开发者社区 > 大数据与机器学习 > 大数据计算 MaxCompute > 正文

目前,大淘系模型治理已经取得了非常好的阶段性成果,在产品共建、模型分评估、找数提效方面都有很好的效果

已解决

目前,大淘系模型治理已经取得了非常好的阶段性成果,在产品共建、模型分评估、找数提效方面都有很好的效果产出。但仍然存在哪些未解决问题?

展开
收起
游客lmkkns5ck6auu 2022-08-29 22:04:12 338 0
1 条回答
写回答
取消 提交回答
  • 推荐回答

    • 统一架构和规范难保障:各业务对阿里大数据体系规范的理解程度不一致,集团数据架构和规范的统一难以保障;

    • 业务通用层比较薄:历史背景之下,各业务通用层建设比较薄弱,新架构下业 务效率和口径存在风险;

    • ADS 层持续增长,复杂度难管控:阿里大数据体系规范缺少对应用层的规范, ADS 与通用层的边界划分不清晰,ADS 的复杂度难以控制;

    • 缺乏有效管控:在数据开发与运维层面,阿里巴巴沉淀了大数据体系规范不断 与数据平台融合,但是部分标准无法强制执行与数据平台进行集成。数据治理 上,当前数据无法有效识别数据表是否无效,导致研发对数据表不敢下、没精 力下;

    • 数据建设和使用尚未完全打通:当前数据开发和数据使用尚未完全实现数据打 通,定义的模型、开发的数据未在数据地图中有效的实现透出和管理。

    以上内容摘自《大数据&AI实战派 第1期》电子书,点击https://developer.aliyun.com/ebook/download/7722 可下载完整版

    2022-08-30 13:08:07
    赞同 展开评论 打赏

MaxCompute(原ODPS)是一项面向分析的大数据计算服务,它以Serverless架构提供快速、全托管的在线数据仓库服务,消除传统数据平台在资源扩展性和弹性方面的限制,最小化用户运维投入,使您经济并高效的分析处理海量数据。

相关电子书

更多
研发效能提升 36 计:以「澄清需求」为始,以「落地精益敏捷」为终 立即下载
研发效能峰会-数据度量 立即下载
研发效能提升36计-敏捷协作篇:照亮问题,效能提升从可视化交付过程开始 立即下载