提供永久免费的API接口，查看更多API接口，如果您有其他免费API资源，请联系我们，造福人类。

定制开发，免费评估，免费咨询，价格便宜，售后保障，前往开发服务中心或联系开发客服中心

IT领导者和专业人士应该如何选择和交付交付人工智能和机器学习的传奇奇迹所需的技术？AI和ML需要在正确的位置拥有许多移动部件，朝着正确的方向移动，以实现这些技术带来的承诺——生态系统、数据、平台，以及最后但并非最不重要的人。 

有没有一种方法可以让IT领导者对AI和ML保持积极的态度，而不会激怒那些希望AI和ML奇迹明天早上实现的组织？答案是肯定的。 

麻省理工学院斯隆管理评论最近一份报告的作者  SAS提倡一种相对较新的方法来成功地将AI和ML交付给企业，称为“ModelOps”，而现在有很多“xOps”进入我们的词典，比如MLOps或xml AIOps，ModelOps更多的是“思维方式，而不是一套特定的工具或过程，专注于所有类型的AI和决策模型的有效运作。”   

这是因为在AI和ML中，模型是问题的核心，是决定算法组装的机制，并确保持续的业务价值。ModelOps，简称：模型操作化，“关注模型生命周期和治理；旨在加快从开发到部署的过程——在本例中，将AI模型从数据科学实验室快速有效地转移到IT组织。”  > AI和ML的操作中，“很多都会回落”。你们有数据科学家，他们正在创造伟大的创新事物。但是，除非它们可以部署在生态系统或现有的基础设施中——通常这涉及到它——否则这样做毫无意义。数据科学界和人工智能团队应该与IT和业务部门紧密合作，成为连接这两者的渠道，以便对所面临的问题有一个清晰的想法和定义，一个清晰的生产路线。否则，你将面临脱节的流程和价值生成问题。“ModelOps是一种帮助IT领导者弥合分析和生产团队之间差距的方法，使AI和ML驱动的生命周期“可重复和可持续”，MIT-SAS报告指出。这比MLOps或AIOps高出一步，后者“分别侧重于机器学习和人工智能操作”，ModelOps侧重于预测分析模型的交付和可持续性，这是人工智能和ML对企业价值的核心。该报告的作者继续说，ModelOps可以发挥作用，“因为没有它，你的人工智能项目更可能完全失败，或者花费比你想启动的时间更长的时间。只有大约一半的模型能够投入生产，而那些能够投入生产的模型中，大约90%的模型需要三个月或更长的时间来部署。”

如报告作者所述，进入ModelOps管理AI和ML需要it领导者和专业人员将业务价值等式的四个关键要素结合起来。    

生态系统：如今，每一项成功的技术都需要连通性和网络能力。”报告指出，一个支持人工智能的生态系统应该尽可能开放。”这样的生态系统不仅仅是自然进化的。任何希望成功使用生态系统的公司都必须开发新一代集成体系结构来支持生态系统，并强制执行开放标准，这些标准很容易被外部各方采用。”

数据： 了解哪些数据对工作很重要。”验证培训和生产的可用性。标记和标记数据以备将来使用，即使您还不确定该使用是什么。随着时间的推移，您将创建一个企业库存，以帮助未来的项目更快地运行。”   

平台：灵活性和模块化——在环境变化时交换碎片的能力——是关键。 该报告的作者主张过度购买，因为许多供应商已经制定了构建和部署AI和ML模型的细节。”确定您的云战略。你会全力支持一个云服务提供商吗？或者你会为不同的计划使用不同的顾客服务提供商？或者您会采用混合方法，一些工作负载在本地运行，而另一些则使用CSP一些主要的客户服务提供商通常提供的不仅仅是可扩展性和存储空间，例如提供工具和库来帮助构建算法，并协助将模型部署到生产中。”

人员：协作是成功交付AI和ML的关键，但同样重要的是，人们对自己的项目有一种归属感。 "谁拥有人工智能软件和硬件-人工智能团队或IT团队，或两者兼有？这就是需要明确定义、明确理解和协调的组织边界。”  与数据科学家一样，对ModelOps同样重要的是数据工程师，他们带来了“在使用分析和商业智能工具、数据库软件和SQL数据语言方面的重要专业知识，以及始终如一地生成干净、高质量数据的能力，道德数据。”

低代码和没有代码可用于复杂应用程序开发？这取决于客户体验现在是最重要的技术，但是组织还没有准备好为组织实现实时技术的七种方法，即使在低代码软件开发中，It部门仍然需要通过注册来握住用户的手，您同意使用条款，并承认隐私政策中概述的数据实践。

您还将获得免费订阅的ZDNet今日技术更新和ZDNet公告时事通讯。您可以随时取消订阅这些时事通讯。

您同意接收更新、通知和促销哥伦比亚广播公司（CBS）旗下公司的新闻发布会——包括ZDNet的《今日技术更新》和ZDNet发布的时事通讯。您可以随时取消订阅

2023-03-22 10:04:36