ویژگی حمایت شده با گسترش گستردهتر این فناوری در بخشها و صنایع عمودیتر، ظرفیت هوش مصنوعی (AI) برای تغییر فرآیندهای کسبوکار، تصمیمگیری استراتژیک و تجربیات مشتری توسط استراتژیستهای فناوری اطلاعات و تحلیلگران اقتصادی تحسین میشود.
حتی مدیران اجرایی که زمانی در مورد تایید نیازهای هوش مصنوعی برای ارائه ارزش بهینه محتاط بودند، به پتانسیل آن برای بهبود کارایی عملیاتی و هموار کردن راه برای جریانهای درآمد جدید پی میبرند.
پیش بینی های ناظران محترم بازار مانند PwC دیدگاه آنها را تایید می کند. آنمطالعه جهانی هوش مصنوعیPwC معتقد است که هوش مصنوعی می تواند تا 15.7 تریلیون دلار به اقتصادهای جهانی در سال 2030 کمک کند.
رونمایی اخیر از چندین ابزار مولد هوش مصنوعی a برک آوت نکته ای برای آنچه قبلاً یک شاخه بسیار تخصصی و "آینده نگر" از علوم کامپیوتر بود. در بریتانیا در سال 2022 دفتر هوش مصنوعی گزارش حدود 15 درصد از کسب و کارها حداقل یک فناوری هوش مصنوعی را که معادل 432,000 شرکت است، استفاده کرده اند. حدود 2 درصد از کسبوکارها هوش مصنوعی را آزمایش میکردند و 10 درصد قصد داشتند حداقل یک فناوری هوش مصنوعی را در آینده به کار گیرند (به ترتیب 62,000 و 292,000 کسبوکار).
هنوز چیزهای پیچیده ای است
در این میان، سازمانهای مشتاق هوش مصنوعی باید به خاطر داشته باشند که هوش مصنوعی هنوز یک فناوری نسبتاً جوان است و راهاندازی آن برای اولین بار میتواند چالش برانگیز باشد. علاوه بر این، بازگشت سرمایه مرتبط (ROI) به شدت به رویهها و پیکربندیهای پیادهسازی مدیریت شده بسیار وابسته است که اغلب در مواجهه با خطاها نسبت به استقرارهای معمولی فناوری اطلاعات از استحکام کمتری برخوردار هستند.
به عنوان مثال، هوش مصنوعی برای تیمهای فناوری اطلاعات که وظیفه اجرای ابتکارات و بارهای کاری یادگیری ماشینی/AI را دارند، آزمایشهای قابل تخمینی را ارائه میکند، که میتواند شامل غلبه بر شکافهای مهارتی و محدودیتهای محاسباتی باشد. آنها همچنین ممکن است شامل مبادله منابع با بارهای کاری دیگر سازمانی باشند که قبلاً از یک زیرساخت مشترک فناوری اطلاعات استفاده می کنند.
مت آرمسترانگ-بارنز، مدیر ارشد فناوری هوش مصنوعی در شرکت هیولت پاکارد (HPE) میگوید: «هوش مصنوعی یک سفر است، نه یک مقصد – این به معنای آمادهبودن برای پذیرش یا خودکار کردن فرآیندها صرفاً برای بهرهوری بیشتر نیست. بلکه در مورد تحقق ارزش بلندمدت، ایجاد نتایج بهتر و درک این موضوع است که هوش مصنوعی نیازمند رویکردی اساساً متفاوت برای استقرار فناوری اطلاعات است. برای تکنولوژیست های سازمانی، این یک منحنی یادگیری همه جانبه 360 درجه است."
