譯者 | 張怡

審校 | 梁策 孫淑娟

1.如何成為一個IDO?

IDO(insight-driven organization)指洞察力驅(qū)動(以信息為導(dǎo)向)的組織。要成為一個IDO，首先需要數(shù)據(jù)以及操作和分析數(shù)據(jù)的工具;其次是具有適當(dāng)經(jīng)驗的數(shù)據(jù)分析師或數(shù)據(jù)科學(xué)家;最后還需要找到一種技術(shù)或者方法，從而在整個公司實施洞察力驅(qū)動的決策過程。

機器學(xué)習(xí)是能最大限度發(fā)揮數(shù)據(jù)優(yōu)勢的技術(shù)。ML流程首先使用數(shù)據(jù)訓(xùn)練預(yù)測模型，訓(xùn)練成功之后來解決與數(shù)據(jù)相關(guān)的問題。其中，人工神經(jīng)網(wǎng)絡(luò)是最有效的技術(shù)，它的設(shè)計源自我們目前對人類大腦工作方式的理解?？紤]到人們目前擁有的巨大計算資源，它通過大量數(shù)據(jù)訓(xùn)練可以產(chǎn)生令人難以置信的模型。

企業(yè)可以使用各種自助化軟件和腳本完成不同的任務(wù)，從而避免人為錯誤的情況。同樣，你也完全可以基于數(shù)據(jù)進(jìn)行決策來避免當(dāng)中的人為錯誤。

2.為什么企業(yè)在采用人工智能方面進(jìn)展緩慢?

使用人工智能或機器學(xué)習(xí)來處理數(shù)據(jù)的企業(yè)僅是少數(shù)。美國人口普查局(US Census Bureau)表示，截至2020年，只有不到10%的美國企業(yè)采用了機器學(xué)習(xí)(主要是大公司)。

采用ML的障礙包括：

• 人工智能在取代人類之前還有大量工作尚未完成。首先是許多企業(yè)缺乏且請不起專業(yè)人員。數(shù)據(jù)科學(xué)家在這一領(lǐng)域備受推崇，但他們的雇傭成本也是最高的。
• 缺乏可用數(shù)據(jù)、數(shù)據(jù)安全性以及耗時的ML算法實現(xiàn)。
• 企業(yè)很難創(chuàng)造一個環(huán)境，從而讓數(shù)據(jù)及其優(yōu)勢得到發(fā)揮。這種環(huán)境需要相關(guān)的工具、過程和策略。

3.機器學(xué)習(xí)的推廣只有自動ML(AutoML)工具是不夠的

自動ML平臺雖然有著很光明的未來，但其覆蓋面目前還相當(dāng)有限，同時關(guān)于自動ML能否很快取代數(shù)據(jù)科學(xué)家的說法也有爭論。

如果想要在公司成功部署自助化機器學(xué)習(xí)，AutoML工具確實是至關(guān)重要的，但過程、方法和策略也必須重視。AutoML平臺只是工具，大多數(shù)ML專家認(rèn)為這是不夠的。

4.分解機器學(xué)習(xí)過程

任何ML進(jìn)程都從數(shù)據(jù)開始。人們普遍認(rèn)為，數(shù)據(jù)準(zhǔn)備是ML過程中最重要的環(huán)節(jié)，建模部分只是整個數(shù)據(jù)管道的一部分，同時通過AutoML工具得到簡化。完整的工作流仍需要大量的工作來轉(zhuǎn)換數(shù)據(jù)并將其提供給模型。數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)轉(zhuǎn)換可謂工作中最耗時、最令人不愉快的部分。

此外，用于訓(xùn)練ML模型的業(yè)務(wù)數(shù)據(jù)也會定期更新。因此，它要求企業(yè)構(gòu)建能夠掌握復(fù)雜的工具和流程的復(fù)雜ETL管道，因此確保ML流程的連續(xù)和實時性也是一項具有挑戰(zhàn)性的任務(wù)。

5.將ML與應(yīng)用程序集成

假設(shè)現(xiàn)在我們已經(jīng)構(gòu)建了ML模型，然后需要將其部署。經(jīng)典的部署方法將其視為應(yīng)用層組件，如下圖所示：

它的輸入是數(shù)據(jù)，輸出是我們得到的預(yù)測。通過集成這些應(yīng)用程序的API來使用ML模型的輸出。僅從開發(fā)者的角度來看，這一切似乎很容易，但在考慮流程時就不是那么回事了。在一個龐大的組織中，與業(yè)務(wù)應(yīng)用程序的任何集成和維護(hù)都相當(dāng)麻煩。即使公司精通技術(shù)，任何代碼更改請求都必須通過多級部門的特定審查和測試流程。這會對靈活性產(chǎn)生負(fù)面影響，并增加整個工作流的復(fù)雜性。

如果在測試各種概念和想法方面有足夠的靈活性，那么基于ML的決策就會容易得多，因此人們會更喜歡具有自助服務(wù)功能的產(chǎn)品。

6.自助機器學(xué)習(xí)/智能數(shù)據(jù)庫?

