雲端建置機器學習平台的幾個優秀實踐

譯者 | 布加迪

審校 | 孫淑娟

大多數人都熟悉iOS、Windows和AWS等主要的技術平台。平臺本質上是一組技術，以充當構建、貢獻、試驗和擴展其他應用程式的基礎。它們帶來了當今許多先進的技術能力和尖端的客戶體驗。

為了跟上大數據、人工智慧和機器學習帶來的技術能力具有的規模和複雜性，許多公司在自行開發複雜的內部平台。事實上Gartner預測，到2025年，雲端原生平台將成為超過95%的新數位化計畫的基礎，高於2021年的不到40%。

根據我的經驗，企業技術平台具有變革性：它們使跨職能部門的團隊能夠快速測試、啟動和學習，減少重複、規範能力，並提供一致的整合體驗。簡而言之，它們有助於將技術轉化為競爭優勢。

1.企業平台的演進

許多組織利用Kubernetes等可以運行人工智慧和機器學習繁重任務的雲端原生平台，越來越善於提供一流的客戶體驗。第一資本（Capital One）成為美國第一個全力投入雲端的金融機構，能夠重新設計資料環境的架構，對於夯實其基於雲端的平台能力不可或缺。有了這個堅實的基礎，第一資本更能夠利用大數據在其企業平台上打造新的機器學習能力，以加速、增強和提供新的、更有意義的客戶體驗。

第一資本在這方面的大部分工作已經為公司和客戶帶來了顯著成效。比如說，其詐欺決策平台是從頭開始建構的，以便做出複雜的即時決策。透過利用大量數據，並實現在幾天（而不是幾個月）內更新模型，該平台有助於保護數百萬客戶免受信用卡欺詐，並可供該公司的各個利益相關者使用。

根據我在領導團隊交付企業技術平台方面的經驗，一路上汲取的重要的經驗教訓和優秀實踐如下：

• 一切都從團隊開始：建立由最優秀的人組成的跨部門團隊，即使一開始這會減慢你的工作。更大的團隊並不總是更好！團隊起碼要有產品經理、工程師和設計師。為這些職能部門配備真正了解平台使用者的人。比方說，如果您正在建立一個主要由資料科學家使用的平台，應聘請曾經是資料科學家的產品經理，或為領導團隊添加資料科學家。如果團隊由來自多個部門的人員組成，應確保你們有共同的目標。
• 先明確定義最終狀態：在開始建置之前，花時間明確最終狀態的架構和計劃，以迭代方式實現目標。確保架構一開始就是為自助服務和貢獻設計的。更好的是，設計平台時假設您將把平台擴展到本組織或業務部門以外的使用者。也要假設一段時間後，隨著技術的變化，您希望可以更換組件。
• 估計認為需要多長時間，然後加倍：重要的是花時間集思廣益，想好一開始就需要打造的所有能力，然後為每部分投入相應的精力。一旦技術團隊將此與速度結合，估計建立每個功能需要多長時間，就增加50%的緩衝量。根據我的經驗，這個估計最終非常準確。
• 專注於業務成果：建立出色的平台可能需要很長時間。確定工作的次序很重要，這樣才能持續實現業務價值。這可以激勵團隊，建立信譽，並形成良性循環。
• 力求透明，加強溝通：與利害關係人自由地交流決策、進度和路線圖。除了闡明手頭上的工作外，還要闡明目前沒有優先考慮的事情。撰寫好文檔，以便鼓勵他人貢獻、輕鬆加入平台。
• 從小處著手：就連最好的測試和品質保證（QA）環境也可能遺漏一些部署到生產環境後才顯露的問題。對於對客戶會有明顯影響的重大變化而言，總是從一個小群體入手，看到小規模生產環境中切實有效後，再擴大應用範圍。
• 徹底透明並過度溝通：與利害關係人自由分享決策、進度和路線圖。除了闡明您正在做的事情之外，還要闡明您目前沒有優先考慮的事情。投資有助於貢獻和輕鬆加入平台的文檔。
• 從小處著手：即使是最好的測試和QA 環境也可能遺漏一些直到投入生產時才發現的問題。對於將產生有意義的客戶影響的重大變化，總是從一小部分人開始，然後在你看到小規模生產中的事情發生後逐漸增加。如果可能，當變更影響外部客戶時，僅將員工用於初始人群。
• 重視妥善管理：平台擁有者應專注於平台效能。所有問題都應透過控制機制和自動警報顯露出來。應迅速處理異常情況。應優先考慮問題的根本原因分析和變化，防止問題一再發生。如果沒有問題，應適當地慶祝，好讓團隊知道它受到讚賞。
• 如果看起來好得難以置信…異常監控是確保執行符合意圖的好方法。目標常常是零異常。比如說，延遲不應超過200毫秒。如果異常報告從不顯示任何異常，監控很可能有問題。始終強制執行異常，以確保它正確觸發。這一點我可是深有體會。
• 開心的團隊是有生產力的團隊。慶賀所取得的成績，在團隊成員表現優異時給予讚美，並創造內在充盈的環境。定期衡量團隊的幸福感，讓團隊有機會討論什麼會讓他們更快樂，並自行嘗試，以解決不滿意的地方。

當一個團隊擁有合適平台技術大力支持的強大文化時，機會無限。透過將雲端原生平台與大規模數據結合，公司可以更好地推進，並嘗試更新穎、更具創新性的產品和體驗。當這些體驗使最終用戶和客戶能夠在需要時獲得所需的產品或服務，這無疑具有重大意義。

原文連結：https://venturebeat.com/ai/best-practices-for-building-machine-learning-platforms-on-the-cloud/

以上是雲端建置機器學習平台的幾個優秀實踐的詳細內容。更多資訊請關注PHP中文網其他相關文章！