راهنمای معمار برای معماری مرجع ساختمان برای Datalake AI/ML

نسخه کوتاه شده این پست در 19 مارس 2024 در The New Stack ظاهر شد.

در هوش مصنوعی سازمانی، دو نوع مدل اصلی وجود دارد: افتراقی و مولد. مدل‌های متمایز برای طبقه‌بندی یا پیش‌بینی داده‌ها استفاده می‌شوند، در حالی که مدل‌های تولیدی برای ایجاد داده‌های جدید استفاده می‌شوند. اگرچه هوش مصنوعی مولد اخیراً بر اخبار غالب شده است، سازمان‌ها همچنان هر دو نوع هوش مصنوعی را دنبال می‌کنند. هوش مصنوعی تبعیض‌آمیز همچنان یک ابتکار مهم برای سازمان‌هایی است که می‌خواهند کارآمدتر عمل کنند و جریان‌های درآمد بیشتری را دنبال کنند. این انواع مختلف هوش مصنوعی مشترکات زیادی دارند، اما در عین حال، تفاوت های قابل توجهی وجود دارد که باید هنگام ساخت زیرساخت داده های هوش مصنوعی در نظر گرفته شود.

سازمان‌ها نباید زیرساخت اختصاصی برای هوش مصنوعی و هوش مصنوعی بسازند در حالی که حجم کاری مانند هوش تجاری، تجزیه و تحلیل داده‌ها و علم داده را به عهده خودشان می‌گذارند. امکان ساخت زیرساخت داده کاملی وجود دارد که از تمام نیازهای سازمان پشتیبانی می کند – هوش تجاری، تجزیه و تحلیل داده ها، علم داده، هوش مصنوعی متمایز و هوش مصنوعی تولیدی.

در پست دیگری، یک معماری مرجع برای یک datalake مدرن ارائه کردیم که قادر به پاسخگویی به نیازهای هوش تجاری، تجزیه و تحلیل داده، علم داده و AI/ML است.

Source link