TECHNOLOGY

2022 में डेटा साइंस और मशीन लर्निंग रोडमैप कैसे बनाएं

इस 12 जनवरी, 2022 को फ्यूचर ऑफ वर्क समिट में सीआईओ, सीटीओ, और अन्य सी-लेवल और डेटा और एआई रणनीतियों पर वरिष्ठ अधिकारियों से सुनें। और अधिक जानें


एक में निवेश करने के लिए अपने संगठन की पसंद के बीच की खाई को पाटना डेटा साइंस एंड मशीन लर्निंग (डीएसएमएल) रणनीति और जरूरतें जो व्यावसायिक इकाइयों के पास परिणाम के लिए हैं, 2022 में डेटा और एनालिटिक्स लीडर्स की प्राथमिकताओं पर हावी होंगी। डीएसएमएल की मुख्य प्रौद्योगिकियों के लिए बढ़ते उत्साह के बावजूद, इसकी रणनीतियों से परिणाम प्राप्त करना उद्यमों के लिए मायावी है।

बाजार के पूर्वानुमान डीएसएमएल के लिए उद्यमों के शुरुआती आशावाद को दर्शाते हैं। IDC सॉफ्टवेयर, हार्डवेयर और सेवाओं सहित आर्टिफिशियल इंटेलिजेंस (AI) बाजार के लिए दुनिया भर में राजस्व का अनुमान लगाता है 2021 में साल दर साल 15.2% बढ़कर $341.8 बिलियन हो जाएगा और 2022 में 18.8% की वृद्धि के साथ और 2024 तक 500 बिलियन डॉलर तक पहुंच गया। इसके अलावा, 56% वैश्विक उद्यम अधिकारियों ने कहा कि डीएसएमएल और एआई को अपनाना बढ़ रहा है, 2020 में 50% से ऊपर, मैकिन्से के अनुसार.

गार्टनर ध्यान दें कि DSML पहल करने वाले संगठन अपने ज्ञान, विशेषज्ञता और परीक्षण उपयोग के मामलों के निर्माण के लिए कम लागत वाले, खुले स्रोत और सार्वजनिक क्लाउड सेवा प्रदाता प्रसाद पर भरोसा करते हैं। यह चुनौती बनी हुई है कि बड़े पैमाने पर तैनात और प्रबंधित किए जाने वाले मॉडलों का सर्वोत्तम उत्पादन कैसे किया जाए।

DSML आज उद्यमों में असमान मूल्य प्रदान कर रहा है

वित्तीय सेवाओं, स्वास्थ्य देखभाल और निर्माण में डेटा वैज्ञानिक टीमों ने वेंचरबीट को बताया कि उनके उद्यम की डीएसएमएल रणनीतियाँ सबसे प्रभावी हैं जब वे व्यावसायिक इकाई द्वारा असमान प्रारंभिक परिणामों की आशा और योजना बनाते हैं। टीमों का यह भी कहना है कि एमएलओपीएस का उपयोग करके बड़े पैमाने पर मॉडल तैयार करना मूल रूप से देवओप्स के साथ मुख्यधारा के आंतरिक ऐप बनाने से अलग है। वे कहते हैं कि एक व्यावसायिक इकाई का ऑपरेटिंग मॉडल जितना जटिल होगा, एमएलओपीएस सीखने की अवस्था उतनी ही तेज होगी। व्यावसायिक इकाइयों में DSML का योगदान विश्वसनीय डेटा की उपलब्धता और स्पष्ट रूप से परिभाषित समस्या विवरण के आधार पर भिन्न होता है।

ओ रेली पाया गया कि “उद्यम एआई तब तक परिपक्व नहीं होगा जब तक कि विकास और संचालन समूह निरंतर परिनियोजन जैसी प्रथाओं में संलग्न न हों जब तक कि परिणाम दोहराने योग्य न हों (कम से कम एक सांख्यिकीय अर्थ में), और जब तक नैतिकता, सुरक्षा, गोपनीयता और सुरक्षा माध्यमिक के बजाय प्राथमिक न हो जाए चिंताओं।

कागले ने संकेत दिया कि 80.3% उत्तरदाता रैखिक या लॉजिस्टिक प्रतिगमन एल्गोरिदम का उपयोग करते हैं, इसके बाद निर्णय पेड़ और यादृच्छिक वन (74.1%) और ढाल बढ़ाने वाली मशीनों (59.5%) का उपयोग करते हैं। उद्यम केवल डीएसएमएल की क्षमता की सतह को खरोंच रहे हैं, कई कारकों द्वारा गोद लेने की गति को धीमा कर दिया गया है जिसमें 2022 में सुधार करने की आवश्यकता है।

