87%的机器学习项目失败的十大理由

发布时间：2021-07-25 19:17:08 所属栏目：大数据来源：互联网

导读：如今人们总是能听到有关机器学习的新闻，而机器学习技术确实有更多发展潜力。调研机构Gartner公司预测，对于很多组织来说，80%的人工智能项目仍是一种难以获得成功的炼金术。根据VentureBeat公司发布的Transform2019研究报告，87%的人工智能项目将永远无法投

标记数据的不可用是另一个阻碍机器学习项目的挑战。《麻省理工学院斯隆管理评论》杂志指出，76%的人通过尝试自己标记和注释训练数据来应对这一挑战，而63%的人甚至尝试构建自己的标记和注释自动化技术。

这意味着数据科学家在标记过程中无法充分利用其专业知识。这是有效执行人工智能项目的主要挑战。

这就是许多公司将标记任务外包给其他公司的原因。但是，如果标记任务需要足够的领域知识，则将标记任务外包是一个挑战。如果组织需要保持数据集之间的质量和一致性，则必须投资于标记人员的标准化培训。

如果要标记的数据很复杂，则另一个选择是开发自己的数据标记工具。但是，与机器学习任务本身相比，这通常需要更多的成本。

5.组织孤立无援

数据是机器学习项目中最重要的实体。在大多数组织中，这些数据将以不同的安全约束和不同格式(例如结构化、非结构化、视频文件、音频文件、文本和图像)驻留在不同的位置。

在不同的地方以不同的格式保存这些数据本身就是一个挑战。然而，当组织孤立无援而却没有相互协作时，其挑战就会加倍。

6.缺乏合作

另一个主要挑战是不同团队之间缺乏协作，如数据科学家、数据工程师、数据管理员、商业智能(BI)专家、DevOps和工程。这对于物联网到数据科学的工程方案中的团队尤其重要，因为他们在工作方式和完成项目所使用的技术上有很多不同。

工程团队将实施机器学习模型并将其投入生产。因此，他们之间需要有适当的理解和强有力的协作。

7.技术上不可行的项目

由于机器学习项目的成本往往非常昂贵，因此大多数企业倾向于以雄心勃勃的“登月计划”为目标，这将完全改变组织或产品并带来超额回报或投资。

这样的项目将永远无法完成，并将推动数据科学团队达到极限。最终，企业领导者将对项目失去信心并停止投资。

8.技术团队和业务团队之间的协调问题

很多时候，机器学习项目在业务团队和数据科学团队之间在项目的期望、目标和成功标准上没有明确的一致性。

（编辑：宿州站长网）

【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!