跳到内容

     

    如何衡量数据科学的影响? 在这炉边的谈话中, BB电竞将讨论一种新的方法来框架和基准的数据科学团队的工作的投资回报率:模型速度.

    将一款产品投入生产并不会影响你的业务. 但是要提供许多模型——并不断地进行测量, 一旦它们投入生产,就进行管理和改进——这是数据科学成功的关键. 模型驱动的企业之所以能够胜出,是因为它们的cdo为数据科学产品创造了一个飞轮,这些产品可以提高效率,开启突破性创新.

    这些cdo专注于在整个业务中编织ML模型. 他们在脑海中建立了一个MLOps策略. 他们通过设定有意义的基准,并随着时间的推移不断提高数据科学团队的表现,来实现自己的战略. 他们建立了一种文化, 流程, 以及在整个数据科学生命周期中专注于快速迭代的系统.

    观看这一环节,听听业界领先的cdo讨论:

    • 在数据科学的生命周期中,他们在哪里看到了瓶颈或故障.
    • 他们是如何考虑培养MLOps的能力的.
    • 他们是如何衡量当今数据科学产品的性能的, 以及他们如何看待业务中的模型速度.
    • 他们在2021年围绕数据科学进行了哪些关键投资,以及为什么.

    演讲者:

    • Josh Poduska, Domino数据实验室首席数据科学家(主持人)
    • 米纳克希Thanikachalam, Ally Financial数据战略、架构、分析主管
    • 肖恩·奥托他是AES分析总监