2022 में DSML कैसे और कहाँ सुधरेगा

DSML प्लेटफॉर्म के मूलभूत तत्वों को प्राप्त करने से निर्णय लेने की सटीकता, गति और गुणवत्ता में तेजी आती है। जैसा कि नवीनतम गार्टनर मैजिक क्वाड्रंट से पता चलता है, डीएसएमएल प्लेटफॉर्म प्रदाता अधिक लचीला, स्केलेबल इन्फ्रास्ट्रक्चर प्रदान करने में प्रगति कर रहे हैं, जिसमें एक्स्टेंसिबिलिटी के साथ संयुक्त पैमाने पर कई व्यक्तियों की जरूरतों का समर्थन करने के लिए शासन तैयार किया गया है। मैकिन्से जिन उद्यमों को “उच्च प्रदर्शनकर्ता” मानते हैं, वे अपने साथियों की तुलना में क्लाउड अवसंरचना का अधिक उपयोग करते हैं, उनके एआई वर्कलोड का 64% सार्वजनिक या हाइब्रिड क्लाउड पर चल रहा है, उनके साथियों के 44% की तुलना में। इसके अलावा, मैकिन्से ने नोट किया कि यह समूह एआई क्षमताओं और तकनीकों की एक विस्तृत श्रृंखला तक पहुंचने के लिए सार्वजनिक क्लाउड इन्फ्रास्ट्रक्चर पर निर्भर करता है।

डीएसएमएल रणनीतियों को 2022 में संगठनों में बढ़ते हुए गोद लेने के लिए देखा जा रहा है, और निम्नलिखित ऐसे क्षेत्र हैं जहां संगठन और मंच प्रदाता 2022 के लिए इन क्षेत्रों को अपने रोडमैप पर शामिल करके परिणामों को बेहतर बनाने के लिए मिलकर काम कर सकते हैं:

  • अनुकूली एमएल साइबर सुरक्षा, दूरस्थ साइट सुरक्षा, निर्माण में गुणवत्ता प्रबंधन और औद्योगिक रोबोटिक्स सिस्टम को ठीक करने की क्षमता दिखाता है।

अपने प्रासंगिक डेटा, स्थितियों और कार्यों को कितनी तेजी से बदल रहे हैं, इसके द्वारा परिभाषित उपयोग के मामलों के एक स्पेक्ट्रम में बढ़े हुए गोद लेने के लिए अनुकूली एमएल की तलाश करें। उदाहरण के लिए, अनुकूली एमएल मॉडल में साइबर जोखिम और दूरस्थ साइट जोखिम आकलन का संयोजन एक उपयोग का मामला है जिसे उपयोगिता कंपनियां आज उत्पादन में उपयोग कर रही हैं। अनुकूली एमएल का सबसे बड़ा लाभ विनिर्माण से आ सकता है, जहां अनुकूली एमएल-आधारित अनुप्रयोगों के साथ दृश्य आईओटी सेंसर से टेलीमेट्री डेटा का संयोजन दोषपूर्ण उत्पादों की तुरंत पहचान कर सकता है और उन्हें उत्पादन लाइन से खींच सकता है। ग्राहकों को बचाने के लिए दोषपूर्ण उत्पादों को वापस करने की परेशानी लागत कम करते हुए ग्राहकों की वफादारी बढ़ा सकती है। लंबे समय से श्रम की कमी का सामना करने वाले निर्माताओं का सामना करना पड़ता है, रोबोटिक्स के साथ अनुकूली एमएल तकनीकों के संयोजन से निर्माताओं को अभी भी उत्पादों के लिए ग्राहकों की जरूरतों को पूरा करने में मदद मिल सकती है। अनुकूली एमएल स्वायत्त स्व-ड्राइविंग वाहन प्रणालियों और सहयोगी, स्मार्ट रोबोट का भी आधार है जो पुनरावृत्ति के माध्यम से सरल कार्यों को एक साथ पूरा करना सीखते हैं। अपनी विशेषज्ञता के लिए जाने जाने वाले DSML प्लेटफ़ॉर्म विक्रेताओं में Cogitai, Google, Guavus, IBM, Microsoft, SAS, Tazi, और अन्य शामिल हैं।

  • डीएसएमएल प्लेटफार्मों में सहयोगात्मक कार्यप्रवाह समर्थन बाजार में प्रतिस्पर्धा के लिए टेबल स्टेक बन जाता है।

