Это начало Q3. Вы возглавляете группу по обработке данных в страховой компании.
Вы собираетесь запустить проект, и вам необходимо поддерживать различные сценарии развертывания в мультиоблачных средах. Если это не усложняет вашу жизнь, ваша компания работает в очень чувствительной среде, на которую распространяются правила — от GDPR до HIPAA.
Учитывая огромные инвестиции как в команду, так и в инструменты, вы испытываете сильное давление, чтобы приносить пользу. У вашей команды смешанный набор навыков, потому что специалисты по обработке и анализу данных по-прежнему остаются редким и дорогим товаром. Учитывая все эти факторы, как вы выполняете обещания Data Science и Machine Learning?
У IBM есть две демонстрации, которые покажут, как можно быстро начать и быстро масштабировать проекты по обработке и анализу данных в строго регулируемой отрасли.
Посмотрите это видео, чтобы увидеть пример использования в сложной отрасли, а именно в страховании, где мошеннические претензии и неправильное развертывание агентов могут нанести ущерб итоговой прибыли. Архитектор решений IBM Analytics Ирина Сабурова показывает, как данные имеют решающее значение при планировании надвигающегося погодного явления. Помимо прогнозирования необходимых финансовых резервов, она показывает, как наука о данных выявляет мошеннические страховые претензии и разумно использует разъездных специалистов по урегулированию убытков.
Хотите следовать вместе? Вы можете прочитать Вопросы и ответы по IBM Big Data and Analytics Hub.
Затем в этой демонстрации Тим Бон из команды IBM Data Science Elite называет три области, в которых платформа IBM Data Science Experience преодолевает трудности, с которыми лидеры Data Science сталкиваются, доказывая свою ценность для бизнеса.
· Предоставление инструментов для расширения возможностей различных типов пользователей с набором навыков
· Машинное обучение в масштабе — развертывание и поддержка модели
· Моделируйте обучение там, где вам нужно, и моделируйте развертывание там, где вы хотите.
В этих двух демонстрациях вы шаг за шагом узнаете, как IBM Data Science Experience поддерживает библиотеки с открытым исходным кодом, построение визуальных моделей и модели оптимизации решений. Вы увидите процесс разработки модели, ее развертывания и оценки работоспособности модели в безопасных средах.
