建立一个机器学习和分析的平台 。——此篇文章由外文网站翻译而来。
Building a Platform for Machine Learning and Analytics
是用机器学习进行预测分析之前你需要建立一个数据库（数据湖）。建立数据湖是困难的，所以在云中寻求帮助来设计数据湖是有意义的。
引言
预测分析和支持技术（如机器学习）需要访问各种数据集和强大的，扩展性强的计算机资源。现时代的能力，包括预测分析和机器学习，使公司企业能够利用大量来自社交媒体，在线旅游，互联网和其他各方面的资源来实现跨组织的根据数据做出的决策。利用数据湖存储预测分析和机器学习负荷的必要信息，使员工能够跨组织分析数据，测试理论，推动业务流程，加强客户体验并推动产品的变更。
数据湖并不是要替代现有的系统。 相反地，它是现有数据平台之间的集成点，可以无缝地查看组织的所有数据。数据湖将通过创建分析工作负载，开发，测试和机器学习的模型来补充现有系统，而不会影响在其他性能优化的系统中的生产负荷。总之，数据湖是一个概念，虽然它有一些特定的技术和工作流程，其价值在于数据湖的核心与业务支持和运营系统之间的连接。
建立数据湖需要企业评估数据策略，基础设施架构和工作流程，以确保可用的数据是高质量的，这个链接用于快速分析数据或创建合规性的改变，并且不会因为数据泄密将企业置于风险之中。图1显示了组织在开始数据湖项目时采取的常见步骤，包括技术和组织方面的关键因素，这肯定是一个成功的数据湖实施方案。
机器学习是技术领域的一个新趋势，但它不是新技术。机器学习能力已经被研究了数十年并被成熟的技术公司利用。现在的差异是希望更多的组织能够利用机器学习社区工作的能力，包括易于使用API和特殊领域内的预培训模型。机器学习通过提供对于个人，组织，领域和目标更加准确的、高度个性化的结果与建议来补充预测分析领域日益增长的工作。
在云中构建数据湖需要特别考虑并在内部部署中提供先进的技术支持，而不只是经济支持，这其中包括弹性，自动恢复，多区域可用性和基于PaaS（平台即服务）的数据分析服务。
许多组织将评估部署数据湖的最佳位置。 由于需要摄取和整合来自许多现有系统的数据，数据湖的位置和连通性对其有效性和可用性至关重要。 基于云的数据湖有一个优势，它们能够快速地启动和删除新的资源，连接了各种网络和数据源，最重要的是可以利用供应商提供的那些功能强大的工具和专业知识来运行他们复杂的全球性的服务。
图2概述了组织内大数据采用日益成熟。
随着组织在不同层次，比如技术，人员和流程组件上的成熟。 数据湖通常部署以支持从3-4-5级的移动。数据湖提供了执行先进技术的平台，并为员工掌握数据分析和数据科学的技能提供了一个平台。
分析操作模型
数据湖的主要价值是通过可扩展的平台来实现灵活性，以分析复杂的数据集。 许多不同的技术将进入这一分析，包括预测分析工具，数据建模，数据质量和机器学习。 分析工作流程的第一部分是数据流程，图3显示了分析数据湖中的数据通常遵循的步骤:采集，集群，索引和最终分析。这些步骤是确保将高质量数据汇集在一起，正确并有组织地相关联的关键，这样以使数据科学家能够分析这些数据。
机器学习是一系列迭代的步骤，利用已知的、已分析的数据建立训练特定模型来在未知数据集上执行。 图4显示了数据科学家在利用机器学习时训练必要模型的典型步骤。 一旦模型被训练，他们可以与各种分析工具一起使用，包括R，SAS和用Python编写的开源工具。
基于云的数据湖添加了能够利用平台提供机器学习功能的价值。 包括AWS和Google在内的供应商提供了一套可立即用于数据集以及能够针对专有数据集自定义训练的模型。 AWS和Google已经部署了多年来内部使用和改进的机器学习技术的变种。