डेटा वैज्ञानिक वेंचरबीट को बताएं कि डीएसएमएल प्लेटफॉर्म के वर्कअराउंड को सहयोग वर्कफ़्लो में फ्लेक्स और उनकी आवश्यकताओं के अनुकूल बनाने के लिए डिज़ाइन नहीं किया गया है, जिसमें मॉडल विकास समय के हफ्तों का खर्च हो सकता है। सहयोग टूल और वर्कफ़्लोज़ को सरल प्रश्न-उत्तर फ़ोरम से परे जाने और अधिक प्रभावी क्रॉस-मोडल डेटा और कोड रिपॉजिटरी प्रदान करने की आवश्यकता होती है जिसे प्रत्येक सहयोगी एक उद्यम में सुरक्षित रूप से उपयोग कर सकता है। डेटा और मॉडल विज़ुअलाइज़ेशन और मॉडल निर्यात करने के विकल्प के लिए भी समर्थन की आवश्यकता है। डेटा वैज्ञानिक आवश्यकताओं को पूरा करने के लिए सहयोग के लिए जरूरी है कि मॉडलिंग प्रक्रिया, डेटा वंश और मॉडल ट्रैकिंग, और संस्करण नियंत्रण और मॉडल वंश विश्लेषण में प्रत्येक चरण में संचार और कोड साझा करना शामिल है। सहयोगी वर्कफ़्लो समर्थन की पेशकश करने वाले डीएसएमएल प्लेटफॉर्म विक्रेताओं में डोमिनोज़, डेटािकु, गूगल, माइक्रोसॉफ्ट, एसएएस, टीआईबीसीओ, रैपिडमाइनर और अन्य शामिल हैं।

  • MLOps के पास एक ब्रेकआउट वर्ष होगा क्योंकि संगठन अधिक परिणामों के लिए व्यावसायिक परिणामों पर नज़र रखते हुए तेजी से परिनियोजन के लिए अधिक अनुभव स्केलिंग मॉडल प्राप्त करते हैं।

नए मॉडल बनाने और लॉन्च करने के लिए चक्र के समय को कम करना आज के उद्यमों में DSML परियोजनाओं का मूल्यांकन कैसे किया जाता है, इसका एक प्रमुख संकेतक है। प्रत्येक DSML प्लेटफ़ॉर्म विक्रेता MLOps समर्थन का अपना संस्करण प्रदान करता है। DSML रणनीति पर विचार करने वाले उद्यमों को यह समीक्षा करने की आवश्यकता है कि ब्याज का प्रत्येक प्लेटफ़ॉर्म मॉडल निर्माण, प्रबंधन, रखरखाव, मॉडल और कोड पुन: उपयोग, अपडेट और शासन को कैसे संभालता है। 2022 में अधिक मॉडल स्केलेबिलिटी और सुरक्षा प्रदान करने के लिए एमएलओपीएस को संशोधित करने के तरीके को फाइन-ट्यूनिंग जारी रखने के लिए प्रत्येक डीएसएमएल प्लेटफॉर्म विक्रेता की तलाश करें। डीएसएमएल प्लेटफॉर्म विक्रेता मॉडल टैक्सोनॉमी, संस्करण नियंत्रण, मॉडल रखरखाव, निगरानी और कोड और मॉडल सहित एमएलओपीएस विभेदकों पर भरोसा करेंगे। पुन: उपयोग। सर्वश्रेष्ठ DSML प्लेटफॉर्म यह भी सुनिश्चित करते हैं कि उनके MLOps वर्कफ़्लोज़ में वित्तीय निर्णय निर्माताओं और लाइन-टू-बिज़नेस मालिकों के लिए प्रासंगिक मेट्रिक्स और प्रमुख प्रदर्शन संकेतक (KPI) का उपयोग करके व्यावसायिक परिणामों को मापने के लिए वापस जुड़ने का विकल्प है।

  • गोपनीयता संबंधी चिंताएं हर संगठन को सेंसर से जुड़े उत्पाद बनाने और उन्हें समर्थन देने वाली सेवाओं को मॉडल बनाने, परीक्षण करने और परिष्कृत करने के लिए सिंथेटिक डेटा का उपयोग करने के लिए मजबूर करेंगी।

