İş rolleri, araçlar ve teknolojiler

İş Dünyası için Machine Learning

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Veri piramidi ve roller

hiyerarşi-piramit

İş Dünyası için Machine Learning

Altyapı sahibi

altyapı-sahipleri

İş Dünyası için Machine Learning

Veri Mühendisi

veri-mühendisi

İş Dünyası için Machine Learning

Veri Analisti

veri-analisti

İş Dünyası için Machine Learning

Veri Bilimci

veri-bilimci

İş Dünyası için Machine Learning

Makine Öğrenimi Mühendisi

ml-mühendisi

İş Dünyası için Machine Learning

Ekip yapısı

  1. Merkezi
  2. Merkezsiz (veya gömülü)
  3. Hibrit
İş Dünyası için Machine Learning

Ekip yapılarının karşılaştırması

  1. Merkezi - tüm veri işlevleri tek bir merkezî ekipte. Küçük şirketler, girişimler, yeni organizasyonlar için uygundur. İş olgunlaşınca ve odak gerektirdiğinde yavaşlar

  2. Merkezsiz - her iş birimi, bölge veya departmanın kendi veri işlevleri vardır. Büyük şirketler için uygundur. Veri yönetişimi, tanım farklılıkları, fazlalıklar ve ek karmaşa sorunları getirir

  3. Hibrit - altyapı, tanımlar, yöntemler ve araçlar merkezî; uygulama ve prototipleme merkezsiz

İş Dünyası için Machine Learning

Haydi pratik yapalım!

İş Dünyası için Machine Learning

Preparing Video For Download...