نکته آرمسترانگ-بارنز توسط آخرین نسخه دیلویت اثبات می شود.وضعیت هوش مصنوعی در شرکتنظرسنجی از رهبران تجارت جهانی پاسخدهندگان آن انبوهی از چالشها را شناسایی کردند که هوش مصنوعی در مراحل متوالی پروژههای اجرای هوش مصنوعی خود ایجاد کرد. اثبات ارزش تجاری هوش مصنوعی موضوعی بود که 37 درصد به آن اشاره کردند – پروژهها میتوانند هزینه بر باشند و اعتبار یک مورد تجاری قانعکننده در مواجهه با هیئتهای مدیره سرمایهگذاری و مدیران C-Suite دشوار است.
بزرگکردن آن پروژههای هوش مصنوعی در طول زمان میتواند به موانع شناساییشده دیگری مانند مدیریت ریسکهای مرتبط با هوش مصنوعی (که توسط 50 درصد از شرکتکنندگان در نظرسنجی Deloitte ذکر شده است)، عدم پذیرش اجرایی (همچنین 50 درصد) و فقدان تعمیر و نگهداری یا پشتیبانی مداوم (50 درصد دوباره).
آرمسترانگ-بارنز میگوید: «کاملاً قابل درک است که رهبران شرکتها باید متقاعد شوند که هوش مصنوعی راه خود را جبران خواهد کرد. اینجاست که کار از ابتدا با یک شریک فناوری که سالها با پیادهسازیهای اثباتشده هوش مصنوعی درگیر بوده است، به پیروزی در این پرونده کمک میکند. سوابق آن به طرحهای پیشنهادی اعتبار میبخشد و به مدیران اجرایی متقاعد میشود که ریسکهای هوش مصنوعی به اندازه سایر سرمایهگذاریهای فناوری اطلاعات قابل مدیریت هستند.
و در حالی که فناوری و استعداد مطمئناً مورد نیاز است، به همان اندازه مهم است که فرهنگ، ساختار و روشهای کار یک شرکت برای حمایت از پذیرش گسترده هوش مصنوعی هماهنگ شود. به گفته مک کینزی، با ویژگی های متمایز گاهی اوقات به عنوان موانعی در برابر تغییرات مبتنی بر هوش مصنوعی عمل می کند.
مک کینزی پیشنهاد میکند: «اگر یک شرکت مدیران روابطی داشته باشد که به هماهنگی با نیازهای مشتری افتخار میکنند، ممکن است این تصور را که «ماشین» میتواند ایدههای بهتری در مورد آنچه مشتریان میخواهند داشته باشد را رد کنند و توصیههای محصول متناسب با ابزار هوش مصنوعی را نادیده بگیرند.
آرمسترانگ-بارنز گزارش می دهد: «من با همتایان HPE و مشتریان HPE اغلب در مورد طیف وسیعی از چالش هایی که با استقرار هوش مصنوعی مواجه می شوند، صحبت می کنم. «برخی ویژگیهای شواهد مشترک بارها و بارها مطرح میشوند. یکی دست کم گرفتن از تفاوت اساسی استقرار هوش مصنوعی با پیاده سازی های سنتی IT است. سازمانها باید هوش مصنوعی را به روشی متفاوت از پروژههای IT که در گذشته اجرا کردهاند، به کار گیرند. مدیریت داده و مقیاس بندی برای هوش مصنوعی به طور قابل توجهی متفاوت است. این بدان معناست که گاهی اوقات، تجربههای فناوری که به سختی به دست آمدهاند، باید دوباره یاد بگیرند.»
آرمسترانگ-بارنز توضیح میدهد که باید از تمایل به آزمایش با خلبانهای هوش مصنوعی قبل از استقرار مستقیم آن در یک مورد استفاده واقعی که یک نیاز فوری تجاری را پشتیبانی میکند اجتناب کرد. او توضیح میدهد: «رویکرد سعی کنید قبل از خرید معقول به نظر میرسد – هوش مصنوعی پیچیده و تشنه سرمایهگذاری است. . چیزی که "در آزمایشگاه" شروع می شود، در آزمایشگاه باقی می ماند."
در انتهای دیگر مقیاس پذیرش، آرمسترانگ-بارنز شرکتهایی را میبیند که سعی میکنند هوش مصنوعی را در هر جایی که میتوان به کار برد، حتی در جایی که یک برنامه بدون هوش مصنوعی بهطور بهینه کار میکند، استفاده میکنند. پس نباید همه چیز را مانند مهره ای برای شکستن ببینی.»
افراد و زیرساخت ها به راحتی در دسترس نیستند
حتی پیشرفتهترین سیستمهای هوش مصنوعی هنوز به استقلال کامل سرتاسری دست پیدا نکردهاند – آنها باید توسط تخصص انسانی آموزش داده و تنظیم شوند. این یک چالش بیشتر برای شرکتهای مشتاق هوش مصنوعی است: چگونه میتوان مهارتهای لازم را کسب کرد - پرسنل فناوری اطلاعات موجود را بازآموزی کرد؟ اعضای تیم جدیدی را با دانش هوش مصنوعی استخدام کنید؟ یا گزینه هایی را بررسی کنید تا نیاز به تخصص هوش مصنوعی را به شرکای فناوری موکول کنید؟
مک کینزی گزارش که پتانسیل هوش مصنوعی به دلیل کمبود استعدادهای ماهر محدود شده است. یک پروژه معمولی هوش مصنوعی به یک تیم بسیار ماهر از جمله دانشمند داده، مهندس داده، مهندس ML، مدیر محصول و طراح نیاز دارد - و به سادگی متخصصان کافی برای اشغال همه این مشاغل آزاد وجود ندارند.
آرمسترانگ-بارنز میگوید: «ما میبینیم که فنآوران سازمانی معمولاً مجبورند تواناییهای خود را از پنج جنبه کلیدی ارتقا دهند. اساساً، آنها در زمینههای تخصص هوش مصنوعی، زیرساختهای فناوری اطلاعات، مدیریت دادهها، مدیریت پیچیدگی و تا حدی موانع فرهنگی فوقالذکر قرار دارند. با توجه به رویکرد صحیح و حمایت مشارکتی، هیچ یک از این چالش ها غیرقابل حل نیست.»
هوش مصنوعی همچنین دوست دارد سخت افزار فوق العاده قدرتمندی را اجرا کند. تهیه پلتفرمهای محاسباتی با کارایی بالا به عنوان یک چالش دائمی ادامه مییابد، زیرا تعداد کمی از سازمانها میخواهند - یا میتوانند از عهده آن برآیند - سرمایهگذاریهای لازم را در سرورهای خود بدون افزایش قابل اثبات در نسبت بازگشت سرمایه انجام دهند.
آرمسترانگ-بارنز میگوید: «هنگام برنامهریزی پیادهسازی هوش مصنوعی، در مراحل اولیه برنامهریزان فناوری اطلاعات باید برخی تصمیمهای کلیدی در مورد فناوری توانمندسازی هستهای اتخاذ کنند. به عنوان مثال، آیا قصد دارید آن را بخرید، بسازید - یا یک رویکرد ترکیبی که عناصر هر دو را در بر می گیرد؟
تصمیم مهم بعدی مربوط به مشارکت است. آرمسترانگ-بارنز خاطرنشان می کند که شرط تعیین کننده ارائه موفقیت آمیز هوش مصنوعی این است که هیچ کس نتواند به تنهایی این کار را انجام دهد: "شما به حمایت شرکای فناوری نیاز دارید و بهترین راه برای ایجاد این مشارکت ها از طریق اکوسیستم هوش مصنوعی است. یک اکوسیستم هوش مصنوعی را به عنوان یک کنسرسیوم پشتیبان از تخصص در نظر بگیرید که با گرد هم آمدن، به دانش، داده ها، ابزارهای هوش مصنوعی، فناوری و اقتصاد مناسب برای توسعه و عملیاتی کردن تلاش های هوش مصنوعی خود دسترسی خواهید داشت.
