Rôles, outils et technologies

Machine Learning pour les affaires

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Pyramide des données et rôles

pyramid-raw

Machine Learning pour les affaires

Propriétaire de l'infrastructure

infrastructure-owners

Machine Learning pour les affaires

Ingénieur(e) de données

data-engineer

Machine Learning pour les affaires

Analyste de données

data-analyst

Machine Learning pour les affaires

Scientifique des données

data-scientist

Machine Learning pour les affaires

Machine Learning Engineer

ml-engineer

Machine Learning pour les affaires

Structure d'équipe

  1. Centralisé
  2. Décentralisé (ou intégré)
  3. Hybride
Machine Learning pour les affaires

Comparaison des structures d'équipe

  1. Centralisé — toutes les fonctions données dans une équipe centrale. Efficace pour petites entreprises, jeunes organisations. Devient lent quand l'entreprise mûrit et exige plus de ciblage

  2. Décentralisé — chaque unité, région ou service a ses propres fonctions données. Convient aux grandes entreprises. Amène des enjeux de gouvernance, écarts de définitions, redondances et complexité accrue

  3. Hybride — l'infrastructure, les définitions, méthodes et outils sont centralisés, tandis que l'application et le prototypage sont décentralisés

Machine Learning pour les affaires

Passons à la pratique !

Machine Learning pour les affaires

Preparing Video For Download...