[机器学习] 建立一个机器学习工厂

发布时间:

2022-06-16 00:00

 

  近日,在芝加哥、伦敦和纽约相继举行的 STAC Summit刚刚结束,DDN 每年都会参加 STAC 峰会, 与先进的、具有创新性的金融服务机构一起交流。DDN 很高兴参与每次活动的“建立机器学习工厂”小组讨论,这是一个很热门的话题。在本次小组讨论中,有许多话题是关于企业如何有效地将机器学习项目从概念验证扩展到产业应用,并实现增长。

  大会还讨论了标准化工具但又保持允许创新的灵活性,以培养一个拥抱创新的环境。此外,如何管理基础设施以控制成本也是一个话题。之后,谈话多次转向如何使数据战略与业务战略保持一致,以增加企业成功的可能性,并创建一个可扩展的模型。

  一个成功且可扩展的数据策略由哪些部分组成?

  1确定需要哪些数据

  您需要确定需要哪些数据,哪些数据对业务至关重要,这些数据在哪里,如何收集新数据以及如何组织这些数据?考察企业如何平衡在数据源处理与数据聚合和集中计算。

  2采用正确的数据治理

  如果您正在构建一个针对客户风险做推荐的 AI 模型,您必须能够解释该模型是如何训练和可靠地使用数据的。对于金融企业而言,数据隐私、合法性和安全责任是 AI 数据计划的关键基础部分。

  3适当的人使用恰当的工具

  为了构建知识和创造倍增效应,让数据科学家和数据团队更容易共享知识以及更好地协作,同时保持强大的访问控制。

  4确保你有合适的平台

  来减少复杂性,有效地处理数据并保持灵活性。许多项目的失败都是因为数据瓶颈,或因为网络和设备无法大规模处理数据。有了精简的数据架构,监管的合规性就简化了。

  

 

  DDN 了解金融机构面临的复杂选择,为数据管理提供各种各样的创新性解决方案。凭借解决方案的高性能、轻松的可扩展能力和灵活性,DDN将帮助您创建一个优良的环境,它既能促进当下的创新,又能为满足未来的客户需求打下可持续发展的基础。

相关新闻