分布式一致性技术是如何演进的？

然而，尽管机器学习提供了巨大的机会，但仍然存在一些挑战。机器学习系统依赖大量数据以及执行复杂计算的能力，由于客户期望值发生变化或意外的市场波动等外部因素，这意味着企业需要监控和维护机器学习模型。

此外，在机器学习中还有一些实际问题需要解决。以下将探讨和研究五个关键的实际问题及其对业务的影响。

1. 数据质量

机器学习系统的应用需要大量数据。这些数据可大致分为两类：特征和标签。

特征是机器学习模型的数据输入。这些数据可以是来自传感器、客户调查表、网站cookie或历史信息的数据。

这些属性的结果是可变的。例如，客户可能没有正确填写或者不填写调查问卷;传感器可能会出现故障并传递错误的数据;网站cookie可能会提供关于用户在网站上具体操作的不完整信息。因此数据集的质量是很重要的，这样才能正确地训练模型。

数据也可能充满无用信息，这可能会误导机器学习模型做出错误的预测。


 

如今，很多企业需要快速处理大量数据。与此同时，市场竞争格局正在迅速发展变化，因此企业能够快速做出决定至关重要。

就像商业管理畅销书《快鱼吃慢鱼》的作者Jason Jennings和Laurence Haughton所说的那样：“如今的市场竞争不是大鱼吃小鱼，而是快鱼吃慢鱼。”

企业的业务成功在于采用更好的信息快速做出决策，机器学习在其中起着重要作用。无论企业是试图向客户提出建议改进其制造流程，还是预测市场变化，机器学习都可以通过处理大量数据来提供帮助，从而在企业寻求竞争优势时更好地为其提供支持。


 

多云策略的好处之一就是灵活性，企业需要在合同交易中保持这种灵活性。

Culhane Meadows律师事务所合伙人Scott Stevenson说：“很多企业希望避免云计算供应商锁定，并保留灵活性，以便在云计算提供商之间分配工作负载和项目，并在一段时间内从可用的最佳云计算解决方案中进行选择。为了实现这些好处，客户需要专注于保持云计算合同的灵活性。”

跟上云合约动态的变化

Gilbert说，云计算生态系统发展迅速。他说：“云计算服务的性质已经扩大，依靠云计算处理数据的个人、公司和政府机构的数量也在增加。”

他表示，与其他类型的合同一样，云计算服务协议已经以许多方式发展。云计算服务提供商正在确定最适合他们的新合同结构，云计算客户需要更加了解他们可以协商或不能协商的内容。

Gilbert说，“合同必须发展以解决更多或不同的产品或服务、不同的风险或威胁、新的法律和相关法律要求。此外，有必要更改合同条款，以考虑到诉讼当事人提出的新法律理论，以及从诉讼、集体诉讼或监管机构发起的执法行动中汲取的教训。”

从“提前购买”转变到“按需购买”方法

IT服务提供商Flexera公司的云计算战略副总裁Kim Weins说，“一家正在将大量应用程序迁移到云平台的企业在移动应用程序之前就花费大量资金购买了预留实例，他们现在每小时都在为尚未使用的计算能力支付费用。”

当企业完成云迁移之后，发现所需的计算实例与合同不同，其预留的实例就被浪费了。

Weins说，“与其相反，企业先进行云迁移并优化工作负载，然后协商折扣。企业还可以在任何时间购买预留的实例或节省计划，而不仅仅是在续签合同时，而且这些节省的成本远远高于企业协商的折扣。”

（编辑：阜新站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!