99精品在线观看-99精品在线免费观看-99精品在线视频观看-99精品这里只有精品高清视频-99九九精品国产高清自在线

智東西7月2日消息，近日，第一屆USENIX OpML 2019機(jī)器學(xué)習(xí)大會在加利福尼亞州圣克拉拉市舉辦，來自世界各地的機(jī)器學(xué)習(xí)專家學(xué)者相聚一堂，共同探討金融、保險、醫(yī)療保健、安全、網(wǎng)絡(luò)、制造業(yè)等行業(yè)中的機(jī)器學(xué)習(xí)的問題、實踐、新工具和前沿研究。
 

會上有許多精彩的演示、論文和項目，其中有幾個新興的趨勢十分值得關(guān)注。隨著越來越多的組織將機(jī)器學(xué)習(xí)推向生產(chǎn)并使用機(jī)器學(xué)習(xí)來指導(dǎo)實踐，預(yù)計這些趨勢將在未來幾年內(nèi)變得越來越顯著。
 

福布斯撰稿人Nisha Talagala作為USENIX OpML 2019機(jī)器學(xué)習(xí)大會的聯(lián)合主席，通過一整天的觀察與分析，總結(jié)出當(dāng)前機(jī)器學(xué)習(xí)發(fā)展的五大趨勢，并強調(diào)了機(jī)器學(xué)習(xí)的商業(yè)回報在五大趨勢的影響下會逐漸顯現(xiàn)。
 

一、機(jī)器學(xué)習(xí)需要快速迭代
 

許多從業(yè)者強調(diào)了迭代和持續(xù)改進(jìn)對機(jī)器學(xué)習(xí)發(fā)展的重要性。與軟件非常相似，機(jī)器學(xué)習(xí)想要得到改善就需要持續(xù)迭代和定期更新。那些大規(guī)模應(yīng)用機(jī)器學(xué)習(xí)的企業(yè)建議一個機(jī)器學(xué)習(xí)新項目最好從沒有機(jī)器學(xué)習(xí)或只有簡單機(jī)器學(xué)習(xí)基礎(chǔ)上開始。正如一位從業(yè)者所說的那樣，你不會想花一年時間投資一個復(fù)雜的深度學(xué)習(xí)解決方案，因為在部署投資深度學(xué)習(xí)之后你就會發(fā)現(xiàn)一個更簡單的非深度學(xué)習(xí)方法可以勝過它！
 

機(jī)器學(xué)習(xí)快速迭代還需要優(yōu)化基礎(chǔ)架構(gòu)以支持它的部署。這就意味著成功的機(jī)器學(xué)習(xí)基礎(chǔ)架構(gòu)需要包括自動部署、模塊化、微服務(wù)的使用，以及避免在早期進(jìn)行過多的細(xì)粒度優(yōu)化。
 

二、不同于軟件問題，機(jī)器學(xué)習(xí)問題有自己的特殊性
 

OpML大會上的展示為我們展示了一個有意思現(xiàn)象，那就是機(jī)器學(xué)習(xí)的錯誤不僅能繞過常規(guī)檢查，還似乎是一種更好的生產(chǎn)方式。例如一個機(jī)器學(xué)習(xí)模型即便是在常規(guī)檢查中失敗了并產(chǎn)生了錯誤的結(jié)果，其最終也有可能會提高性能。
 

在生產(chǎn)中檢測機(jī)器學(xué)習(xí)錯誤需要專門的技術(shù)，如模型性能預(yù)測器，與非機(jī)器學(xué)習(xí)基線的比較，可視調(diào)試工具和操作機(jī)器學(xué)習(xí)基礎(chǔ)設(shè)施的度量驅(qū)動設(shè)計。Facebook、Uber和其他經(jīng)驗豐富的大規(guī)模機(jī)器學(xué)習(xí)組織強調(diào)了機(jī)器學(xué)習(xí)特定生產(chǎn)測量的重要性，這些測量從健康檢查到機(jī)器學(xué)習(xí)特定（如GPU）資源利用率。
 

三、機(jī)器學(xué)習(xí)有豐富的開源生態(tài)系統(tǒng)
 

機(jī)器學(xué)習(xí)擁有用于模型開發(fā)的豐富的生態(tài)系統(tǒng)（TensorFlow、ScikitLearn、Spark、Pytorch、R等）。OpML大會向我們展示了機(jī)器學(xué)習(xí)開源生態(tài)系統(tǒng)如何快速發(fā)展并如何成為大型和小型公司都使用的強大的公開工具。例子很多，包括用于治理和促進(jìn)合規(guī)性的Apache Atlas，用于Kubernetes的機(jī)器學(xué)習(xí)操作Kubeflow，用于生命周期管理的MLFlow和用于監(jiān)控的Tensorflow。
 

