▮ Строить или покупать?
При настройке инфраструктуры машинного обучения, с одной стороны, компания может передать на аутсорсинг все, кроме перемещения данных. С другой стороны, компания может построить все и поддерживать всю необходимую инфраструктуру.
Однако большинство компаний не находятся ни в одной из этих крайностей, а это означает, что им необходимо решить, покупать или строить инфраструктуру машинного обучения. При принятии этого решения есть несколько факторов, поэтому я хотел бы поделиться тремя наиболее распространенными.
Ссылка: Проектирование систем машинного обучения
▮ 3 фактора
1. Стадия компании
Если ваша компания только начала использовать ИИ, использование решений поставщиков может быть лучше из-за скорости внедрения и относительно низких затрат. Если начинать с нуля, потребуются большие усилия, такие как наем большего количества инженеров и создание инфраструктуры.
Однако по мере масштабирования проекта использование поставщиков быстро станет дорогостоящим. В этом случае, возможно, лучше инвестировать в ваше решение.
2. Вера в конкурентное преимущество
Использование аутсорсинговой модели машинного обучения означает, что ваши конкуренты также могут легко воспроизвести ее.
Если компания хочет быть ЛУЧШЕЙ в каком-то решении, лучше управлять им внутри компании. Если нет, то аутсорсинг может быть оптимальным вариантом.
Большинство нетехнических компаний, для которых инфраструктура машинного обучения не является основным направлением деятельности, склонны покупать и отдавать предпочтение управляемым услугам.
С другой стороны, компании, для которых технологии являются основным конкурентным преимуществом, склонны не покупка.
Важно найти правильное решение, понимая при этом, какие предубеждения могут быть у клиента.
3. Зрелость доступных инструментов
В некоторых случаях в то время могут отсутствовать инструменты, отвечающие конкретным требованиям компании.
Это часто случалось в первые дни внедрения машинного обучения. .
