Vatsal Ghiya, uitvoerende hoof en medestigter van Shaip het 20 jaar ondervinding in die aanbieding van gesondheidsorg-KI-oplossings vir beter pasiëntsorg. In hierdie gasfunksie het hy die rede bespreek waarom Masjienleerprojek misluk en wat om in ag te neem om dit 'n sukses te maak.
Die sleutel wegneemete uit die artikel is
- As jy nie bewus is van die manier waarop jy vorentoe gaan met die nuwe tegnologieneigings nie, kan die hele proses skeefloop. Volgens VentureBeat misluk ongeveer 87% van KI-projekte as gevolg van baie intrinsieke faktore. En hierdie mislukkings kos ook groot verlies aan geld aan die sakekant.
- Die rede as gevolg van hierdie ML-projekte wat misluk, is as gevolg van 'n gebrek aan kundigheid, ondermaatse datavolume en kwaliteit, foutiewe etikettering, gebrek aan behoorlike samewerking, gedateerde datastrategie-afwesigheid van doeltreffende leierskap, en onaangename data-vooroordeel.
- Alhoewel daar baie redes kan wees dat ML-projekte misluk, maar dit is belangrik dat al die wenke in ag geneem moet word as jy ML-modelle in jou organisasie wil implementeer. Daarom is dit raadsaam om 'n geloofwaardige end-tot-end diensverskaffer vir ML-projekhantering te kry en beter akkuraatheid en doeltreffendheid te kry.
Lees die volledige artikel hier:
