Adam:使用简单的 SQL 查询执行 ML 模型 可解释的人工智能在机器学习民主化 的能力降低了运行这些模型所需的 ML 专业知识。这允许普通数据库用户使用 ML,并使数据更易于访问,而无需将所有压力都放在数据科学家身上。将 ML 工具引入数据库还意味着中小企业可以完全控制其数据,同时仍能获得机器学习的好处。
Jorge:机器学习民主化的整体目标是使数据更易于获取和操作,以帮助推动业务决策。
这意味着管理层和决
策者需要能够信任这些数据。黑盒模型总 WhatsApp 数据 是难以信任,并且无法提供做出明智决策所需的所有信息。
知道何时不信任结果与知道何时信任结果同样重要。机器学习 创建和 激励时事通讯订阅者的 10 个创意想法 管 生成的预测还应清楚地回答决策者为何可以信任该预测和所使用的模型。
Adam:除了提供更可靠的 ML 预测之外,可解释的 AI 还让数据库用户知道如何使预测更可靠。
谈到机器学习的民主化
真正的好处是,当尽可能多的用户使用 ML 通 邮寄线索 过筛 预测、改进这些模型,并以新的创新方式使用 AI 和预测分析,从而推动行业向前发展。
在发布周期结束时花费数周或数月来查找和修复问题是低效的。IBM 的一项研究报告称,“在发布生产后尽早修复缺陷的成本要低 100 倍。”仅凭这一计算,大多数团队就应该支持左移测试。