آرمسترانگ-بارنز میافزاید: «مشتریان گاهی میپرسند چگونه HPE در موارد استفاده از هوش مصنوعی تا این حد تجربه شده است – آیا ما تأثیر آن را سالها پیش پیشبینی کرده بودیم و خیلی زودتر از بازار شروع به آمادهسازی کردیم؟ واقعیت این است که ما تاثیر هوش مصنوعی را نه سالها، بلکه دههها پیش دیدیم، برای مدت طولانی مراکز تعالی هوش مصنوعی و اکوسیستمها را ایجاد کردهایم و خریدهای استراتژیک برای تقویت تخصص موجود خود در راستای نیازهای مشتری و فرصتهای رشد انجام دادهایم.
بدون قطار، بدون سود
یکی از این تقویتها، Determined AI است که در سال 2021 به بخشی از راهحلهای HPC و AI HPE تبدیل شد. نرمافزار منبع باز Determined AI به این واقعیت میپردازد که ساخت و آموزش مدلهای بهینهشده در مقیاس، مرحله دقیق و حیاتی توسعه ML است – مرحلهای که به طور فزایندهای نیاز به غیرتکنولوژیست هایی مانند تحلیلگران، محققان و دانشمندان دارد تا چالش های HPC را بپذیرند.
این چالشها شامل راهاندازی و مدیریت یک پشته نرمافزاری موازی و زیرساختی است که شامل تهیه محاسبات تخصصی، ذخیرهسازی داده، فابریک محاسباتی و کارتهای شتابدهنده میشود.
آرمسترانگ-بارنز میگوید: «علاوه بر این، شارحان ML باید مدلهای خود را برنامهریزی، زمانبندی و آموزش کارآمد کنند تا استفاده از زیرساختهای تخصصی را که راهاندازی کردهاند به حداکثر برسانند، که میتواند پیچیدگی ایجاد کند و بهرهوری را کاهش دهد.»
البته این کارها باید با سطح دقیقی از صلاحیت انجام شوند که حتی با حمایت تیمهای IT داخلی که بیش از حد کار میکنند، به راحتی نمیتوان مطمئن شد.
پلتفرم منبع باز تعیین شده هوش مصنوعی برای آموزش مدل ML به گونه ای طراحی شده است که این شکاف منابع را کاهش دهد و راه اندازی، پیکربندی، مدیریت و اشتراک گذاری ایستگاه های کاری یا خوشه های هوش مصنوعی را که در محل یا در فضای ابری اجرا می شوند، آسان کند. و علاوه بر پشتیبانی ممتاز، شامل ویژگیهایی مانند امنیت پیشرفته، ابزارهای نظارت و قابلیت مشاهده میشود - که همه توسط تخصص در HPE پشتیبانی میشوند.
آرمسترانگ-بارنز توضیح میدهد: «هوش مصنوعی مصمم در مورد از بین بردن موانع برای شرکتها برای ساخت و آموزش مدلهای ML در مقیاس و سرعت، به منظور دستیابی به ارزش بیشتر در زمان کمتر، با سیستم جدید توسعه یادگیری ماشین HPE است. این قابلیتها شامل موارد کاملاً فنی است که برای بهینهسازی حجمهای کاری AI/Machine Learning ضروری است، مانند زمانبندی شتابدهنده، تحمل خطا، آموزش موازی و توزیع شده با سرعت بالا، بهینهسازی پیشرفتهی فراپارامترها و جستجوی معماری عصبی.
«به آن وظایف انضباطی مانند همکاری تکرارشونده و ردیابی معیارها را اضافه کنید – این کار بسیار زیاد است. با کمک Determined AI متخصصان پروژه می توانند بر نوآوری تمرکز کنند و زمان خود را تا تحویل سریع پیگیری کنند.
