Yönetmen: Keith Belanger Yönetmen: Keith Belanger AI projeleri, veri ekiplerinin çalışabilmeleri için kullandıkları veri sorunlarını yüzeye çıkarmanın bir yoluna sahiptir.Bu, analitik verilerin geniş bir hata marjına izin verdiği için, ve AI basitçe yapmaz. AI modellerinin belirsizliği tolere etmemesi ve makine hızıyla alınan kararlar yukarıda saklanan her kusuru büyütür. Bir zamanlar sessizce başarısız olan şimdi yüksek sesle başarısız olur ve çoğu zaman kamuoyunda. Yapay zeka başarısızlıkları genellikle deneysel büyüyen acı olarak reddedilir.Gerçekte, mevcut operasyonların zayıflığını ortaya koymaktadırlar.En rahatsız edici gerçek şu ki, çoğu veri organizasyonu, platformlarının ne kadar modern olsa da, modellerinin ne kadar sofistike görünse de, yapay zeka için operasyonel olarak hazır değil. İlk model yeniden eğitimi, bir boru hattı değiştiği için başarısız olduğunda, dün verilerin bugünün verilerinden farklı görünmesinin nedenini açıklayamadığında veya “sadece yeniden başlat” üretim sorunlarına varsayılan yanıt haline geldiğinde bunu görebilirsiniz. “Öncelikle, verilerde sorunlar varsa, o zaman veriler AI için hazır değil.” Gartner için Gartner için Data Teams Yeni Bir İşlem Modeli İstiyor Yıllar boyunca, çoğu kuruluş kırılgan bir kompromisle yaşadı. Eğer borular zaman zaman kırılırsa, zamanlamaları karşılamak için zamanında düzeltilebilirler. “Yeterince iyi” veri kalitesi yeterince iyiydi. Hükümet, ortak bir sürücünün bir yerinde vardı. Ve bir şey kırıldığında, birisi fark etti ve düzeltti. Bu model karmaşıklığı emmek için insanlara değil sistemlere dayanıyordu. Kahramanlıkla telafi ediliyor: Manuel kontroller, geceleri ve kurumsal hafızayı kişiden kişiye bilgilendiriyordu. Data Ekipleri Data Ekipleri Analitik veri çağı yaklaşımı, dağıtım haftalık sürümlerden günde birden fazla dağıtımlara geçtikçe çöker. Modeller sürekli olarak verileri tüketir, tutarlılığı varsayar ve küçük sapmalar bile güçlendirir. “AI-Ready” elde edilebilir ve ölçülebilir Organizasyonlar artık güven veya araçlandırma temelinde hazırlık ilan edemezler.Onu sürekli doğrulama, çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi çizgi. Çünkü “AI hazır” sadece bir duygu değil, ölçülebilir bir durumdur. güvenilir Zamanında Yönetilen Gözlemci Üretilebilir Veri kalitesinin bu evrimi, iyi niyetlerden veya en iyi uygulamalar belgelerinden daha fazlasını gerektirir. Gerçek Bottleneck operasyonel, teknolojik değil Çoğu işletme zaten güçlü veri platformlarına sahiptir. eksikleri, bu platformları AI hızında tutarlı bir şekilde operasyonelleştirmenin bir yoludur. Manuel süreçler ölçeklenmez, çünkü insanlar sadece verecek çok fazla dikkat var. AI iş yükü tekrarlanabilirlik ve verilerin dün olduğu gibi bugün de aynı şekilde hareket edeceğine olan güven gerektirir - ve yapmazsa hemen işaretlenir ve düzeltilir. Yazılım mühendisliği yıllar önce bu sorunla karşı karşıya kaldı. Sistemler daha karmaşık hale geldiğinde ve yayın döngüleri hızlandıktan sonra manuel süreçler ve insan uyanışı ölçeklenmeyi durdurdu. DevOps, otomasyon, test, gözlemlenebilirlik ve tekrarlanabilir teslimatın operasyonel hale getirilmesiyle oyunu değiştirdi. Yazılım mühendisliği yıllar önce bu sorunla karşı karşıya kaldı. Sistemler daha karmaşık hale geldiğinde ve yayın döngüleri hızlandıktan sonra manuel süreçler ve insan uyanışı ölçeklenmeyi durdurdu. DevOps, otomasyon, test, gözlemlenebilirlik ve tekrarlanabilir teslimatın operasyonel hale getirilmesiyle oyunu değiştirdi. DataOps, veri ekiplerine, yazılım ekiplerini 21. yüzyıla katapulte etmelerine yardımcı olan aynı operasyonel sıkıntıyı sunuyor. Bilgiler şimdi aynı dönüm noktasında. Bilgiler şimdi aynı dönüm noktasında. Güvenin operasyonel hale getirilmesi tek yol AI ile başarılı olan organizasyonlar, . treat data trust as an operational discipline Veri Güvenliği Bir Operasyonel Disiplin Olmak Bu, veri borularının sürekli olarak gözlemlenmesi, otomatik olarak yönetilmesi ve AI hazırlıklı üretimde kanıtlanması gerektiği anlamına gelir. . Data Ürünleri Data Ürünleri Alternatif zaten oynanıyor.Modeller üretimde duruyor, çıkışlara olan güven bozuldu ve takımlar inşa ettikleri sistemlere güvenmeyi bırakıyor.Bu gerçekleştiğinde, karar vericiler sessizce AI'ya tamamen güvenmeyi bırakıyor. Öpüşerek anı yaşamak ve verilerinizi AI hızında güven sunmak için tasarlanmış sistemlerle işlevselleştirin. DataOps disiplinleri DataOps disiplinleri Bu hikaye HackerNoon’un Business Blogging Programı altında yayınlandı. Bu hikaye HackerNoon’un Business Blogging Programı altında yayınlandı. Bu hikaye HackerNoon's tarafından yayınlandı . Blog İşletme Programı Blog İşletme Programı Blog İşletme Programı
