机器学习和云计算2019发展方向

机器学习和云将在2019年继续作为“热门话题”。随着技术的发展，那些在机器学习和云采用方面不受重视的组织可能会看到自己正在落后于人。

　　机器学习

根据Gartner的说法，机器学习有望改变业务流程; 它不仅可以重新配置劳动力，优化基础设施行为，还可以通过快速改进的决策制定和流程优化来整合行业。

而且，令人兴奋的部分是企业机器正在学习转型。机器学习将越来越成为核心业务和分析组件。其先进性和功能将使组织能够自动化模式检测，预测和决策，从而推动转型效率提升，竞争差异化和增长。

已经有时间尝试其功能的机器学习的早期采用者将从概念验证阶段转变为多个用例的生产部署。这将有助于出现旨在加强运营，扩大规模并最终实现全面转型价值的技术和最佳做法。

基础架构和工具将继续围绕着在企业规模上简化和自动化构建和部署机器学习应用程序的过程而不断发展。特别是，机器学习工作负载容器和Kubernetes orchestration将为组织提供在公共云和私有云中高效构建，部署和扩展应用程序的直接途径。

我们将看到自动化机器学习工具生态系统的持续增长，因为供应商利用机会加速机器学习工作流程的耗时，可重复的部分，从数据准备和特征工程到模型生命周期管理。

从研究到生产，简化和扩展机器学习工作流程也将推动DevOps以及企业IT，安全性和合规性的新要求，因为数据科学团队对基础架构，持续集成/持续部署(CI / CD)管道提出越来越高的要求，交叉-team协作功能，以及企业安全性和合规性，以管理部署在生产中的数百个机器学习模型，而不仅仅是一个或五个。

除了技术之外，对专家指导和最佳实践方法的持续需求，以扩展组织战略，技能和持续学习，以实现将机器学习嵌入到每个业务产品，流程和服务中的长期目标。

　　云计算

据Gartner预测，30%的企业将使用对象存储作为本地数据存储库，到2019年将云架构引入数据中心。

随着组织开始理解并欣赏将云添加到其现有基础架构和应用程序的价值，公共云和内部云的混合将变得越来越重要，为组织提供灵活性并提供最适合其需求的解决方案。

任何只提供一种选择并“锁定”公司的供应商都会发现他们的客户处于劣势。通过这种部署选项的选择，对确保安全性，治理和元数据管理的一致框架的需求将变得更加重要。

因此，无论数据存储和运行的位置如何，公司都能够简化应用程序的开发和部署，同时也要确保他们可以使用各种机器学习和分析功能，与来自不同数据的数据协同工作源于单个连贯的图像，没有相关的复杂性。

考虑到这些好处，企业将更有可能转向混合云模型，使他们能够根据需求在私有云和/或公共云中运行工作负载和数据。突发，特别是大量数据，是耗时的，而不是混合云的最佳使用。相反，诸如在公共云中运行瞬态工作负载和在私有云中持久工作负载等特定用例提供了“两全其美”的部署。

混合云还将为组织打开大门，使其可以利用平台即服务(PaaS)，这是一个应用程序开发平台，供开发人员编写自定义应用程序，无需配置运行所需的底层基础架构。

大多数主要的PaaS软件都可以在客户的场所运行，托管在私有环境中或本地主要的IaaS公共云中运行。PaaS自动在这些环境中配置基础架构资源，使其成为混合云的平台。

尽管这是一个具有巨大增长潜力的市场，但混合模式对公共云以及私有云供应商来说都是一个挑战。为了准备这一举措，供应商正在进行收购，例如IBM最近购买Red Hat的收购。

现实情况是，在2019年，我们肯定会看到更多这些产品，也一定会有供应商之间进行合并，以扩大其针对混合云部署的产品范围。可以肯定地说，推动混合云的竞争才刚刚开始。