Scienza dei dati, data lake e piattaforme di machine learning: le nuove sfide dei dati cloud-based


11 Agosto 2023


Scienza dei dati, data lake e piattaforme di machine learning: le nuove sfide dei dati cloud-based
Indirizzo copiato negli appunti

Qual è il percorso di evoluzione del data lake verso i servizi cloud e relative best practice? In cosa consiste l’approccio ML Ops, quali vantaggi e quali criticità presenta? Come sfruttare il potenziale dei dati cloud-based per obiettivi di marketing, seguendo l’esempio del caso Olympique de Marseille? Quali sono gli approcci e le prospettive nella…

Info sul white paper

L’innovazione veloce pone sempre nuove sfide sul fronte della gestione dei dati cloud-based. Fino a poco tempo fa, in particolare, le piattaforme di ingegneria dei dati erano dedicate all’elaborazione delle informazioni e all’instradamento dei dati. Oggi, sempre più aziende cercano una piattaforma globale che integri il livello di data science con data lake e pipeline di dati.

I data lake sono ora una risorsa con best practice conosciute e padroneggiate, mentre sul fronte della scienza dei dati lo stato dell’arte non è ancora stato raggiunto. In questa fase è dunque importante riconoscere le migliori pratiche per sfruttare i dati cloud-based e applicarle all’interno di tali piattaforme. Si tratta di un momento di transizione a cui seguirà un’ulteriore industrializzazione: secondo gli esperti fra cinque anni, le piattaforme di machine learning operation verranno distribuite in modo automatizzato su AWS, le pratiche saranno standardizzate e non ci saranno più incognite sul da farsi.

Questo white paper, fornito da Devoteam, offre una panoramica delle sfide da affrontare in relazione ai dati cloud-based. Proseguendo la lettura, approfondirete questi punti chiave:

  • l’evoluzione del data lake verso i servizi cloud e relative best practice
  • le criticità e i vantaggi dell’approccio ML Ops
  • come sfruttare il potenziale dei dati per obiettivi di marketing: il caso Olympique de Marseille
  • la questione del rilevamento di anomalie e serie temporali, con un esempio calcistico
  • la professione di data scientist oggi: approcci, prospettive, evoluzioni