傳統(tǒng)企業(yè)供應(yīng)商開始集成這些開源軟件包，為其客戶提供完整的解決方案。一個顯著的例子是思科對Kubeflow的支持。此外，具有一定規(guī)模的網(wǎng)絡(luò)公司正在開源其核心基礎(chǔ)設(shè)施，以驅(qū)動他們的機(jī)器學(xué)習(xí)研究，例如來自領(lǐng)英的機(jī)器學(xué)習(xí)譜曲工具TonY。
 

隨著這些工具越來越多，從業(yè)者也在記錄者端到端的應(yīng)用案例并創(chuàng)建可能被應(yīng)用的更好的設(shè)計樣式。
 

四、基于云的服務(wù)和軟件使機(jī)器學(xué)習(xí)生產(chǎn)更加簡單
 

對于嘗試在生產(chǎn)中部署機(jī)器學(xué)習(xí)的團(tuán)隊來說，即使在流程的每個階段都有可用的開源工具，這個過程也是困難重重的。云則提供了另一種選擇。由于資源管理（例如機(jī)器配置、自動縮放、彈性拓展等）由云后端處理，因此云部署可以更簡單。當(dāng)使用加速器（GPU、TPU等）時，管理生產(chǎn)資源變得不太容易，而云服務(wù)就是一種通過利用云廠商的資源來優(yōu)化加速器使用的方法。
 

云部署還為IT公司提供了一個解決方法，以便在沒有大型內(nèi)部基礎(chǔ)架構(gòu)的情況下嘗試機(jī)器學(xué)習(xí)部署。即便是內(nèi)部已經(jīng)部署機(jī)器學(xué)習(xí)的企業(yè)也開始轉(zhuǎn)向提供類似于云服務(wù)的自助機(jī)器學(xué)習(xí)模型，這樣就能夠滿足組織內(nèi)多個團(tuán)隊和部門的需求。
 

五、技術(shù)影響力：企業(yè)基于網(wǎng)絡(luò)部署大規(guī)模機(jī)器學(xué)習(xí)
 

大型企業(yè)如Linkin、Facebook、Google等是第一批機(jī)器學(xué)習(xí)的實踐者，它們必須從頭開始構(gòu)建機(jī)器學(xué)習(xí)所需要的所有基礎(chǔ)設(shè)施，以便從機(jī)器學(xué)習(xí)中獲得經(jīng)濟(jì)收益。這些企業(yè)現(xiàn)在不僅開放他們的代碼，還分享他們來之不易的實踐經(jīng)驗和學(xué)習(xí)成果，所有的這些對于一般企業(yè)來說都能夠從中獲益。
 

正如OpML會上的專家所指出的一樣，這些企業(yè)已經(jīng)在機(jī)器學(xué)習(xí)領(lǐng)域進(jìn)行了深入研究并得出了有益的結(jié)果，其他企業(yè)能夠從這些企業(yè)的經(jīng)驗和經(jīng)歷中得到啟發(fā)。微軟和其他一些企業(yè)的機(jī)器學(xué)習(xí)部署經(jīng)驗可以向其他企業(yè)展示如何將高性能的機(jī)器學(xué)習(xí)嵌入到他們的商業(yè)應(yīng)用之中。
 

其他來自于大企業(yè)的端到端解決經(jīng)驗已經(jīng)向我們展示了如何將商業(yè)目標(biāo)轉(zhuǎn)換成深度學(xué)習(xí)解決方案并從中獲益。最后，面臨機(jī)器學(xué)習(xí)邊緣部署問題的企業(yè)可以從規(guī)模部署學(xué)習(xí)中受益。
 

結(jié)語：機(jī)器學(xué)習(xí)創(chuàng)造商業(yè)價值
 

Michael Jordan（美國科學(xué)家，加州大學(xué)伯克利分校教授）曾發(fā)表過一篇偉大的專欄文章——“人工智能：革命尚未發(fā)生”，強調(diào)了人工智能實踐的必要性。
 

OpML 2019則向我們展示了機(jī)器學(xué)習(xí)和人工智能是如何在企業(yè)對機(jī)器學(xué)習(xí)進(jìn)行操作和拓展、運營和實踐中走向成熟的。這對人工智能行業(yè)來說是一個好消息，因為它真正從人工智能投資中獲得回報。 上述五個趨勢應(yīng)該有助于實現(xiàn)人們期待已久的人工智能產(chǎn)業(yè)的商業(yè)價值。


免責(zé)聲明：本文由作者原創(chuàng)。文章內(nèi)容系作者個人觀點，轉(zhuǎn)載目的在于傳遞更多信息，并不代表EETOP贊同其觀點和對其真實性負(fù)責(zé)。如涉及作品內(nèi)容、版權(quán)和其它問題，請及時聯(lián)系我們，我們將在第一時間刪除！