访问安全
上网行为管理AC SSL VPN 硬件VPN云安全
信服云盾 信服云眼 重构入云业务安全边界边界安全
下一代防火墙AF WAF终端安全
终端检测响应平台EDR 企业移动管理EMM身份安全
EasyConnct 行为感知系统BA威胁检测
安全感知平台SIP病毒防护
网络防病毒等级保护
等保2.0安全审计与运营
数据库安全审计DAS云服务
私有云 公有云 云杀毒 云监控 混合云 云搬迁微软云
微软云介绍 微软云优势 微软云解决方案 微软云案例阿里云
阿里云介绍 阿里云产品 阿里云解决方案 阿里云案例钉钉
钉钉简介 钉钉定制开发推荐视频
发布者：上海IT外包来源：http://www.lanmon.net点击数：1066
蓝盟IT小贴士，来喽！
第一代AutoML平台的重点主要在于自动化数据科学过程的机器学习部分。 然而，在传统数据科学工作流程中，最冗长最具挑战性的部分是被称为要素工程的部分，要素工程是非常手工的一步，主要涉及数据源的连接和广泛的“要素表”的构建，需要丰富的“要素”。 同时，这些因素需要评估多种机器学习算法。
目前要素工程面临的课题是，只有在更高水平的领域的专业知识才能“根深蒂固”新的要素，这个过程在评价、拒绝或者选择要素时需要重复进行。 但是，最近业界推出了一个新的平台，它提供了解决此问题的额外功能和自动化功能。 一些具有“自动要素工程”功能的平台可以从关系数据源和非结构化文件自动创建要素表。 在这样的数据科学过程中，“自动生成”要素的方法可以说是改变游戏规则的功能。
突然，“公民”数据科学家开始成为组织ML和AI模型开发的宝贵贡献者。 通常，“公民数据科学家”是指熟悉业务智能(BI )分析师、数据工程师和组织中其他深入领域知识的技术成员。 通过机器学习，BI团队可以利用自动要素工程在几天内开发出复杂的预测分析算法，大幅提高生产效率而无需数据科学家的帮助。
数据科学的自动化可以加快和自动化元素发现和功能创建过程，从而使更多的用户群体能够为数据科学的过程做出贡献。 元素创建的自动化使“公民”数据科学家能够创建非常有用、高度优化的用例。 此外，公民数据科学家通常拥有高度的“专业知识”，因此他们几乎不需要数据科学团队的帮助，可以将重点放在对组织具有高价值的用例上。
开设公民数据科学家的另一个优点是企业不必担心招致数据科学家，可以开拓数据科学的利用。 根据2018年LinkedIn的研究，美国的组织很难雇用数据科学家。 因此，发掘新的数据科学贡献者至关重要。
目前，世界经济面临着许多不确定性。 在这种情况下，以最小的投资发掘一些新的AI/ML开发者，成为改变游戏规则的价值主张，对于维持和增加竞争优势至关重要。
分享到：
中文
电话咨询
微信咨询
公众号
