人工智能技能并不像许多组织认为的那么困难

成功使用人工智能的关键之一是认识到进入运营阶段不仅是一个技术问题，而且也是一个业务问题。

Brethenoux说，“将人工智能投入生产时，组织必须与主题专家讨论它们正在运行的应用程序，人工智能的用例以及这些应用程序如何为组织服务，然后必须知道已建立的关键绩效指标是否真的有效。”

Brethenoux表示，组织需要将业务用户置于其人工智能工程实践的核心，以确保人工智能交付组织所要实现的目标。

这并不是说技术不重要。人工智能团队在选择工具和技术时需要有敏锐的洞察力，以确保他们能够实现组织在人工智能方面的目标，并且能够轻松地与现有产品以及其他新的人工智能工具集成。

另一个重要的考虑因素是组织输入模型的数据的质量。Brethenoux说，“数据来自哪里，它的可靠性如何?”

可以帮助组织提高数据质量的一个相对较新的学科是DataOps，DataOps是数据分析团队使用的一种自动化的、面向过程的方法，旨在通过敏捷方法来提高数据质量，并缩短分析周期。

DataOps适用于从数据准备到报告的完整数据生命周期，并且它承认数据分析团队和IT运营是相互联系的。

希望利用人工智能的组织还需要具备适当的技能。其中包括使用Python、R、Java、C ++等编程语言的经验;包括算法和数据库的机器学习;数据科学神经网络架构;包括概率和统计的应用数学;机器人技术计算机视觉。从事人工智能项目的专业人士也需要软技能，如良好的沟通和协作、批判性思维和创造力。

（编辑：唐山站长网）

【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!