Big Data Days 2019

 8-10 октября   Москва

Келли Шлам

IBM Canada Ltd., Канада

Биография

Келли Шламб (Kelly Schlamb) — исполнительный специалист в области когнитивных систем в компании IBM. Его 24-летняя карьера в IBM включала в себя развитие, технические продажи и внедрение, где он работал над технологией баз данных, обработкой больших данных, аналитикой, облачными технологиями и в последнее время над искусственным интеллектом. Келли часто выступает на конференциях и семинарах по всему миру.

Доклад

Анализ и обработка данных и искусственный интеллект: Вопросы инфраструктуры

Искусственный интеллект все чаще рассматривается как конкурентное преимущество, и каждая компания старается быстро стать частью этой революции. Однако сам по себе ИИ сталкивается с резкой кривой окупаемости. Например, у вас верные данные? У вас есть нужные навыки? Может ли каждый участвовать (как правило, ИИ находится в руках немногих привилегированных, а компании изо всех сил стараются демократизировать его для многих работников)? Но один компонент стратегии ИИ часто упускают из виду, а он оказывает влияние на выравнивание кривой окупаемости для ИИ. Речь конечно же об инфраструктуре. В мире алгоритмов, чат-ботов и нейронных сетей, инфраструктура важна как никогда прежде. Однако важно понимать, что инфраструктура — это не просто оборудование. Есть компоненты для инфраструктуры, оптимизированной для ИИ, действительно представляющие собой оборудование; однако оптимизированная инфраструктура ИИ выходит за рамки аппаратного обеспечения. Речь идет о наличии возможностей платформы корпоративной информации, которая обрабатывает непрерывный рабочий процесс для ИИ, начиная со сбора данных и организации до развертывания полученных выводов в бизнесе. Также речь идет об оптимизации аппаратного обеспечения с эксплуатационным ПО с целью сделать его работу не только быстрее, но и быстрее доставлять значения, одновременно посылая открытое приглашение всем источникам прийти и участвовать в революции ИИ. В данной презентации вы услышите о том, как совместные предложения, такие как Watson Studio, Watson Machine Learning, Watson Machine Learning Accelerator и IBM Cloud Private for Data могут быстро направить организацию в сторону ИИ, а также о том, как правильная аппаратная инфраструктура может еще больше ускорить этот процесс.

Ключевые слова

Data Science Infrastructure