Кажется, каждую неделю мы слышим об очередной новой библиотеке машинного / глубокого обучения с открытым исходным кодом или аналитической платформе.
Беседа с людьми в Strata на этой неделе только подтвердила для меня, что в разгар того, что можно описать только как виртуальное обжорство программного обеспечения с открытым исходным кодом, существует огромное количество организаций, которым становится все труднее внедрять эти технологии. Даже задача определения правильного решения может утомить многих и привести к бесконечному сравнению вариантов использования и функций.
Между тем, разрыв между доступом к открытому и функциональному программному обеспечению для анализа данных и необходимыми ноу-хау для его реального использования увеличивается. Эта тенденция только ускоряется постоянными инновациями в сообществе разработчиков ПО с открытым исходным кодом. Сколько у нас сейчас библиотек ML?
Пока мы ждем консолидации, существует огромная возможность для появления оптимизированной и упорядоченной платформы анализа данных. Платформа, которая больше ориентирована на шаблоны использования, а не на доставку пакетов программного обеспечения.
В некоторой степени поставщики облачных услуг имеют здесь преимущество из-за их способности по требованию предоставлять необходимые возможности, поддерживаемые их собственными эластичными пулами ресурсов. Однако, независимо от того, как такая платформа предоставляется, у поставщика прямо сейчас есть возможность заработать эти новые сетевые аналитические рабочие нагрузки, позволяя разработчикам сосредоточиться на создании своей дифференциации.
Со временем, если этот провайдер продолжит выполнять эти рабочие нагрузки дешевле, быстрее и со всем необходимым уровнем контроля, он создаст для себя органическую и лояльную клиентскую базу.
