《技术雷达》报告半年一期,由全球软件及技术咨询公司思特沃克(Thoughtworks)发布。这已是思特沃克(Thoughtworks)发布此报告的第12年。本期报告指出,将数据所有权移至边缘节点,可以为设备信息提供更好的隐私保护和个性化。
北京2022年10月27日 /美通社/ -- 集战略、设计和工程服务于一体,致力于推动数字化创新的全球软件及技术咨询公司思特沃克( 纳斯达克代码:TWKS)发布了第27期《技术雷达》。此报告每半年发布一期,内容来自思特沃克(Thoughtworks)在解决客户面临的严峻业务挑战时获得的观察结果、对话内容和一线经验。尽管机器学习 (ML) 曾经需要大型数据集和强大的计算能力来解决复杂的业务问题,但本期报告指出,工具、应用程序和技术的持续增长和广度,正在使 IT 组织能够将机器学习 (ML) 使用到更加广泛的领域。
随着各种规模和类型的设备上计算能力的增长,以及开源工具更加普及和易于使用,即使最小的组织也可以使用机器学习(ML)。特别是,随着对隐私和个性化信息的要求和保护意识越来越严格,企业在寻找像联邦学习这样的技术,为物联网和移动应用场景中的敏感信息提供更好的隐私保护。由于机器学习(ML)高度依赖训练数据的质量,常规的警告仍然是数据集中存在的漏洞和固有偏差。而开源工具优势就在于可以帮助建立算法如何解释和处理数据的透明度。
"机器学习(ML)曾经仅限于最高级的用户和资源丰富的 IT 组织,但现在更公开更易用的模型和组件有助于降低准入门槛,使更多组织可以访问机器学习(ML)体验和解决方案。"思特沃克(Thoughtworks)首席技术官Rebecca Parsons博士表示,"建议组织也对更实用的场景持开放态度,在这些场景中,机器学习(ML)可以应用于运营、产品和服务以提高效率,而不仅仅是更具颠覆性的应用程序。"
第27期《技术雷达》的精彩主题包括:
访问thoughtworks.com/cn/radar,浏览互动版《技术雷达》或下载PDF版本。