机器学习是一项非常重要的技术。如今，超过50%的企业正在探索或计划采用，已成为企业数字化转型的关键一员。但在实施机器学习时，企业可能只会看到积极的一面，而可能会忘记前面的许多机器学习挑战。解决这些机器学习问题对于数字化转型计划的成功至关重要。企业在实施机器学习时面临的7大挑战许多企业甚至从简单的机器学习项目开始他们的旅程，只有通过解释机器学习的积极因素，企业才能更有动力采用。以下是企业希望解决的7个机器学习挑战，以便他们能够更好地理解其实施，甚至决定它是否适合采用。(1)部署耗时一些企业表示，他们需要大约一年的时间才能在组织中全面实施机器学习思想。·虽然这些提前期并不理想，但即使是简单的机器学习项目也可能需要数月才能实施。原因很简单，机器学习是一项新兴技术，企业可能无法充分发挥其对组织的潜力。·公司可能希望沉迷于传统的“试错法”，这很耗时。机器学习解决这些问题的方法是能够以非常小的规模部署它，并检查其在其他功能上的可行性。(2)高估可交付结果组织可能会面临挑战，相信他们的机器学习和深度学习项目将交付比组织预期更好的结果。机器学习本身就是这样，它有望快速准确地提供结果。·然而，企业往往发现并非如此。实施机器学习和深度学习需要处理大量数据，而且很快就会失败。最佳的机器学习问题和解决方案需要时间和资源，因为该技术几乎可以从数据中学习所有内容。(3)数据不可用。虽然企业可能知道如何通过机器学习项目处理数据，但数据的可用性可能是一个重要的挑战。具有大量组件的数据并不是机器学习模型的真正价值贡献者。另一方面，企业知道数据是关键，但不一定知道他们想要什么样的数据。虽然机器学习与处理非结构化数据一样简单，但企业可能希望从结构化数据中获得可见的结果。(4)数据安全问题当今最大的机器学习挑战之一是数据安全。即使企业收集大量数据，安全性也是持续关注的问题之一。机器学习模型无法从本质上区分敏感数据和不敏感数据。存储在有风险的服务器上的机密数据可能会危及整个机器学习项目。·公司必须首先加密数据并将其存储在机器学习模型可以安全访问的服务器中。机密数据只能由决策者监督。(5)扩张挑战Algorithmia的一项研究表明，在使用机器学习的大型企业中，58%表示他们在扩张计划中面临挑战。大多数可扩展的机器学习问题都是由于硬件问题、模块化或数据不可用引起的。·即使是现在，大多数企业仍然使用传统的数据处理系统，为不同类型的数据提供不同的存储空间。这使得扩展变得困难，因为机器学习不是那样工作的。·企业需要为机器学习项目提供一个集中的数据中心，以访问单一来源的数据。它使机器学习模型的数据处理更加容易。(6)缺乏机器学习专家尽管许多开发人员已经踏上了机器学习之旅，但缺乏熟练的机器学习专家仍然是最大的机器学习挑战之一。企业可能找不到能够满足其要求的开发人员。·即使是现在，理解复杂机器学习算法所需的技能仍然有限。如果没有合适的机器学习专家，企业可能会面临一些实施挑战。企业需要寻求与拥有机器学习专家的其他组织的合作。(7)昂贵的部署机器学习最大的问题可能是机器学习的部署成本很高。实施机器学习需要招聘具有高度专业技能的数据科学家、项目经理和开发人员。·由于人才匮乏，聘用这些人的成本很高，很难招到有经验的专家。另一方面，由于机器学习项目需要处理大量数据，因此需要额外的基础设施进行部署。·如果没有适当的基础设施，测试就会变得困难。在没有测试的情况下，正确实施是机器学习中的主要挑战。为了解决这个问题，企业需要咨询能够提供机器学习专家和服务的公司。它不会降低成本，但实施成本相对较低。超越机器学习挑战的收益如果企业拥有合适的团队并且时机合适，那么机器学习实施中的所有挑战都可以克服。这些挑战只会让企业面临采用机器学习模型的复杂性。企业不必担心这些机器学习问题。只要有耐心，您就可以看到显着的结果，例如生产力、效率和员工工作满意度的提高。因此，在机器学习方面，组织应该遵循“快速行动，打破陈规”的方法。采用相同的方法，它可以让企业在初始阶段了解机器学习的所有挑战，然后重述模型以发挥其最大优势。
