的各種編程語(yǔ)言，同時(shí)考慮到業(yè)務(wù)的最終目標(biāo)，可用的編程技能以及每種語(yǔ)言的質(zhì)量。

研究表明，64%的組織表示，依賴機(jī)器學(xué)習(xí)來(lái)挖掘大型數(shù)據(jù)集，并預(yù)測(cè)未來(lái)事件結(jié)果的預(yù)測(cè)分析是投資機(jī)器學(xué)習(xí)的關(guān)鍵動(dòng)力。這種預(yù)測(cè)分析功能依賴于數(shù)據(jù)科學(xué)家對(duì)適當(dāng)編程語(yǔ)言的掌握。那么如何掌握和獲得？通過學(xué)習(xí)、實(shí)驗(yàn)，以及向他人請(qǐng)教。

根據(jù)2018年Tiobe Index的調(diào)查，Python成為全球最流行的編程語(yǔ)言之一，并已經(jīng)超越其競(jìng)爭(zhēng)對(duì)手，主要是因?yàn)槠渚哂泻?jiǎn)單性、可讀性、多功能性和靈活性。隨著全球數(shù)百萬(wàn)人學(xué)習(xí)和使用該語(yǔ)言，越來(lái)越多的個(gè)人和團(tuán)體在線共享程序、技巧和整個(gè)算法。Python的用戶網(wǎng)絡(luò)為希望使用和嘗試Python的企業(yè)提供了大量的學(xué)習(xí)材料。

基于Python的技術(shù)也在不斷涌現(xiàn)。 3月4日，深度學(xué)習(xí)庫(kù)TensorFlow的第二版Alpha發(fā)行。TensorFlow 2.0承諾繼續(xù)其前任作為世界上最受歡迎的機(jī)器學(xué)習(xí)項(xiàng)目之一，擁有更廣泛的Python庫(kù)。使用Python腳本，可以更輕松地利用數(shù)據(jù)科學(xué)社區(qū)的豐富知識(shí)和快速進(jìn)步。

最終，企業(yè)應(yīng)該致力于提供一個(gè)基礎(chǔ)數(shù)據(jù)基礎(chǔ)設(shè)施，所有團(tuán)隊(duì)中的每個(gè)人都應(yīng)該提供這些基礎(chǔ)設(shè)施。對(duì)于商業(yè)智能團(tuán)隊(duì)來(lái)說(shuō)，這通常是SQL（即使他們的工具生成它），但為了成功實(shí)現(xiàn)這一目標(biāo)，必須允許數(shù)據(jù)庫(kù)科學(xué)家使用他們的首選語(yǔ)言（尤其是Python）運(yùn)行數(shù)據(jù)腳本。數(shù)據(jù)的標(biāo)準(zhǔn)化和民主化意味著企業(yè)能夠以更具創(chuàng)造性和實(shí)驗(yàn)性的方式在所有和部分業(yè)務(wù)中應(yīng)用機(jī)器學(xué)習(xí)。

采用云計(jì)算

雖然內(nèi)部部署的IT基礎(chǔ)設(shè)施能夠托管許多開源框架來(lái)構(gòu)建機(jī)器學(xué)習(xí)解決方案，但如今許多企業(yè)缺乏有效支持這些解決方案的能力和可擴(kuò)展性。例如，大多數(shù)企業(yè)目前沒有重要的GPU計(jì)算能力，因?yàn)樗麄冇?jì)劃運(yùn)營(yíng)x86工作負(fù)載的容量，而平行工作的GPU服務(wù)器集群可能會(huì)大大加速深度學(xué)習(xí)算法的培訓(xùn)過程。

如果企業(yè)正在評(píng)估項(xiàng)目的機(jī)器學(xué)習(xí)，則超大規(guī)模云平臺(tái)可以提供基于消費(fèi)的GPU計(jì)算訪問。它還提供額外的x86計(jì)算，用于構(gòu)建高性能數(shù)據(jù)庫(kù)分析的基礎(chǔ)設(shè)施，然后算法可以從中進(jìn)行數(shù)據(jù)分析。

當(dāng)需求從批量分析轉(zhuǎn)移到實(shí)時(shí)（或至少是業(yè)務(wù)時(shí)間）時(shí)，相關(guān)數(shù)據(jù)的流量必須與近乎實(shí)時(shí)工作的機(jī)器學(xué)習(xí)算法的需求保持同步?？梢岳迷朴?jì)算彈性來(lái)確保在整個(gè)項(xiàng)目的生命周期中支持工作負(fù)載，并使企業(yè)可以自由地嘗試機(jī)器學(xué)習(xí)功能，而不會(huì)受到資本支出決策的阻礙。

組織將業(yè)務(wù)擴(kuò)展到云端從未如此輕松，因?yàn)锳WS、谷歌、亞馬遜三大公共云提供商都在為機(jī)器學(xué)習(xí)業(yè)務(wù)而不斷努力。盡管如此，去年的BI to DA Analytics研究發(fā)現(xiàn)，只有30%的組織利用云計(jì)算的彈性和可擴(kuò)展性，并通過機(jī)器學(xué)習(xí)從組織的數(shù)據(jù)中獲取價(jià)值。

數(shù)據(jù)分析和機(jī)器學(xué)習(xí)基礎(chǔ)設(shè)施對(duì)于以數(shù)據(jù)為中心的組織而言至關(guān)重要。希望投資新技術(shù)戰(zhàn)略的企業(yè)應(yīng)該確保他們的分析數(shù)據(jù)庫(kù)基礎(chǔ)設(shè)施能夠同時(shí)在內(nèi)部部署和云計(jì)算應(yīng)用程序上運(yùn)行，讓他們可以自由地在第三方數(shù)據(jù)中心和內(nèi)部部署之間遷移工作負(fù)載，以優(yōu)化成本和計(jì)劃不斷發(fā)展其運(yùn)營(yíng)地區(qū)的數(shù)據(jù)治理要求。

雖然機(jī)器學(xué)習(xí)的復(fù)雜性和應(yīng)用可能看起來(lái)令人生畏，但提供啟動(dòng)機(jī)器學(xué)習(xí)項(xiàng)目的基礎(chǔ)設(shè)施比許多人想象的更為可行。事實(shí)上，企業(yè)已經(jīng)在其標(biāo)準(zhǔn)IT流程中使用他們所需的技術(shù)：數(shù)據(jù)庫(kù)、編程語(yǔ)言、基礎(chǔ)設(shè)施即服務(wù)。為了優(yōu)化機(jī)器學(xué)習(xí)的下一步，這些技術(shù)必須簡(jiǎn)單地用于不同的容量。

隨著越來(lái)越多的組織優(yōu)先考慮數(shù)據(jù)質(zhì)量，并了解理解和應(yīng)用機(jī)器學(xué)習(xí)的好處，他們將享受更好的決策和降低成本的好處。隨著市場(chǎng)競(jìng)爭(zhēng)的加劇，企業(yè)獲得收益越來(lái)越難，采用機(jī)器學(xué)習(xí)將成為其業(yè)務(wù)走向成功的途徑。

責(zé)任編輯：Ct