В моей практике встретилось достаточно много компаний, где хорошо интегрированы продукты MS, команды активно используют компоненты Power Platform (и даже в Teams). Например, многие в восторге как расширяется функционал шарпоинта или на сколько сильно можно интегрировать pbi в рабочие процессы. Но, соглашусь, на данный момент составлять сложные пайплайны в power automate могут только достаточно любопытные люди. Надеюсь, в будущем попривыкнут?
Я думал из контекста будет понятно какие инструменты и уровень подготовки пользователей имеется ввиду. Может быть вы правы и стоило уточнить. Но точно понятно из статьи, что процессы автоматизации разделены по уровню сложности. То, о чем пишете вы, упомянуто в разделе "Low code для data инженеров" и подразумевает наличие комплексного интеграционного решения. А "файнд-реплейс в ворде" относится к оптимизации рабочего процесса работников - не программистов. Помимо файнд-реплейса пользователи могут быстро тестировать свои гипотезы, создавать дополнительные модули для действующих ИТ-инструментов (создавать недостающий функционал для конкретного работника), или создавать специфические сервисы для получения дополнительной не критически важной информации (и тд). В этом и есть суть статьи - инструмент позволяет обойти растаскивание бюджета на "хотелки" различных лпр. Я считаю, что хайп не натужный, тк позволяет оптимизировать бюджет, упрощает вхождение в специальность и многие другое насущные проблемы. Вы не согласны? Или просто тема вам не кажется достаточно интересной?
В зависимости от инструментов, целей и типа модели, выбираются показатели. Например, если геоданные — это дополняющие основную модель факторы, то мы рассматриваем изменение показателей основной модели (т.е. нам важно понять как много отклонений мы объяснили этой дополнительной информацией в сравнении с базовой моделью учитывая кол-во наших данных).
Также тип модели подразумевает разные метрики (в основе может быть модель прогнозирования, классификации, кластеризации и тд).
Или более специфичный пример — если мы рассмотрим модель рекомендаций, то для более объективной оценки предпочтение может отдаваться не ML метрикам, а A/B тестам (на основе recall[*] не всегда можно предсказать эффективность).
Information
Rating
Does not participate
Location
Санкт-Петербург, Санкт-Петербург и область, Россия
В моей практике встретилось достаточно много компаний, где хорошо интегрированы продукты MS, команды активно используют компоненты Power Platform (и даже в Teams). Например, многие в восторге как расширяется функционал шарпоинта или на сколько сильно можно интегрировать pbi в рабочие процессы. Но, соглашусь, на данный момент составлять сложные пайплайны в power automate могут только достаточно любопытные люди. Надеюсь, в будущем попривыкнут?
Я думал из контекста будет понятно какие инструменты и уровень подготовки пользователей имеется ввиду. Может быть вы правы и стоило уточнить.
Но точно понятно из статьи, что процессы автоматизации разделены по уровню сложности. То, о чем пишете вы, упомянуто в разделе "Low code для data инженеров" и подразумевает наличие комплексного интеграционного решения. А "файнд-реплейс в ворде" относится к оптимизации рабочего процесса работников - не программистов. Помимо файнд-реплейса пользователи могут быстро тестировать свои гипотезы, создавать дополнительные модули для действующих ИТ-инструментов (создавать недостающий функционал для конкретного работника), или создавать специфические сервисы для получения дополнительной не критически важной информации (и тд). В этом и есть суть статьи - инструмент позволяет обойти растаскивание бюджета на "хотелки" различных лпр. Я считаю, что хайп не натужный, тк позволяет оптимизировать бюджет, упрощает вхождение в специальность и многие другое насущные проблемы. Вы не согласны? Или просто тема вам не кажется достаточно интересной?
Также тип модели подразумевает разные метрики (в основе может быть модель прогнозирования, классификации, кластеризации и тд).
Или более специфичный пример — если мы рассмотрим модель рекомендаций, то для более объективной оценки предпочтение может отдаваться не ML метрикам, а A/B тестам (на основе recall[*] не всегда можно предсказать эффективность).