正如我們上面看到的，數(shù)據(jù)是ML進(jìn)程的核心，現(xiàn)有的ML工具獲取數(shù)據(jù)并返回預(yù)測結(jié)果，而這些預(yù)測也是數(shù)據(jù)的形式。

現(xiàn)在問題來了：

• 為什么我們要把ML作為一個獨立的應(yīng)用程序，并在ML模型、應(yīng)用程序和數(shù)據(jù)庫之間實現(xiàn)復(fù)雜的集成呢?
• 為什么不讓ML成為數(shù)據(jù)庫的核心功能呢?
• 為什么不讓ML模型通過標(biāo)準(zhǔn)的數(shù)據(jù)庫語法(如SQL)可用呢?

讓我們分析上述問題及其面臨的挑戰(zhàn)，從而找到ML解決方案。

挑戰(zhàn)#1：復(fù)雜的數(shù)據(jù)集成和ETL管道

維護(hù)ML模型和數(shù)據(jù)庫之間的復(fù)雜數(shù)據(jù)集成和ETL管道，是ML流程面臨的最大挑戰(zhàn)之一。

SQL是極佳的數(shù)據(jù)操作工具，所以我們可以通過將ML模型引入數(shù)據(jù)層來解決這個問題。換句話說，ML模型將在數(shù)據(jù)庫中學(xué)習(xí)并返回預(yù)測。

挑戰(zhàn)#2：ML模型與應(yīng)用程序的集成

通過API將ML模型與業(yè)務(wù)應(yīng)用程序集成是面臨的另一個挑戰(zhàn)。

業(yè)務(wù)應(yīng)用程序和BI工具與數(shù)據(jù)庫緊密耦合。因此，如果AutoML工具成為數(shù)據(jù)庫的一部分，我們就可以使用標(biāo)準(zhǔn)SQL語法進(jìn)行預(yù)測。接下來，ML模型和業(yè)務(wù)應(yīng)用程序之間不再需要API集成，因為模型駐留在數(shù)據(jù)庫中。

解決方案：在數(shù)據(jù)庫中嵌入AutoML

在數(shù)據(jù)庫中嵌入AutoML工具會帶來很多好處，比如：

• 任何使用數(shù)據(jù)并了解SQL的人(數(shù)據(jù)分析師或數(shù)據(jù)科學(xué)家)都可以利用機器學(xué)習(xí)的力量。
• 軟件開發(fā)人員可以更有效地將ML嵌入到業(yè)務(wù)工具和應(yīng)用程序中。
• 數(shù)據(jù)和模型之間以及模型和業(yè)務(wù)應(yīng)用程序之間不需要復(fù)雜的集成。

這樣一來，上述相對復(fù)雜的集成圖表變更如下：

它看起來更簡單，也使ML過程更流暢高效。

7.如何實現(xiàn)自助式ML將模型作為虛擬數(shù)據(jù)庫表

找到解決方案的下一步是來實施它。

為此，我們使用了一個叫做AI Tables的結(jié)構(gòu)。它以虛擬表的形式將機器學(xué)習(xí)引入數(shù)據(jù)平臺。它可以像其他數(shù)據(jù)庫表一樣創(chuàng)建，然后向應(yīng)用程序、BI工具和DB客戶端開放。我們通過簡單地查詢數(shù)據(jù)來進(jìn)行預(yù)測。

AI Tables最初由MindsDB開發(fā)，可以作為開源或托管云服務(wù)使用。他們集成了傳統(tǒng)的SQL和NoSQL數(shù)據(jù)庫，如Kafka和Redis。

8.使用AI Tables

AI Tables的概念使我們能夠在數(shù)據(jù)庫中執(zhí)行ML過程，這樣ML過程的所有步驟(即數(shù)據(jù)準(zhǔn)備、模型訓(xùn)練和預(yù)測)都可以通過數(shù)據(jù)庫進(jìn)行。

• 訓(xùn)練AI Tables

首先，用戶要根據(jù)自己的需求創(chuàng)建一個AI Table，它類似于一個機器學(xué)習(xí)模型，包含了與源表的列等價的特征;然后通過AutoML引擎自助完成剩余的建模任務(wù)。后文還將舉例說明。

• 做預(yù)測

一旦創(chuàng)建了AI Table，它不需要任何進(jìn)一步的部署就可以使用了。要進(jìn)行預(yù)測，只需要在AI Table上運行一個標(biāo)準(zhǔn)SQL查詢。

你可以逐個或分批地進(jìn)行預(yù)測。AI Tables可以處理許多復(fù)雜的機器學(xué)習(xí)任務(wù)，如多元時間序列、檢測異常等。

9.AI Tables工作示例

對于零售商來說，在適當(dāng)?shù)臅r間保證產(chǎn)品都有適當(dāng)?shù)膸齑媸且豁棌?fù)雜的任務(wù)。當(dāng)需求增長時，供給隨之增加。基于這些數(shù)據(jù)和機器學(xué)習(xí)，我們可以預(yù)測給定的產(chǎn)品在給定的日期應(yīng)該有多少庫存，從而為零售商帶來更多收益。

