2020年12月15日
2020年12月15日
贡献:劳伦斯Goasduff
人工智能项目结合庞大的多样性和复杂性要求快速生产时间创建需要找到AI角色来实现人工智能项目成功的关键因素。
立即下载:2021 - 2023年新兴技术路线图
在扩展组织面临的挑战人工智能(AI)项目因为他们缺乏必要的技能、协作工具和技术来创建和管理一个健壮的、工业生产人工智能管道。
Gartner估计,到2023年,50%的领导人将努力把人工智能项目过去概念证明(POC)成熟的生产水平。减少故障率高,组织需要建立合适的角色人工智能的成功。
“在许多组织中,数据科学家仍戴着帽子太多由于缺乏人才在其他角色,”说阿伦Chandrasekaran期间,尊敬的副总裁分析师,Gartner在虚拟会话Gartner研讨会/ Xpo®2020。
成功实施和规模AI计划,组织需要建立多元化的AI角色和技能。
说:“人工智能是一个团队运动Chandrasekaran。“人工智能团队,首席信息官和技术创新领袖需要数据科学家,工程师和补充数据与人工智能架构师和团队机器学习(毫升)工程师。他们可以想象、构建、部署和实施一个端到端的ML /人工智能管道。”
团队应该不会孤立地运作,应该与业务领域专家合作,专家,和其他相关工作人员和利益相关者提供成功的人工智能活动。
阅读更多:2大趋势主导Gartner炒作周期人工智能,2020
找到合适的资源以及它们如何一起工作的人工智能AI的成功项目团队成为关键。两个新角色补充AI团队:AI建筑师和ML工程师。
人工智能架构师是高度关注转型架构努力AI介绍。他们的主要职责是协调模型的部署和管理生产和提供输入毫升和深度学习模型的适用性在艾未未的各种学科,如自然语言处理和图像识别。
因为毫升是最利用人工智能计划,组织也越来越招聘毫升工程师作为人工智能团队的一部分。他们可以移动毫升的解决方案在生产和优化环境性能和可伸缩性。
到2023年,毫升工程师角色将是增长最快的角色在AI /毫升的空间。Gartner估计,今天有一个每10毫升工程师数据科学家,并且它可能会改变到2023年之间的5和10。
“毫升工程师需要确保AI平台提供SLA对技术和业务需求,“Chandrasekaran说。“毫升工程师预计将连接结构与数据科学家从IT的角度来看,确保他们的ML模型在生产运行良好。”
加入你的同行在Gartner会议上公布的最新见解。
Gartner的客户推荐资源*:
机器学习工程师——一个桥梁角色数据科学和它的差距et al,阿伦•钱德拉塞卡兰。
*请注意,某些文件可能不会Gartner提供给所有客户。