Vatsal Ghiya, generální ředitel a spoluzakladatel společnosti Shaip, má 20 let zkušeností s nabídkou řešení AI pro zdravotnictví pro lepší péči o pacienty. V této funkci pro hosty diskutoval o důvodech, proč Machine Learning Project selže, a co je třeba vzít v úvahu, aby byl úspěšný.
Klíčovým poznatkem z článku je
- Pokud si nejste vědomi toho, jakým způsobem postupujete s novými technologickými trendy, může se celý proces zvrtnout. Podle VentureBeat asi 87 % projektů AI selže kvůli mnoha vnitřním faktorům. A tato selhání také stojí obrovské ztráty peněz na obchodní straně.
- Důvodem selhání těchto projektů ML je nedostatek odborných znalostí, podprůměrný objem a kvalita dat, chybné označování, nedostatek správné spolupráce, zastaralá datová strategie, absence efektivního vedení a nepříjemné zkreslení dat.
- I když může existovat mnoho důvodů, proč projekty ML selžou, je důležité mít na paměti, že pokud se chystáte implementovat modely ML do vaší organizace, je třeba vzít v úvahu všechny ukazatele. Proto je vhodné získat důvěryhodného end-to-end poskytovatele služeb pro zpracování projektů ML a získat lepší přesnost a efektivitu.
Přečtěte si celý článek zde:
