Vatsal Ghiya, Ketua Pegawai Eksekutif dan pengasas bersama Shaip mempunyai pengalaman selama 20 tahun dalam menawarkan penyelesaian AI penjagaan kesihatan untuk penjagaan pesakit yang lebih baik. Dalam ciri tetamu ini, beliau membincangkan sebab Projek Pembelajaran Mesin gagal dan perkara yang perlu dipertimbangkan untuk menjayakannya.
The Key Takeaway from the Article is
- Jika anda tidak mengetahui cara anda meneruskan aliran teknologi baharu, keseluruhan proses mungkin menjadi serba salah. Menurut VentureBeat, sekitar 87% projek AI gagal disebabkan oleh banyak faktor intrinsik. Dan kegagalan ini juga menyebabkan kerugian besar pada bahagian perniagaan.
- Sebab projek ML ini gagal adalah kerana kekurangan kepakaran, volum & kualiti data di bawah taraf, pelabelan yang salah, kekurangan kerjasama yang betul, strategi data bertarikh ketiadaan kepimpinan yang cekap dan bias data yang tidak menyenangkan.
- Walaupun mungkin terdapat banyak sebab projek ML gagal, tetapi penting untuk memastikan semua petunjuk mesti diambil kira jika anda ingin melaksanakan model ML ke dalam organisasi anda. Oleh itu, adalah dinasihatkan untuk mendapatkan pembekal perkhidmatan hujung ke hujung yang boleh dipercayai untuk pengendalian projek ML dan mendapatkan ketepatan dan kecekapan yang lebih baik.
Baca artikel penuh di sini:
