机器学习操作不适用于云计算运维

作者: David Linthicum 2019-09-10 15:06:04

 为云计算服务团队提供机器学习功能的系统不仅是一个错误,而且也是危险的。

一家公司的云平台在一个周末发生故障,该公司云计算运营团队试图研究和探讨发生了什么问题。似乎有几个系统与一个先进的新的库存管理系统相关,这个系统启用了机器学习,但出现了问题。对其进行检测之后的结论如下:

  • 将原始数据从运营数据库移动到训练数据库的批处理以及自动恢复过程失败。而在周末工作的运维团队成员试图重新提交,但并不是一次性全部提交,而是进行了四次更新,导致训练数据库处于不稳定状态。
  • 这导致机器学习系统中的知识模型使用错误的数据进行训练,并要求删除知识库中的新信息,并重建模型。
  • 此外,一些外部数据馈送(例如定价和税务数据)同时更新到训练数据库。尽管这些工作正常,但考虑到运营数据不是很好,也需要退出知识库。
  • 该系统两天内无法使用,考虑到生产力下降、客户不满以及公关问题,使该公司损失了400万美元。

随着企业越来越多地使用“物美价廉”的基于云计算的机器学习系统,人们发现利用机器学习的系统操作起来非常复杂。企业运营小组希望降低困难程度和复杂性,但发现面临训练不足、人手不足和资金不足的问题。

云计算运营团队可以通过相当容易的转换来处理基于云计算的数据库、存储、计算。考虑到基于云计算的系统与传统系统类似,大多数情况都是如此。

但是,运营团队在很大程度上还没有采用基于机器学习的系统。这些系统具有专门的用途,以及必须以某种方式监视和管理的专用系统,如数据库和知识引擎。这是当前运营团队失败的地方。

这种情况很容易理解,但大多数企业都不会喜欢,因为它意味着花费更多资金用于机器学习的云计算运营,可能导致放弃。机器学习系统是一种技术链,如果小心使用,它们非常有效。如果处理不当,可能无法检测到故障,将会很危险。如果系统使用由此产生的错误知识,那么最终可能会出现严重的问题,而在造成很大的损害之前,这些问题可能无法被发现。似乎其风险大于回报。

大数据 机器学习 云计算
上一篇:5G无人配送车现身北京 目前还在测试运营中 下一篇:危险的人脸识别:再不“要脸”,我们就要裸奔了
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

赢在起跑线,数据科学必备5大技能

数据科学领域竞争激烈,人们正在迅速发展越来越多的技能和经验。“R、Python、SQL和机器学习”一直是数据科学家的标配。但随着这个领域的发展,这些技能已经渐渐不足以在就业市场上保持竞争力了。

读芯术 ·  1天前
机器学习如何推动数据中心发展?

大数据革命引发了数据中心的爆炸式增长,这些中心正在以越来越高的速率消耗能源。本文回顾了两种提高数据中心效率的标准方法,并认为第三种方法-机器学习-是优秀的解决方案。

CDA数据分析师 ·  3天前
12个现实世界中的机器学习真相

当你在现实世界中工作时,有几个事实是你必须面对的,这也是本文的主要内容。

AI公园 ·  3天前
人工智能还是人工智障?那些想不到的大型算法翻车现场

人们离不开算法,媒体喜欢算法,在一个个故事的渲染下,算法似乎变得无所不能,卫夕今天先带大家一起看一些算法让人叹为观止的案例。

卫夕 ·  3天前
人工智能如何拯救企业数据目录?

数据目录允许业务用户快速找到他们所需的信息源——无论是资产数据、公司的地理位置,还是产品和供应商的信息。但是,数据目录只有在保持最新的情况下才能保证有效——而在一个快速变化的行业中,这可能很难做到。

Andy Hayler ·  3天前
【大咖来了 第10期】零门槛构建弹性大数据云分析平台 精选

本期《大咖来了》邀请了阿里云智能高级解决方案架构师鲍远松,分享主题为《零门槛构建弹性大数据云分析平台》,过程中对大数据分析平台建设进行阶段划分,并对每阶段进行了详尽的阐述。

鲍远松 ·  4天前
2020年及以后的人工智能和数据趋势

2019年是数据、分析、机器学习和人工智能市场持续发展的一年。一些大企业进行了大量兼并整合,其中包括Salesforce公司收购Tableau公司、谷歌公司收购Looker公司、Qlik公司收购Attunity等。

Jessica Davis ·  2020-01-13 11:57:00
关注和采用人工智能技术的三个理由

尽管人工智能越来越普及,但许多IT领导者仍然对其风险和机遇的不确定感到焦虑。而如今很多企业将人工智能作为一项业务优先事项。

Anna Frazzetto ·  2020-01-10 11:13:23
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载