思特沃克《技術雷達》:機器學習將推動物聯(lián)網(wǎng)和實用場景
(全球TMT2022年10月27日訊)思特沃克發(fā)布了第27期《技術雷達》。此報告每半年發(fā)布一期,內容來自思特沃克(Thoughtworks)在解決客戶面臨的嚴峻業(yè)務挑戰(zhàn)時獲得的觀察結果、對話內容和一線經(jīng)驗。盡管機器學習 (ML) 曾經(jīng)需要大型數(shù)據(jù)集和強大的計算能力來解決復雜的業(yè)務問題,但本期報告指出,工具、應用程序和技術的持續(xù)增長和廣度,正在使 IT 組織能夠將機器學習 (ML) 使用到更加廣泛的領域。
第27期《技術雷達》的精彩主題包括:
- 機器學習的主流化:短短十幾年內,機器學習已經(jīng)從一種高度專業(yè)技術化轉變?yōu)閹缀跞魏螕碛袛?shù)據(jù)和計算能力的人都可以做的事情。這是值得歡迎的——但行業(yè)必須能夠駕馭空間中工具和框架的擴散以及愈加明顯和緊迫的道德問題。
- "平臺即產(chǎn)品"的力量:特別是在授權開發(fā)人員方面,平臺可以是一個強大的東西。 然而,當它們沒有被正確地視為產(chǎn)品時,我們經(jīng)常會看到令人遺憾的結果——重要的是,平臺的構建和維護方式必須能夠響應和調解技術團隊和更廣泛組織的需求。
- 將數(shù)據(jù)所有權移至邊緣 :在數(shù)據(jù)方面,中心化可能會產(chǎn)生限制。 然而,新技術和工具使得克服中心化挑戰(zhàn)變得更加容易,從技術和隱私的角度來看皆有優(yōu)勢。
- 移動端也應該模塊化:模塊化的好處眾所周知,但由于種種原因,它們還沒有在移動開發(fā)中得以利用?,F(xiàn)在就是作出改變得時機;我們相信,對移動應用采用模塊化方法不僅可以提高移動應用程序的質量,還可以提高構建它們的體驗。