首先你需要跟蹤以下信息，建立一張AI Table：

• 產(chǎn)品售出日期(date_of_sale)
• 產(chǎn)品售出店鋪(shop)
• 具體售出產(chǎn)品(product_code)
• 產(chǎn)品售出數(shù)量(amount)

如下圖所示：

（1）訓(xùn)練AI Tables

要創(chuàng)建和訓(xùn)練AI Tables，你首先要允許MindsDB訪問數(shù)據(jù)。詳細(xì)說明可參考MindsDB文檔( MindsDB documentation)。

AI Tables就像ML模型，需要使用歷史數(shù)據(jù)來訓(xùn)練它們。

下面使用一個簡單的SQL命令，訓(xùn)練一個AITable：

讓我們分析這個查詢：

• 使用MindsDB中的CREATE PREDICTOR語句。
• 根據(jù)歷史數(shù)據(jù)定義源數(shù)據(jù)庫。
• 根據(jù)歷史數(shù)據(jù)表(historical_table)訓(xùn)練AI Table，所選列(column_1和column_2)是用來進(jìn)行預(yù)測的特征。
• AutoML自動完成剩下的建模任務(wù)。
• MindsDB會識別每一列的數(shù)據(jù)類型，對其進(jìn)行歸一化和編碼，并構(gòu)建和訓(xùn)練ML模型。

同時，你可以看到每個預(yù)測的總體準(zhǔn)確率和置信度，并估計哪些列(特征)對結(jié)果更重要。

在數(shù)據(jù)庫中，我們經(jīng)常需要處理涉及高基數(shù)的多元時間序列數(shù)據(jù)的任務(wù)。如果使用傳統(tǒng)的方法，需要相當(dāng)大的力氣來創(chuàng)建這樣的ML模型。我們需要對數(shù)據(jù)進(jìn)行分組，并根據(jù)給定的時間、日期或時間戳數(shù)據(jù)字段對其進(jìn)行排序。

例如，我們預(yù)測五金店賣出的錘子數(shù)量。那么，數(shù)據(jù)按商店和產(chǎn)品分組，并對每個不同的商店和產(chǎn)品組合作出預(yù)測。這就給我們帶來了為每個組創(chuàng)建時間序列模型的問題。

這聽起來工程浩大，但MindsDB提供了使用GROUP BY語句創(chuàng)建單個ML模型，從而一次性訓(xùn)練多元時間序列數(shù)據(jù)的方法。讓我們看看僅使用一個SQL命令是如何完成的：

創(chuàng)建的stock_forecaster預(yù)測器可以預(yù)測某個特定商店未來將銷售多少商品。數(shù)據(jù)按銷售日期排序，并按商店分組。所以我們可以為每個商店預(yù)測銷售金額。

（2）批量預(yù)測

通過使用下面的查詢將銷售數(shù)據(jù)表與預(yù)測器連接起來，JOIN操作將預(yù)測的數(shù)量添加到記錄中，因此我們可以一次性獲得許多記錄的批量預(yù)測。

如想了解更多關(guān)于在BI工具中分析和可視化預(yù)測的知識，請查看這篇文章。

（3）實際運用

傳統(tǒng)方法將ML模型視為獨立的應(yīng)用程序，需要維護(hù)到數(shù)據(jù)庫的ETL管道和到業(yè)務(wù)應(yīng)用程序的API集成。AutoML工具盡管使建模部分變得輕松而直接，但完整的ML工作流也仍然需要經(jīng)驗豐富的專家管理。其實數(shù)據(jù)庫已經(jīng)是數(shù)據(jù)準(zhǔn)備的優(yōu)選工具，因此將ML引入到數(shù)據(jù)庫而非將數(shù)據(jù)引入ML中是更有意義的。由于AutoML工具駐留在數(shù)據(jù)庫中，來自MindsDB的AI Tables構(gòu)造能夠為數(shù)據(jù)從業(yè)者提供自助AutoML并讓機器學(xué)習(xí)工作流得以簡化。

原文鏈接：https://dzone.com/articles/self-service-machine-learning-with-intelligent-dat

譯者介紹

張怡，51CTO社區(qū)編輯，中級工程師。主要研究人工智能算法實現(xiàn)以及場景應(yīng)用，對機器學(xué)習(xí)算法和自動控制算法有所了解和掌握，并將持續(xù)關(guān)注國內(nèi)外人工智能技術(shù)的發(fā)展動態(tài)，特別是人工智能技術(shù)在智能網(wǎng)聯(lián)汽車、智能家居等領(lǐng)域的具體實現(xiàn)及其應(yīng)用。