Vatsal Ghiya ، الرئيس التنفيذي والمؤسس المشارك لـ Shaip لديه 20 عامًا من الخبرة في تقديم حلول AI للرعاية الصحية من أجل رعاية أفضل للمرضى. في ميزة الضيف هذه ، ناقش سبب فشل مشروع التعلم الآلي وما يجب مراعاته لإنجاحه.
مفتاح الوجبات الجاهزة من المادة هو
- إذا لم تكن على دراية بالطريقة التي تمضي قدمًا في اتجاهات التكنولوجيا الجديدة ، فقد تنحرف العملية برمتها. وفقًا لـ VentureBeat ، تفشل حوالي 87 ٪ من مشاريع الذكاء الاصطناعي بسبب العديد من العوامل الداخلية. وتكلف هذه الإخفاقات أيضًا خسائر فادحة في الأموال من جانب الأعمال.
- يرجع السبب في فشل مشاريع ML هذه إلى نقص الخبرة ، وحجم وجودة البيانات دون المستوى ، ووضع العلامات الخاطئة ، ونقص التعاون المناسب ، وغياب استراتيجية البيانات المؤرخة للقيادة الفعالة ، والتحيز غير السار في البيانات.
- في حين أنه قد يكون هناك العديد من الأسباب لفشل مشاريع ML ، إلا أنه من المهم مراعاة جميع المؤشرات إذا كنت بصدد تنفيذ نماذج ML في مؤسستك. ومن ثم ، فمن المستحسن الحصول على مزود خدمة شامل موثوق به للتعامل مع مشروع ML والحصول على دقة وكفاءة أفضل.
قراءة المقال كاملا هنا:
