如何打造一支高效率的人工智能设计团队？

越来越大的系统设计债务，而这些编译器忍耐就会投入生产商。

其实，解决这些挑战的作法在于看到一种人与物件彼此间的适当的恒定。在本文所透过的提议当中，这反之亦然能够一个恒定的AI的团队，他们很难借助于端到端的MLOps交通设施进行协同和算法开发。

切不可简单地雇佣MLOps研究者或购买MLOps平台，我们能够的是让一个薄弱的交通设施和一个恒定的人工神经网络的团队两者结合，只有二者联合努力才能让你的AI/ML计划之后紧贴。

一个恒定的人工神经网络的团队和MLOps交通设施如何协同指导

在一支恒定的人工神经网络的团队和MLOps交通设施彼此间，一些具体内容主人公的协同作用可以通过下面这个三层多样性来形象展示：

1. 最顶部的第一层是MLOps的交通设施主干，由虚拟与公共安全研究者和DevOps赞同。这一层装载基本的交通设施接口，如会面时、网络咨询服务、公共安全和CI/CD油管。

2. 第二层是MLOps的可分享和可重用的人力以外。这一层由ML技工和MLOps专业课程医护人员经营管理，除此以外配备有各种图像操作系统、内核及模板应用的Notebook;都有被视为分享人力的接口和库组成的油管;实验;信息集和特征信息;还有静态以外。这一层的每一项人力都可以被各不相同的的团队可用和重用，从而推进人工神经网络的开发和可用。

3. 第三层是人工神经网络计划，由信息研究小组、全栈技工和计划经理统筹。这一层独立于其他两层，但由这两层开业。

都只，虚拟与公共安全、DevOps、ML技工和MLOps主人公位于各不相同的层彼此间，并为彼此作借助于贡献。例如：

虚拟及公共安全以外保有交通设施主干网，但它们也统筹重用人力层，确保所有接口和检查都到位。 DevOps专业课程医护人员统筹顶部两层的高效率尽可能，具体内容除此以外从自动构筑到经营管理生态环境等尽可能。 ML技工保有MLOps交通设施和计划专业课程基本知识。他们统筹重用人力层的各个接口。 MLOps研究者与ML技工共创合作，但他们保有整个交通设施(例如巴塔哥尼亚的人工神经网络平台咨询服务SageMaker以及腾讯发布的人工神经网络物件库Kubeflow等)，之后尽可能是把一切都融合在一齐。

与此同时，公民权信息研究小组可以优先实行特定的AI/ML计划，主要通过Notebook指导。他们可以保有ML油管的特定以外，但就会逼使踏入MLOps“凌乱”的以外。全栈技工统筹实现AI厂家从UI到API的常规操作系统以外，受过ML指导的计划经理则统筹厂家的实行。

当然，上面仅是一个抽象的表述。下面给借助于的是一个可供概要的交通设施，其当中主要展示了交通设施当中主干以外的组成部件。

在这里，我们看到信息研究小组可以通过物件来执行原始信息，在他们的Notebook当中进行信息分析并顺利完成检验理论上。他们可以在ML技工经营管理的实验生态环境当中轻松直通实验。实验生态环境由分享和重用的接口组成，如特征读取、信息集生成、静态特训、静态评估和先为配置的信息会面时手段上等。这使得比较简单、容易借助于错的尽可能很难高效率，同时又就会把信息研究小组逼借助于他们的安静指导区。

另一全面性，ML技工统筹将ML静态厂家化。这反之亦然，他们很难开发借助于将在生产商生态环境当中可用的算法编译器和信息先为执行编译器。另外，他们还可以为实验生态环境搭建和直通各种油管。

最后，DevOps专业课程医护人员可以帮助高效地经营管理所有交通设施接口。例如，在我们的概要基本概念架构当中，通过从1到4的简单的几个小数点即可以演示借助于由DevOps执行的CI指导流。

引言

真正使MLOps在行业当中紧贴能够时间和人力。最重要的是，你能够理解MLOps与人和流程的关系，就像它和实际系统设计的关系一样。如果你很难组织特定的主人公和功能，并将它们与人工神经网络交通设施的相应接口相匹配，问题就就会过于复杂。记住：医护人员+交通设施= MLOps。

在Provectus一些公司，我们早就最终地帮助行业构筑借助于先进的AI/ML的产品，同时培养了高效的AI的团队，并为MLOps透过薄弱的交通设施赞同。

【注】本文作者Stepan Pushkarev是Provectus一些公司的CEO、CTO和联合创始人。Provectus是一家人工神经网络咨询和的产品透过商，尽可能是帮助行业推进人工神经网络系统设计的可用并倡导增长。Pushkarev在Provectus一些公司率先提借助于了针对特定行业的人工神经网络的产品的迈向，该的产品有助于解构行业运营、公平竞争和透过消费者实用性的手段。此外，Pushkarev还是一位在人工神经网络、云计算和分布式信息执行系统全面性保有极深专业课程基本知识的建议领袖，他在开发专业课程的咨询服务销售业务和创建SaaS系统设计全面性都有过借助于色的获利。

编者介绍

朱先忠，51CTO社区编辑，51CTO研究者博客、说是师，潍坊两所高校计算机教师，自由面向对象界老兵一枚。早期专注各种微软系统设计(编著成ASP.NET AJX、Cocos 2d-X全面性三本系统设计图书馆)，近十多年投身于开源世界(熟悉广为人知全栈Web关键在于)，了解到基于OneNet/AliOS+Arduino/ESP32/树莓派等海量关键在于与Scala+Hadoop+Spark+Flink等大信息关键在于。

原意歌名：People Management for AI: Building High-Velocity AI Teams，作者：Stepan Pushkarev

。

北京看妇科哪家医院专业
济南妇科医院哪家好
北京妇科病治疗费用
青岛治中医最好的专科医院
镇江看白癜风哪家医院最好