Kategoriler

Altyapılardan eğitim araçlarına, Ben Lorica, önümüze çıkacak veri trenlerini inceliyor.

Ben Lorica 

İster yönetici, ister uygulayıcı olun, önümüzdeki aylarda izlenecek ve keşfedilecek önemli veri trendleri aşağıdaki gibidir.

Veri kültürü, organizasyon ve eğitim inşasına odaklanma

Son zamanlarda yapılan bir O’Reilly araştırmasında, beceri eksikliğinin, makine öğreniminin benimsenmesini engelleyen temel zorluklardan biri olmaya devam ettiğini gördük. Veri becerilerine olan talep (“21. yüzyılın en seksi işi”) tükenmiş değil. LinkedIn yakın zamanda ABD’deki veri bilimcilerine olan talebin çok yüksek olduğunu tespit etti ve bizim anketimiz veri bilimcilerine ve veri mühendislerine olan talebin yalnızca ABD’de değil küresel olarak da güçlü olduğunu belirtti.

Günümüzde bir becerinin ortalama beş yıldan daha az raf ömrüne sahip olması ve çalışan değiştirme maliyetinin yaklaşık olarak o pozisyonun altı ile dokuz aylık maaşının toplamına denk olması nedeniyle, bilişim liderlerinin üzerinde, çalışanlarını değiştirmek yerine onların yeteneklerini artırıp pozisyonlarında tutarak veri projelerini (makine öğrenimi uygulamaları gibi) sürdürmeleri yönünde artan bir baskı var. Ayrıca, yöneticilere ve karar vericilere yönelik, bu yeni makine öğrenmesi teknolojilerinin mevcut operasyonlarını ve ürünlerini nasıl etkileyebileceğini anlamalarını amaçlayan daha fazla eğitim programı görüyoruz.

Beceri açığını daraltmaya yönelik yatırımların ötesinde, şirketler veri bilimi projeleri için süreçleri uygulamaya koymaya başlıyor, örneğin, yetenekleri merkezileştiren ve en iyi uygulamaları paylaşan analitik mükemmellik merkezleri oluşturmak. Bazı şirketler aktif olarak makine öğrenmesi için bir kullanım örnekleri portföyü ve fırsatları da sürdürmektedir.

Veri altyapısı için bulut yatırım

Bulut(cloud) platformları, veri altyapısına yatırım yapması gereken şirketleri çekmeye devam edecek: yalnızca bulut platformları temel teknolojileri ve yönetilen hizmetleri iyileştirmekle kalmıyor, aynı zamanda giderek artan bir şekilde yazılım satıcıları ve popüler açık kaynaklı veri projeleri de tekliflerinin bulutla uyumlu çalışır olmasını sağlıyor. Yakın tarihli bir O’Reilly anketine göre, ankete katılanların% 85'i veri altyapısının bir kısmının halihazırda bulutta bulunduğunu söyledi, ve bilişim teknolojileri yöneticileriyle yapılan diğer anketler, birçoğunun SaaS ve bulut araçlarına yatırımlarını artırmayı planladığını ortaya koyuyor. Veri mühendisleri ve veri bilimcileri bazı görevleri için sunucusuz gibi yeni bulut teknolojilerini kullanmaya başlıyor.

(Gelişmekte olan) veri teknolojilerine yatırımların devam etmesi

Çoğu şirket için, makine öğrenmesine (MÖ) giden yol daha basit analitik uygulamalardan geçiyor. Bu iyi bir haber çünkü MÖ veri istiyor ve MÖ'den önce gelen basit analitik araçların birçoğu zaten veri altyapısının kurulmasını gerektiriyor. MÖ'ye artan ilgi, şirketleri MÖ girişimlerini ölçeklendirmek için gereken temel veri teknolojilerine yatırım yapmaya devam etmeye teşvik edecektir. Bunlar veri toplama ve veri entegrasyonu, depolama ve veri işleme, veri hazırlama ve temizleme gibi öğelerdir.

Güvenli ve gizliliği koruyan analitik için araçlara yatırım

Şirketler veri güvenliği ve gizliliği için araçlara yatırım yapmaya devam edecek, ancak araştırmacıların ve yeni başlayanların aktif olarak ilgilendiği alanlar olan gizliliği koruma analitiği araçlarına daha fazla odaklanılmasını bekliyoruz. Kuruluşlar, makine öğrenimesinin güvenlik ve mahremiyet, önyargı, güvenlik ve şeffaflık eksikliği gibi ürün ve hizmetlerde kullanılmasına eşlik eden riskleri belirlemeye ve yönetmeye başlayacaklar.

İşletmede makine öğrenmesini sürdürmek

İlk göstergeler, birçok kuruluşun, en kritik analiz projelerini geliştiren kullanım durumlarında ilk makine öğrenme projelerine (ve yatırımlarına) doğru şekilde odaklandıklarıdır. Örneğin, finansal hizmet şirketleri risk analizi için MÖ yatırımı yapıyor, telekomünikasyon şirketleri, hizmet operasyonlarında yapay zeka uyguluyor, ve otomotiv şirketleri imalattaki ilk MÖ uygulamalarını yoğunlaşıyorlar. Bunun bir diğer göstergesi de veri bilimi platformları, veri hattı, meta veri yönetimi ve analizi, veri yönetimi ve model yaşam döngüsü yönetimi dahil olmak üzere makine öğrenmesine özgü araçların ortaya çıkmasıdır.

Hızla gelişen IoT teknolojileri

Birkaç yıl önce, nesnelerin interneti (IoT) örneklerinin çoğu akıllı şehirleri ve akıllı hükümetleri içeriyordu. Ancak bulut platformlarının, ucuz algılayıcıların ve makine öğrenmesinin yükselişi, endüstride bir geri dönüş yapmak için IoT'yi şekillendirdi. Belediye ve kamu sektörü uygulamalarını duymaya devam edeceğiz, ancak kapalı sistemleri (fabrikalar, binalar, evler) ve işletme ve tüketici uygulamalarını (edge computing) içeren başka ilginç kullanım durumları da var.

Veri biliminde ve veride otomasyon

Makine öğrenimi ve analitik kullanımı yaygınlaştıkça, veri bilimcileri ve veri mühendislerinin daha fazla problemle başa çıkabilmeleri ve daha fazla sistem kurabilmeleri için ölçeklenmelerini sağlayacak araçlara ihtiyacımız var. Bu, veri hazırlama, özellik mühendisliği, model seçimi ve hiperparametre ayarı ile veri mühendisliği ve veri işlemlerini içeren veri biliminde yer alan birçok aşama için daha fazla otomasyon aracı sağlayacaktır. Veri bilimi, yazılım geliştirme ve bilişim teknolojileri operasyonlarındaki görevlerin kısmi otomasyonuna yönelik öncül makine öğrenmesi uygulamaları halihazırda kullanılıyor.


Çeviri: Berke Kesici /VOYD Üyesi
Orjinal Kaynak: https://www.oreilly.com/ideas/7-data-trends-on-our-radar
Görsel: 
Cocoparisienne via Pixabay)