《Architecting Data and Machine Learning Platforms》第三章:设计您的数据团队

在设计数据平台时,有几个技术方面需要考虑:性能、成本、运营开销、运营卓越、整合新的分析和机器学习方法等。然而,如果不解决公司文化的问题,这些技术方面将无法发挥作用------采用新技术需要员工愿意改变他们的思维模式和工作方式。另一个需要记住的关键方面是现有员工目前具备的技能以及他们需要掌握的技能。在某些情况下,学习新技能并改变工作方式的员工最终可能会进入与数据平台实施之前不同的角色。

在本章中,我们探讨了组织如何规划和协调这些思维模式、工作流程、技术技能和角色的变化。每个组织都是独特的,因此构建数据平台将涉及为每个部门和其中的员工制定详细的计划。在本章中,我们描述了不同类型组织的这种详细计划会是什么样子。

相关推荐
Lx3523 分钟前
MapReduce内存调优:避免OOM的黄金法则
大数据·hadoop
岛屿旅人40 分钟前
欧盟《人工智能法案》生效一年主要实施进展概览(二)
网络·人工智能·安全·web安全·架构
nnerddboy1 小时前
预测模型及超参数:2.传统机器学习:PLS及其改进
人工智能·机器学习
钢铁男儿1 小时前
PyTorch 机器学习基础(机器学习一般流程)
人工智能·pytorch·机器学习
木头左2 小时前
利用机器学习优化Backtrader策略原理与实践
人工智能·机器学习
2501_924534895 小时前
智慧零售商品识别误报率↓74%!陌讯多模态融合算法在自助结算场景的落地优化
大数据·人工智能·算法·计算机视觉·目标跟踪·视觉检测·零售
盖雅工场5 小时前
连锁零售排班难?自动排班系统来解决
大数据·人工智能·物联网·算法·零售
UMI赋能企业8 小时前
企业视频库管理高效策略
大数据·人工智能
代码的余温10 小时前
Elasticsearch JVM调优:核心参数与关键技巧
大数据·jvm·elasticsearch
lifallen11 小时前
Hadoop MapReduce 任务/输入数据 分片 InputSplit 解析
大数据·数据结构·hadoop·分布式·算法