为什么很多机器学习计划会失败

 

随着机器学习和深度学习直到最近才在各行业组织的生产环境中得到主流应用，许多规模较小的组织并不具备开发人工智能模型的数据科学家和机器学习工程师。

 

而且数据科学家和机器学习工程师的平均薪酬与经验丰富的软件工程师相当，这使得许多组织难以组建一支能够领导其人工智能计划的优秀团队。

 

虽然机器学习和数据科学人才的短缺是众所周知的，但有一件事并没有引起人们的关注，那就是需要招募更多的数据工程师，即建立、维护和更新数据库、数据仓库和数据湖的工作人员。根据Rackspace公司的调查，许多组织的机器学习的项目都失败了，因为他们没有能力将其数据基础设施调整为机器学习的目的。打破孤岛、迁移到云平台、建立Hadoop集群，以及创建能够利用不同平台能力的混合系统，这些都是组织非常缺乏相关人才的领域。这些问题使得他们无法在组织范围内落实机器学习计划。