منابع HPC و مقررات بیشتر نقش خود را ایفا می کنند
قدرت HPC همچنین به طور فزاینده ای برای آموزش و بهینه سازی مدل های هوش مصنوعی، علاوه بر ترکیب با هوش مصنوعی برای افزایش بار کاری مانند مدل سازی و شبیه سازی - ابزارهای قدیمی برای سرعت بخشیدن به زمان تا کشف در بخش های سراسر صنعت تولید، استفاده می شود.
بازار جهانی HPC برای رشد قابل پیش بینی در بقیه دهه 2020 تنظیم شده است. اطلاعات موردور تخمین می زند ارزش آن در سال 56.98 به 2023 میلیارد دلار می رسد و انتظار می رود تا سال 96.79 به 2028 میلیارد دلار برسد - CAGR 11.18 درصد در دوره پیش بینی شده.
«HPE برای مدت طولانی زیرساخت HPC را ایجاد کرده است، و اکنون یک نمونه کار HPC دارد که شامل ابررایانههای Exascale و پلتفرمهای محاسباتی بهینهشده با چگالی است. آرمسترانگ-بارنز می گوید: برخی از بزرگترین خوشه های HPC بر اساس نوآوری HPE ساخته شده اند. HPE در پلتفرمهای سختافزاری با کارایی بالا تخصص بینظیری دارد.
با معرفی HPE GreenLake برای مدل های زبان بزرگ در اوایل سال جاری (2023)، شرکتها – از استارتآپها تا Fortune 500 – میتوانند هوش مصنوعی در مقیاس بزرگ را با استفاده از یک پلتفرم ابررایانهای پایدار که ترکیبی از نرمافزار هوش مصنوعی HPE و پیشرفتهترین ابررایانهها است، آموزش دهند، تنظیم کنند و به کار گیرند.
بدیهی است که پذیرش هوش مصنوعی برای سازمانها در هر اندازه چالش برانگیز است، اما این فقط به فناوری مربوط نمیشود، آرمسترانگ-بارنز خاطرنشان میکند: «بهطور فزایندهای، همه پذیرندگان هوش مصنوعی باید با مقررات و انطباقهای هوش مصنوعی بهروز بمانند. قوانینی مانند منشور حقوق هوش مصنوعی ایالات متحده، قانون هوش مصنوعی اتحادیه اروپا و پیشنهادهای نظارتی آتی که در کتاب سفید هوش مصنوعی دولت بریتانیا ارائه شده است - که عموماً انتظار می رود چارچوب هوش مصنوعی آماده انطباق را ارائه دهد - نمونه های دائمی این موضوع هستند.
برای کسبوکارهایی که در سطح بینالمللی فعالیت میکنند، به نظر میرسد که این مانع دیگری است که در نوار قرمز پیچیده شده است، اما آرمسترانگ-بارنز پیشنهاد میکند که انطباقهای مقرراتی ممکن است آنقدر که ممکن است به نظر میرسد سخت نباشد – با کمک کمی از یک اکوسیستم مشارکت هوش مصنوعی.
بررسی کنید که آیا شرکای اکوسیستم هوش مصنوعی شما نیز میتوانند در رعایت قوانین به شما کمک کنند یا خیر – اگر در حال حاضر در یک محیط کسبوکار به شدت تنظیمشده هستید، احتمالاً در نیمه راه با رعایت قوانین موجود هستید.»
