У пользователей больших данных есть маленький грязный секрет — они не видят особой ценности в своих инициативах в области искусственного интеллекта, машинного обучения, науки о данных и аналитики. Конечно, вы можете пойти на конференцию вроде O’Reilly’s Strata Data, которая пройдет на этой неделе в Нью-Йорке, и посмотреть презентации историй успеха таких компаний, как Domino’s, Pitney Bowes и Capital One. Но их очень и очень мало. Взгляд на повестку дня показывает, что большинство выступающих — поставщики технологий и компании Кремниевой долины, родившиеся в цифровую эпоху — Netflix, Airbnb, Uber, Stitch Fix — и нанимают одних из лучших в мире специалистов по данным и инженеров. Эти компании и их успехи являются исключительными — менее трети проектов по работе с большими данными приносят значительную прибыль.

Аналитик Gartner Мерв Адриан сказал об этом в интервью с Information Week ранее в этом году:

«Gartner прогнозирует, что к 2018 году 70% развертываний Hadoop не смогут достичь целей по экономии средств и получению доходов из-за навыков и проблем с интеграцией».

Это то, с чем MapR из Сан-Хосе, Калифорния, не хочет мириться. Сегодня утром они объявили о шести новых предложениях по обработке и анализу данных, в рамках которых они будут работать с компаниями, чтобы помочь им получить немедленную отдачу от своих инициатив в области машинного обучения (ML) и искусственного интеллекта (AI).

«Мы готовы помочь нашим клиентам и потенциальным клиентам добиться успеха в их инициативах по науке о данных, независимо от стадии производства, на которой они находятся», — говорит Билл Петерсон, вице-президент по отраслевым решениям, MapR.

Это не просто разговор, MapR представляет шесть различных предложений на шести различных уровнях сложности, начиная с сегодняшнего дня.

  • Хакатон MapR AI/ML — предназначен для пользователей, которые мало что сделали с машинным обучением или ИИ. «Это хакатон», — говорит Петерсон, отмечая, что его цель — познакомить пользователей с возможностями, которые могут дать ИИ и машинное обучение. Он обеспечивает быстрое прототипирование реальной бизнес-проблемы за одну неделю и создает реальные базовые решения, которые клиенты могут продолжать улучшать и поддерживать с течением времени.
  • MapR Data Science Refinery Accelerator. MapR Data Science Refinery — это простой в развертывании и масштабируемый набор инструментов для обработки данных со встроенным доступом ко всем ресурсам платформы и готовыми средствами безопасности. С ускорителем компании получают быстрый старт и эксперта, который поможет им в установке, передовых методах и базовых моделях, чтобы обеспечить большую отдачу от своей среды. Петерсенс говорит, что в течение ограниченного времени при покупке MapR Data Platform. (стоимостью 15 тысяч долларов.)
  • MapR Расширенная защита кибербезопасности. Поставщики сетевой безопасности научились очень хорошо защищаться от известных шаблонов. Но как быть с теми, которые неизвестны? Это шестинедельное задание, в рамках которогоорганизуется конвейер журналов в режиме реального времени (например, журналы приложений, журналы транзакций и т. д.), а затем обучаются модели на основе уникальных сигнатур сетевых источников и трафика. В конце взаимодействия клиентам предоставляется визуальная оценка на основе пользовательского интерфейса, показывающая подозрительную активность, которую внутренние эксперты компании по безопасности могут использовать для просмотра и эскалации угроз в режиме реального времени.
  • Развертывание MapR ML. Модели машинного обучения ничего не стоят, если они не решают реальных проблем и не могут принимать реальные решения. Но реальность такова, что многие среды имеют ограничения в использовании данных и решениях по масштабированию. 7-недельное участие MapR в развертывании ML помогает компаниям осознать ценность своей модели, загрузив свой процесс моделирования на платформу MapR, чтобы убедиться, что ваше решение готово использовать все ваши данные, каждую библиотеку ML и предоставлять результаты, которые будут масштабироваться и улучшаться с вашими потребностями. бизнес.
  • MapR AI Enablement — в течение 8 недель команда MapR по обработке и анализу данных сочетает платформу MapR ML с потоковыми событиями для развертывания механизма искусственного интеллекта, который начнет находить новые возможности для оптимизации благодаря непрерывному обучению и циклу обратной связи. . Команда MapR использует машинное обучение, чтобы «навести порядок» в хаотичном характере поведения системы (например, человека, автомобиля, трубопровода и т. д.), а затем применяет обучение с подкреплением, чтобы научить систему адаптироваться для выявления и оценки необычных случаев. добиться обобщения.
  • Оркестровка MapR Rendezvous. Модели машинного обучения со временем могут устареть. Это 8-недельное предложение включает создание стандартизированных файлов журналов для моделей машинного обучения, которые затем публикуют модели и системные показатели каждый раз при анализе данных.

Есть дополнительный бонус, о котором MapR не говорит. Некоторыми из этих мероприятий будут руководить специалисты по данным Тед Даннинг и Эллен Фридман, которые являются не только участниками многочисленных проектов Apache, но и одними из самых энтузиастов и щедрых преподавателей в этой области. Они будут подписывать свою новую книгу Искусственный интеллект и аналитика в производстве в Strata. Если вы не можете сделать это в течение ограниченного времени, вы можете скачать бесплатную копию здесь.