बायोमेट्रिक डेटा कैप्चर करने के लिए एम्बेडेड सेंसर वाले कनेक्टेड डिवाइस की वर्तमान और अगली पीढ़ी आज बनाने के लिए सबसे चुनौतीपूर्ण मशीन लर्निंग मॉडल में से एक है। एआई-आधारित वर्कर सेफ्टी सिस्टम बनाने वाले स्टार्टअप्स को सिंथेटिक डेटा बनाना और फाइन-ट्यून करना आवश्यक लग रहा है ताकि वे भविष्यवाणी कर सकें, उदाहरण के लिए, कब, कहाँ और कैसे दुर्घटनाएँ संभावित रूप से हो सकती हैं। वॉल स्ट्रीट जर्नल कृत्रिम डेटा कितना प्रभावी है और एआई और एमएल मॉडल के विकास में यह कितना व्यापक होता जा रहा है, इसकी एक आकर्षक झलक प्रदान करता है। लेख बताता है कि कैसे अमेरिकन एक्सप्रेस जनरेटिव एडवरसैरियल नेटवर्क का उपयोग करके अपने धोखाधड़ी भविष्यवाणी मॉडल में सुधार करता है, यादृच्छिक धोखाधड़ी पैटर्न के सिंथेटिक डेटा बनाने के लिए एक बहुत अधिक उपयोग की जाने वाली तकनीक। ऑटोनॉमस वाहन कंपनियां भी अपने मॉडल को प्रशिक्षित करने के लिए सिंथेटिक डेटा पर भरोसा कर रही हैं, जिसमें ऑरोरा, क्रूज़ और वेमो शामिल हैं, जो सभी अपनी कारों को निर्देशित करने वाले धारणा प्रणालियों को प्रशिक्षित करने के लिए सिंथेटिक डेटा का उपयोग करते हैं।

  • DSML प्लेटफॉर्म प्रदाताओं को बड़े पैमाने पर संपूर्ण ML वर्कफ़्लो को बढ़ाने और स्वचालित करने की आवश्यकता है।

प्रदाताओं के पास मॉडल विकास टूल की कई पीढ़ियां हैं, और उनका अनुभव उनके द्वारा समर्थित वर्कफ़्लो की परिपक्वता में दिखाता है। 2022 का लक्ष्य मॉडल परिनियोजन और प्रबंधन में सुधार करना है और वर्कफ़्लोज़ को अनुकूलित करने के लचीलेपन को बनाए रखते हुए MLOps वर्कफ़्लोज़ में शून्य विश्वास को एकीकृत करना है। ऑटोएमएल को अधिक से अधिक अपनाया जाएगा क्योंकि उद्यम अपने एमएल वर्कफ़्लो में तेजी लाने के लिए देख रहे हैं, डेटा वैज्ञानिकों के साथ उच्च मांग में इसकी तकनीकों के साथ कुशल हैं। स्वचालित ML वर्कफ़्लोज़ ML कोड घटकों की अधिक पुन: प्रयोज्यता प्रदान करेगा, मॉडल परीक्षण और सत्यापन के लिए ट्रिम चक्र समय, और प्रक्रिया में डेटा विज्ञान टीमों की उत्पादकता में वृद्धि करेगा।

  • ट्रांसफर लर्निंग को आज बड़े पैमाने पर और उत्पादन में डीएसएमएल रणनीतियों के साथ उद्यमों में तेजी से अपनाया जाएगा।

स्थानांतरण सीखने का सार मौजूदा का पुन: उपयोग कर रहा है प्रशिक्षित मशीन लर्निंग मॉडल नए मॉडल के विकास पर एक प्रमुख शुरुआत करने के लिए। यह पर्यवेक्षित मशीन लर्निंग एल्गोरिदम के साथ काम करने वाली डेटा विज्ञान टीमों के लिए विशेष रूप से उपयोगी है, जिन्हें सटीक विश्लेषण देने के लिए लेबल किए गए डेटा सेट की आवश्यकता होती है। एक नए पर्यवेक्षित मशीन लर्निंग मॉडल पर शुरू करने के बजाय, डेटा वैज्ञानिक किसी दिए गए व्यावसायिक लक्ष्य के लिए मॉडल को अनुकूलित करने के लिए ट्रांसफर लेवलिंग का उपयोग कर सकते हैं। इसके अलावा, ट्रांसफर लर्निंग मॉड्यूल प्रक्रिया-केंद्रित उद्योगों में अधिक प्रासंगिक होते जा रहे हैं जो कंप्यूटर विज़न पर भरोसा करते हैं क्योंकि यह लेबल डेटा के लिए प्रदान करता है। ट्रांसफर लर्निंग की पेशकश करने वाले प्रमुख DSML प्लेटफॉर्म प्रदाताओं में Alteryx, Google, IBM, SAS, TIBCO, और अन्य शामिल हैं।

  • संगठनों को पहले उपयोग के मामलों और मेट्रिक्स पर ध्यान केंद्रित करने और यह महसूस करने की आवश्यकता है कि असाधारण मॉडल सटीकता व्यावसायिक मूल्य प्रदान नहीं कर सकती है।

पर्यवेक्षित मशीन लर्निंग मॉडल बनाते समय सबसे आम चुनौतियों में से एक, खासकर जब सेंसर और एंडपॉइंट से टेलीमेट्री डेटा की प्रचुरता होती है, एक और डिग्री सटीकता के लिए मॉडल को ट्विक करने की प्रवृत्ति होती है। मैन्युफैक्चरिंग शॉप फ़्लोर से टेलीमेट्री डेटा छिटपुट हो सकता है और कई अन्य कारकों के साथ-साथ साइकिल काउंट, फ़्रीक्वेंसी और किसी मशीन की गति से भिन्न होता है। शॉप फ्लोर से रीयल-टाइम टेलीमेट्री डेटा मशीनों के बारे में क्या कहता है, इस पर पकड़ बनाना आसान है, लेकिन यह देखने के लिए कि डेटा शॉप फ्लोर उत्पादकता के बारे में क्या कह रहा है और मार्जिन पर इसके प्रभाव को प्राथमिक लक्ष्य के रूप में फोकस में रहने की जरूरत है .

DSML रणनीतियों को व्यावसायिक परिणामों पर आधारित होना चाहिए

डीएसएमएल रणनीतियों का अनुसरण करने वाले संगठनों को 2022 में एक स्पष्ट रोडमैप के साथ जाने की जरूरत है कि वे पहले व्यावसायिक मामले के नजरिए से क्या हासिल करना चाहते हैं, जो मापने योग्य ग्राहक परिणामों में लंगर डाले हुए हैं। डीएसएमएल प्लेटफॉर्म प्रदाता अगले बारह महीनों में जिन नवाचारों की घोषणा करने की योजना बना रहे हैं, उनकी गति और विविधता पांच प्रमुख क्षेत्रों के इर्द-गिर्द घूमेगी। इनमें एमएल मॉडल निर्माण का लोकतंत्रीकरण करना और अधिक व्यावसायिक पेशेवरों के लिए मॉडल निर्माण और फाइन-ट्यूनिंग उपलब्ध कराना शामिल है। दूसरा, अगले बारह महीनों में डीएसएमएल प्लेटफॉर्म के बहु-व्यक्ति समर्थन में सुधार होगा, और अधिक से अधिक अपनाने का समर्थन करेगा। तीसरा, एमएल वर्कफ्लो को एंड-टू-एंड स्वचालित करने से 2022 में एमएलओपीएस चक्रों में तेजी लाने में मदद मिलेगी, जो मॉडल प्रदर्शन से जुड़ी व्यापार रिपोर्टिंग की एक बेहतर लाइन के चौथे कारक को चलाएगा। पांचवां, उद्यम अपने डीएसएमएल निवेश के लिए बहुत तेज समय-दर-मूल्य चाहते हैं, और डीएसएमएल प्लेटफॉर्म विक्रेता परिदृश्य को ग्राहकों को पकड़ने और नए लोगों को आकर्षित करने के लिए अधिक सटीक और वास्तविक समय की अंतर्दृष्टि के साथ अपने मूल्य को निर्धारित करने की आवश्यकता होगी।

वेंचरबीट

वेंचरबीट का मिशन तकनीकी निर्णय लेने वालों के लिए परिवर्तनकारी तकनीक और लेन-देन के बारे में ज्ञान हासिल करने के लिए एक डिजिटल टाउन स्क्वायर बनना है। जब आप अपने संगठनों का नेतृत्व करते हैं तो हमारा मार्गदर्शन करने के लिए हमारी साइट डेटा तकनीकों और रणनीतियों पर आवश्यक जानकारी प्रदान करती है। हम आपको हमारे समुदाय का सदस्य बनने के लिए आमंत्रित करते हैं:

  • आपकी रुचि के विषयों पर अप-टू-डेट जानकारी
  • हमारे समाचार पत्र
  • गेटेड विचार-नेता सामग्री और हमारे बेशकीमती आयोजनों के लिए रियायती पहुंच, जैसे रूपांतरण 2021: और अधिक जानें
  • नेटवर्किंग सुविधाएँ, और बहुत कुछ

सदस्य बने


Source link

Show More

Leave a Reply

Your email address will not be published.

Back to top button