واتسال غیا، اجراییه رییس او د شیپ شریک بنسټ ایښودونکی د ناروغانو غوره پاملرنې لپاره د روغتیا پاملرنې AI حلونو وړاندیز کولو کې 20 کلنه تجربه لري. په دې مېلمه فیچر کې، هغه د ماشین زده کړې پروژې د ناکامۍ لامل او د بریالیتوب لپاره څه په پام کې نیولو سره بحث وکړ.
د مقالې څخه کلیدي ټیکاو دی
- که تاسو د نوي ټیکنالوژۍ رجحاناتو سره مخ په وړاندې د تګ لارې څخه خبر نه یاست ، نو ټوله پروسه ممکن خرابه شي. د VentureBeat په وینا، د AI پروژې شاوخوا 87٪ د ډیری داخلي عواملو له امله ناکامه کیږي. او دا ناکامۍ د سوداګرۍ برخه کې د پیسو لوی تاوان هم مصرفوي.
- د دې ML پروژو د ناکامۍ لامل د تخصص نشتوالی، د فرعي معلوماتو حجم او کیفیت، غلط لیبل کول، د مناسبې همکارۍ نشتوالی، د تاریخي معلوماتو ستراتیژۍ د اغیزمن مشرتابه نشتوالی، او د معلوماتو ناخوښه تعصب دی.
- پداسې حال کې چې ډیری دلیلونه شتون لري چې د ML پروژې ناکامه کیږي، مګر دا مهمه ده چې ټول ټکي باید په پام کې ونیول شي که تاسو په خپل سازمان کې د ML ماډلونو پلي کولو کې یاست. له همدې امله ، دا مشوره ورکول کیږي چې د ML پروژې اداره کولو لپاره د پای څخه تر پای پورې معتبر خدمت چمتو کونکي ترلاسه کړئ او غوره دقت او موثریت ترلاسه کړئ.
بشپړ مضمون دلته ولولی:
