戴尔自动化机器学习解决方案，有效降低数据科学门槛，推动业务成果转化《主要标签工作者的梦想素材来源，这个黄金职业是“数据科学家”数据科学家人才困境》数据科学家是人谁能从杂乱无章的数据中挖掘出宝藏。”商业世界越来越以数据为中心，随着高级分析、人工智能(AI)和机器学习(ML)的广泛采用，对数据科学家的需求在组织中飙升。了解数据的力量并将其与更大的业务战略联系起来，数据科学家清理、处理并将大量信息转化为创收情报。然而，除了技术巨头外，许多公司都缺乏数据科学家。根据软件开发和咨询公司Anaconda的2022年数据科学状况调查，90%的公司正在经历数据科学家的短缺。巧合的是，在今年8月全球最大的自由职业社区Upwork发布的一项调查中，60%的招聘人员表示，最难招聘的职位是数据科学家。组织试图提高数据科学家职位的薪水以吸引人才，但获得必要的技能和学位既困难又费时，而且可能需要很多年才能找到足够的候选人来满足需求。有没有办法做到这一点？不，越来越多的组织正在寻找数据科学家的“替代者”——“公民数据科学家”。公民数据科学家根据Gartner的定义，公民数据科学家是创建或生成模型的人。这些人可能是营销、运营、财务、定价、IT或任何其他员工。基本作用介于统计和分析领域之间。外部。与真正的数据科学家相比，普通数据科学家可能缺乏对统计、编程和机器学习工作原理的深入了解，但他们可能是最了解公司文化、市场和盈利能力驱动因素的人。公民数据科学家可以使用各种自动化工具来降低数据科学任务（如数据准备、建模和模式识别）的难度，从而执行复杂的诊断分析以从数据中提取有价值的见解——这可能是一个专业的数据科学家知道关于一家公司如何运作的知识很少能给一家公司带来创新。赋予公民数据科学家权力的关键是为他们提供适当的工具来自动执行重复的、手动密集型机器学习任务，缺乏专业技能的公民数据科学家可以使用这些工具来解决相对简单的数据分析问题。于是可以得到以下公式：普通员工+合适的工具=公民数据科学家授权公民数据科学家作为全球领先的IT解决方案提供商，戴尔科技以全面、先进的解决方案帮助各行业用户进行数字化转型，其中经过验证的工程设计提供交钥匙硬件和软件组合，帮助组织更快更好地获得数据洞察力。戴尔经过验证的AI设计是从头开始设计的，旨在根据特定用例动态满足需求，而自动机器学习(AutoML)是一种自动机器学习解决方案，可自动执行算法选择、特征生成、超参数调整和模型评估，简化和加快AI开发时间，降低数据科学障碍，并帮助组织增强公民数据科学家的能力。该产品包括用于自动化机器学习的H20.aiDriverlessAI、用于云原生AI开发和部署的NVIDIAAIEnterpriseSuite?、VMwarevSphere?Tanzu?，以及经过验证和优化的戴尔基础架构堆栈，包括VxRailV670或PowerEdgeR750xa服务器、PowerSwitch网络和PowerScaleF600存储。该解决方案的主要优势如下：AI简化：自动机器学习让用户更容易训练AI模型，快速比较数千种组合和迭代，并在几分钟或几小时内找到最佳模型；更快的AI洞察力：机器学习操作(MLOps)允许更快地将AI引入生产，帮助组织快速发现隐藏在数据中的商业价值并轻松解决复杂问题；经过验证的AI专业知识：组织可以自信地部署经过工程测试/验证的AutoML解决方案，并获得世界一流的服务和支持。基于戴尔自动化机器学习解决方案，通常由专业数据科学家执行的任务，例如构建机器学习(ML)模型、数据预处理、特征工程、模型选择、超参数优化和模型后处理等复杂任务，可以全部或部分由AutoML框架自动完成。即使没有数据科学专业知识的公民数据科学家也可以成功构建机器学习模型并促进业务成果的转化。数据科学往往被视为高深莫测的活动，专业数据科学家的高门槛也让很多组织望而却步。这种情况严重限制了多个项目快速迭代和增量改进的可能性，这对构建数据驱动型企业至关重要形成了障碍。对于资源有限且无力聘请数据科学家的企业，使用戴尔的自动化机器学习解决方案来为公民数据科学家赋能会带来机会。数据科学的民主化是大势所趋。在戴尔AI解决方案的支持下，普通员工也可以从数据矿山上的迷雾中获取价值洞察，进而助力组织在数字经济中取得成功。END如果您想了解更多戴尔科技的产品和解决方案，请扫描以下二维码咨询戴尔官方客服。
