機器學習 (ML) 已成為組織推動真實創新的一項核心技術成分。不過,雖然機器學習擴展迅速,但要利用其強大功能也會帶
來幾項挑戰:
大規模採用機器學習的挑戰
擴展基礎設施 ― 若要使用機器學習達成業務目標,客戶
需要可擴展的基礎設施和專用的機器學習工具。投資可擴展
基礎設施及整合不同工具的成本可能過高,支出經常超過開
發機器學習程式碼本身的成本。
以負責任的態度使用機器學習 ― 資料集的爆炸式增
長導致使用機器學習互動或建置的人數快速成長。從資料安
全和隱私權到資料中的偏差緩解,只要是想要運用其優勢的
人,也都需要負擔其中的責任。實施資料科學最佳實務可確
保在組織內以負責任的方式使用機器學習。
不易獲取資料科學技能 ― 由於具備資料科學技能
的專業人員短缺,導致徵尋新人才或訓練現有人才進行
機器學習開發變得十分困難。如果有機器學習服務適用
於從初學者到專家的各種資料科學技能等級,就能避免
自行開發的機器學習平台中經常出現的單一做法。
管理成本 ― 組織內的機器學習迅速成長,管理成本的
需求也隨之而來,包括盡量將 GPU 和 CPU 等資源的效
率和使用率提至最高。
2 2