На этой неделе мне выпала возможность выступить на инициативном семинаре , организованном Исследовательским центром ИИ Чалмерса ( КАФЕДРА ). Ключевое сообщение в моей презентации (см. видео здесь ) заключалось в том, что работа с искусственным интеллектом (ИИ) и, в частности, с машинным и глубоким обучением (МО/ГО) представляет собой серьезную задачу разработки программного обеспечения, которая сильно недооценивается компаниями, начинающими экспериментируйте с машинным и глубоким..

Этот еженедельный пост с новостями рынка подготовки данных подготовлен компанией The Data Value Factory , предлагающей Подготовку данных . 20 ссылок в посте этой недели: 5 статей (об искусственном интеллекте, машинном обучении, аналитике, DataOps, ModelOps и данных о здравоохранении, Wovenware, O'Reilly, Tel-Aviv University, Blumberg Capital, SAS и NexSoftSys), 2 интервью. (о масштабируемой аналитике и подходе к борьбе с COVID-19 на основе данных от Dell Technologies и Aetion), 9..

Примечания к полю данных Резюме «Качество данных относится к состоянию набора значений качественных или количественных переменных». В то время как каждая фирма и человек, с которыми я встречался на протяжении многих лет, хотят внедрить или уже внедрили аналитику данных в свой бизнес, мне кажется странным, что качество данных — это тема, которая редко всплывает во время разговоров. Качество данных — единственный лучший фактор, обеспечивающий низкий уровень ошибок при составлении..

Я работал над множеством проектов в области науки о данных и машинного обучения - больших и малых. От проектов, для которых требовалось всего несколько записных книжек, до проектов, которые превратились в десятки тысяч строк кода. Я обнаружил, что начинать проект, предполагая, что он будет расти, всегда хорошо. Вначале требуется лишь небольшое количество дополнительных усилий, чтобы обеспечить долгосрочную продуктивность. Использование git для управления кодом обязательно. Способ..

Узнайте о новом подходе DataOps, необходимом для поддержки усилий по машинному обучению Добро пожаловать во вторую часть нашей мини-серии Окончательный отчет об операциях с данными за 2018 год ! Каждый год мы берем отчет и разбиваем его на мини-серию блогов, чтобы лучше понять каждый раздел отчета. На этой неделе мы обсуждаем структуры групп данных и необходимость найма в DataOps для поддержки машинного обучения и искусственного интеллекта. Об опросе Каждый год Nexla опрашивает..