什么机器学习从业者能从数据仓库中学习
发布时间：2022-03-17 10:34:18 所属栏目：要闻 来源：互联网
导读：作为一个大数据平台，企业正在使用Cloudera来了解大量数据，以在业务的各个方面产生洞察，例如客户偏好和制造效率。 最近，公司 - 由Facebook，雅虎和谷歌的工程师建立在2008年 - 通过形成三个业务单位，更深入地推入机器学习，该公司将重点关注其新兴的业务
|
作为一个大数据平台，企业正在使用Cloudera来了解大量数据，以在业务的各个方面产生洞察，例如客户偏好和制造效率。 最近，公司 - 由Facebook，雅虎和谷歌的工程师建立在2008年 - 通过形成三个业务单位，更深入地推入机器学习，该公司将重点关注其新兴的业务 - 机器学习，分析和云。 Cloudera对机器学习的高度焦点并不令人惊讶，因为机器学习算法的功效只与可用数据一样好。这就是数据仓库的位置，它清理并将来自多个来源的数据聚集在一个系统上，进来。 “数据仓库在过去的20年里已经进化了很多 - 这是一个团队运动，没有人认为在桌面上做到这一点，因为您需要公司的所有数据，”新兴业务高级副总裁Charles Zedlewski表示Cloudera。 “另一方面，机器学习是一项史的辛西运动，才能大约八年前开始起飞。在金融服务和营销行业中，有有限数量的从业者。“ 机器学习和数据仓库团队模型的方式也有所不同，说Zedlewski表示，前者更喜欢“奉承”型号，而后者通常使用大量建模的数据。 同时，机器学习也在数据仓库中应用。在Next'18，Google宣布了BigQuery ML服务，使数据科学家和分析师能够使用SQL语句直接在其BigQuery数据仓库内直接在大规模的，结构化或半结构化数据集上构建和部署机器学习模型。 这意味着它们可以执行预测分析，例如预测销售和创建源头的客户群，在那里他们已经存储了数据，而无需将数据移出数据仓库以开发和培训机器学习模型。 更重要的是，BigQuery ML有可能将机器学习的使用扩展到数据分析师，他们与数据科学家不同，可能无法参加R和Python等编程语言，通常用于构建机器学习模型。 （编辑：南通站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