با حمایت HPE
- محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
- PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
- PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
- PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
- PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
- منبع: https://go.theregister.com/feed/www.theregister.com/2023/10/25/putting_ai_challenges_in_perspective/
- : دارد
- :است
- :نه
- :جایی که
- $UP
- 000
- 1
- 10
- 11
- ٪۱۰۰
- 2021
- 2022
- 2023
- 2028
- 2030
- 360 درجه
- 50
- 500
- 7
- 98
- a
- توانایی
- درباره ما
- شتاب دهنده
- دسترسی
- به دست آوردن
- جمع آوری
- در میان
- عمل
- بازیگری
- واقعی
- اضافه کردن
- اضافه
- علاوه بر این
- آدرس
- می افزاید:
- اتخاذ
- به تصویب رسید
- پذیرندگان
- تصویب
- اتخاذ
- پیشرفته
- از نو
- پیش
- پیش
- AI
- قانون هوش مصنوعی
- مدل های هوش مصنوعی
- سیستم های هوش مصنوعی
- تراز
- معرفی
- تنها
- قبلا
- همچنین
- an
- تحلیلگران
- و
- و زیرساخت
- دیگر
- هر
- ظاهر شدن
- کاربرد
- اعمال می شود
- درخواست
- روش
- معماری
- هستند
- مناطق
- دور و بر
- مصنوعی
- هوش مصنوعی
- هوش مصنوعی (AI)
- AS
- پرسیدن
- مرتبط است
- مطمئن
- At
- رسیدن
- تقویت کردن
- اتوماسیون
- در دسترس
- اجتناب کنید
- موانع
- BE
- شد
- زیرا
- شود
- بوده
- قبل از
- بودن
- بهترین
- بهتر
- بزرگترین
- لایحه
- بیلیون
- هر دو
- شاخه
- پهن
- ساختن
- بنا
- ساخته
- کسب و کار
- رهبران مشاغل
- کسب و کار
- اما
- خرید
- by
- C- مجموعه
- چوب
- آمد
- CAN
- قابلیت های
- ظرفیت
- کارت ها
- مورد
- مراکز
- قطعا
- به چالش
- چالش ها
- به چالش کشیدن
- تغییر دادن
- مشخصات
- بررسی
- رئیس
- مدیر ارشد فناوری
- اشاره
- نزدیک
- ابر
- CO
- همکاری
- ترکیب
- ترکیب
- بیا
- آینده
- مشترک
- شرکت
- شرکت
- متقاعد کننده
- پیچیده
- پیچیدگی
- محاسبه
- کامپیوتر
- علم کامپیوتر
- شرط
- کنسرسیوم
- محدودیت ها
- ادامه
- کمک
- معمولی
- متقاعد کردن
- متقاعد شده
- هسته
- شرکت
- گران
- میتوانست
- دوره
- ترک خورده
- ایجاد
- اعتبار
- بحرانی
- فرهنگی
- فرهنگ
- منحنی
- مشتری
- مشتریان
- داده ها
- مدیریت اطلاعات
- دانشمند داده
- ذخیره سازی داده ها
- دهه
- تصمیم
- تصمیم گیری
- تصمیم گیری
- تلقی می شود
- تعریف کردن
- درجه
- ارائه
- تحویل
- deloitte
- خواسته
- وابسته
- گسترش
- مستقر
- استقرار
- گسترش
- اعزام ها
- طراحی
- طراح
- مقصد
- مشخص
- توسعه
- پروژه
- DID
- مختلف
- مستقیما
- انضباطی
- متمایز
- توزیع شده
- آموزش توزیع شده
- دان
- انجام شده
- پایین
- خشک
- پیش از آن
- در اوایل
- مرحله اولیه
- به آسانی
- ساده
- اقتصادی
- اقتصاد (Economics)
- اقتصاد
- اکوسیستم
- اکوسیستم
- اثرات
- بهره وری
- موثر
- عناصر
- را قادر می سازد
- را در بر می گیرد
- روبرو شدن
- پایان
- پشت سر هم
- تلاش می کند
- مهندس
- کافی
- سرمایه گذاری
- شرکت
- محیط
- به همان اندازه
- برابر است
- خطاهای
- ایجاد
- ایجاد
- EU
- حتی
- همه چیز
- گواهی شده است
- دقیق
- مثال
- مثال ها
- Exascale
- برتری
- Execs
- اجرایی
- مدیران
- موجود
- انتظار می رود
- انتظار می رود
- تجربه
- با تجربه
- تجارب
- تجربه
- تخصص
- توضیح می دهد
- اکتشاف
- پارچه
- چهره
- در مواجهه
- واقعیت
- امکانات
- کمی از
- نام خانوادگی
- بار اول
- پنج
- تمرکز
- برای
- پیش بینی
- پیش بینی
- آینده
- ثروت
- به جلو
- چارچوب
- غالبا
- از جانب
- اساساً
- بیشتر
- مربوط به اینده
- شکاف
- شکاف
- عموما
- مولد
- هوش مصنوعی مولد
- دادن
- داده
- جهانی
- تجارت جهانی
- Go
- رفتن
- دولت
- بیشتر
- رشد
- بود
- چکش
- سخت
- سخت افزار
- آیا
- داشتن
- he
- کمک
- کمک می کند
- اینجا کلیک نمایید
- عملکرد بالا
- خیلی
- اصابت
- چگونه
- hpc
- HTML
- HTTPS
- انسان
- موانع
- موانع
- ترکیبی
- بهینه سازی هایپرپارامتر
- i
- ایده ها
- شناسایی
- if
- چشم پوشی از
- تأثیر
- پیاده سازی
- پیاده سازی ها
- اجرا
- اجرای
- مهم
- بهبود
- in
- شامل
- شامل
- از جمله
- افزایش
- افزایش
- به طور فزاینده
- لوازم
- صنعت
- اطلاع دادن
- شالوده
- در خانه
- ابتکارات
- ابداع
- نمونه
- اطلاعات
- بین المللی
- به
- معرفی
- سرمایه گذاری
- سرمایه گذاری
- شامل
- گرفتار
- موضوع
- IT
- ITS
- شغل ها
- سفر
- JPG
- تنها
- نگاه داشتن
- کلید
- دانش
- آزمایشگاه
- برچسب
- عدم
- زبان
- بزرگ
- در مقیاس بزرگ
- آخرین
- رهبران
- آموخته
- یادگیری
- کمترین
- قانون
- قرض دادن
- کمتر
- کمتر
- سطح
- دروغ
- پسندیدن
- دوست دارد
- لاین
- کوچک
- طولانی
- مدت زمان طولانی
- دراز مدت
- مطالب
- خیلی
- دستگاه
- فراگیری ماشین
- نگهداری
- ساخت
- ساخت
- مدیریت
- قابل کنترل
- اداره می شود
- مدیریت
- مدیر
- مدیران
- مدیریت
- تولید
- صنعت تولید
- بسیاری
- بازار
- عظیم
- تکمیل یا پرداخت مات و بی جلا
- بیشینه ساختن
- ممکن است..
- مک کینزی
- به معنی
- اعضا
- متریک
- قدرت
- ML
- مدل
- مدل سازی
- مدل سازی و شبیه سازی
- مدل
- نظارت بر
- بیش
- اکثر
- باید
- لازم
- نیاز
- ضروری
- نیازهای
- عصبی
- جدید
- بعد
- نه
- هیچ
- ایده
- اکنون
- of
- پیشنهادات
- دفتر
- افسر
- غالبا
- on
- یک بار
- ONE
- مداوم
- باز کن
- منبع باز
- نرم افزار منبع باز
- کار
- قابل استفاده
- فرصت ها
- بهینه
- بهینه سازی
- بهینه سازی
- بهینه
- گزینه
- or
- سفارش
- سازمان های
- دیگر
- ما
- خارج
- نتایج
- روی
- فائق آمدن
- مقاله
- موازی
- بخش
- شریک
- شرکای
- همکاری
- مشارکت
- گذشته
- سنگفرش
- پرداخت
- هم
- در صد
- دوره
- پرسنل
- چشم انداز
- خلبانی
- برنامه ریزی
- برنامه ریزی
- سکو
- سیستم عامل
- افلاطون
- هوش داده افلاطون
- PlatoData
- بازی
- نقطه
- نقطه
- مقام
- به شمار
- پتانسیل
- قدرت
- دقیقا
- حق بیمه
- آماده
- فشار
- قبلا
- غرور
- در درجه اول
- روش
- فرآیندهای
- محصول
- مدیر تولید
- بهره وری
- برنامه
- پروژه
- پروژه ها
- پیشنهادات
- قابل اثبات
- ثابت كردن
- اثبات شده
- اثبات كردن
- قرار دادن
- PWC
- کاملا
- محدوده
- نسبتا
- رسیدن به
- به راحتی
- واقعی
- تحقق
- تحقق بخشیدن
- واقعا
- معقول
- اخیر
- شناختن
- شناختن
- توصیه
- رکورد
- نو اموز استخدام کردن
- قرمز
- با توجه
- تنظیم
- مقررات
- تنظیم کننده
- ارتباط
- نسبتا
- به یاد داشته باشید
- از بین بردن
- گزارش ها
- نشان دهنده
- مورد نیاز
- نیاز
- لازمه
- محققان
- منابع
- به ترتیب
- احترام می گذارد
- پاسخ دهندگان
- REST
- برگشت
- درامد
- راست
- حقوق
- دقیق
- خطرات
- تنومند
- ROI
- دویدن
- اجرا می شود
- s
- دید
- می گوید:
- مقیاس
- مقیاس گذاری
- برنامه
- زمان بندی
- علم
- دانشمند
- دانشمندان
- جستجو
- بخش ها
- تیم امنیت لاتاری
- دیدن
- به نظر می رسد
- می بیند
- سرور
- تنظیم
- چند
- اشتراک گذاری
- کمبود
- باید
- به طور قابل توجهی
- به سادگی
- شبیه سازی
- اندازه
- ماهر
- مهارت ها
- کند
- So
- نرم افزار
- مزایا
- برخی از
- گاهی
- منبع
- دهانه ها
- متخصصان
- تخصصی
- سرعت
- پشته
- صحنه
- شروع
- شروع می شود
- نوپا
- ماندن
- هنوز
- ذخیره سازی
- استراتژیک
- جریان
- ساختار
- موفق
- چنین
- حاکی از
- سوپر کامپیوتر
- پشتیبانی
- پشتیبانی
- حمایت
- پشتیبانی از
- بررسی
- قابل تحمل
- سیستم
- سیستم های
- طراحی شده
- گرفتن
- مصرف
- استعداد
- وظایف
- تیم
- اعضای تیم
- تیم ها
- فن آوری
- تکنسین ها
- پیشرفته
- تمایل دارد
- آزمون
- تست
- نسبت به
- که
- La
- انگلستان
- شان
- خودشان
- سپس
- آنجا.
- اینها
- آنها
- فکر می کنم
- این
- در این سال
- کسانی که
- از طریق
- زمان
- به
- با هم
- تحمل
- ابزار
- ابزار
- بالا
- جمع
- مسیر
- رکورد
- پیگردی
- سنتی
- قطار
- آموزش دیده
- آموزش
- دگرگون کردن
- تریلیون
- امتحان
- نوعی
- Uk
- دولت انگلستان
- قابل درک است
- بی همتا
- در جریان روز
- ارتقاء
- us
- موارد استفاده
- استفاده
- کاربر
- با استفاده از
- تصدیق
- ارزش
- ریسک
- عمودی
- بسیار
- چشم انداز
- می خواهم
- بود
- مسیر..
- راه
- we
- خوب
- بود
- چی
- چه زمانی
- که
- در حین
- سفید
- کتاب سفید
- WHO
- به طور گسترده ای
- اراده
- پیروزی
- با
- در داخل
- بدون
- کارگر
- پیچیده
- سال
- سال
- هنوز
- شما
- جوان
- شما
- زفیرنت