回归你对数据的热爱：用 AI Fabric 解决常见的数据科学难题

编者注： 随着自动化市场的不断发展，UiPath 平台也不断更新，以最好地满足客户的自动化需求。因此，自文章最初发表以来，本文中的一些产品名称已经演变。如需了解最新信息，请 访问我们的 AI 中心页面 .

我喜欢处理数据。但这会让我感到沮丧吗？你打赌。

作为一名数据科学家已经工作了五年多，我感受到了试图平衡我对数据的雄心壮志与操作数据时遇到的限制的痛苦。例如，我离开了一家我喜欢的公司的职位，因为我们没有资源将机器学习 (ML) 模型投入生产。我们非常努力地使用数据解决任务，最终没有机会影响产品。当您的工作因组织和运营方面的挑战而陷入困境时，很容易变得灰心丧气，并忘记您最初喜欢处理数据的原因。

在这篇博客中，我想谈谈一位数据科学家的旅程：

• 是什么激发了我们对数据世界的兴趣

• 当期望符合现实时我们面临的限制

• 我们必须通过将数据科学更好地集成到机器人流程自动化 (RPA) 等技术中来改变我们操作数据的方式

• 为什么我对 AI Fabric 充满热情，这是一种将人工智能 (AI) 与 RPA 相结合的解决方案，旨在为充分利用数据创造新机会

出于对数据的热爱，我喜欢成为创造性的问题解决者，而数据赋予创造性的问题解决能力。

使用数据来解决困难的任务和解决影响人们生活的挑战对我来说是一条自然的职业道路。与我共事过的许多数据科学家都进入了该领域，以学习如何使用数据来解决问题。我们热衷于了解我们拥有的数据，探索、开发和使用 ML 算法来测试我们的数据，然后通过我们构建的模型所带来的力量和洞察力寻找方法来实现新的解决方案。

当我决定成为一名数据科学家时，我知道这份工作会带来一些任务和可能的头痛。无论您使用哪种类型的数据，您都不可避免地会：

• 花时间处理和清理您的数据

• 等待一段时间让你的模型训练

• 花时间尝试不同的超参数

我与数据打交道的次数越多，我就越意识到数据科学在组织范围内会变得多么复杂。作为一名数据科学家的现实开始掩盖了我进入该领域的最初动机。

当现实来袭时：设定期望并端到端管理数据

许多公司正在采用数据驱动的开发方法，并且正处于探索 ML 的初始阶段。数据科学家的角色仍然相当少见，而且在许多情况下被误解了。当我们开始在公司内部操作数据并继续使用数据解决问题时，数据科学家可能会面临不同的挑战。

设定一个组织可以和不能用机器学习做什么的期望是我们花费大量时间的一个领域。重要的是要让其他人了解我们作为数据科学家的角色的性质、我们希望将时间集中在哪里以及我们需要什么才能使我们的项目取得成功。

另一个挑战是数据科学操作通常在组织内部孤立。这可能会限制数据科学项目为组织带来价值的能力。

单独的 ML 模型不能也不会做任何事情——它们必须与其他团队合作，并作为更大项目的一部分才能获得成功。

此外，模型驱动的投资回报（ROI）通常很难显示。数据科学家经常面临一场艰苦的战斗，为 ML 在组织中的角色提供案例。数据科学家可以旋转许多周期，为我们寻求发挥的作用以及产生影响所需的内容提供依据。

处理数据本身会带来一系列独特的挑战。我们经常花更多时间收集、整合和清理数据集，而不是努力理解数据和构建模型。除非公司内部已经为您的模型构建了持续集成和持续交付 (CI/CD) 管道，否则我们的大部分时间都花在创建可扩展的管道上，以将您的模型从本地机器带到暂存和生产。这不仅超出了我们的工作范围，而且占用了我们想要用于模型构建和测试的时间。

持续的模型监控也可能是您没有准备好的挑战。我们是否对任何数据随时间漂移进行试验？生产中的数据是否仍与我们用于训练的数据相同？输出是否仍在控制之中？对于新数据，我们的模型是否与使用训练集构建的基础模型一样好？什么时候需要更新 ML 模型？

为了回到我热爱的事情上，我寻找机会为那些优先将数据科学整合到更广泛的流程和规划中的公司工作。今天，我很高兴能为一家公司工作，该公司不仅在内部优先考虑数据科学，而且还积极致力于帮助公司实施和使用 ML 模型以推动更好的业务成果。

用 AI Fabric 回归你所热爱的事物

随着越来越多的组织使用 RPA 来简化流程，数据科学家有机会以新的方式操作数据。

在 UiPath，我们致力于将数据科学和 RPA 结合起来，让企业能够使用智能自动化推动新成果。通过将数据科学与 RPA 结合在一起，我们希望缓解数据科学家在自动化世界中日常面临的许多上述挑战。我们正在通过 AI Fabric 推动这些努力。

相关阅读： Heritage Bank 如何使用 AI 和 AI Fabric

我们相信数据科学和 RPA 结合使用会更好。让数据科学成为 RPA 卓越中心 (CoE) 不可或缺的一部分至关重要，方法是引入数据科学家来概述使用数据和 ML 来增强 RPA 能力时的可能性。

通过 AI Fabric 的开发，我们专注于帮助组织将 ML 视为自动化过程中的一个步骤。我们希望帮助用户更无缝地将 ML 与 RPA 开发集成。使用 AI Fabric 和 RPA，数据科学家可以使用专注于预处理和数据收集的工具来简化数据管道构建。他们可以轻松部署模型、监控模型并采用旨在使人类和 ML 模型协同工作的 RPA 工作流程。

通过将数据科学与 RPA 相结合，我们希望帮助数据科学家证明所构建和部署的模型的投资回报率，并将大部分时间集中在探索数据和改进模型以解决实际问题。

如果您能更自由地专注于您的数据，您会怎么做？

我从个人经验中知道，授权数据科学家专注于使用数据解决问题并将数据科学集成到现有流程中可以改变组织发展和成长的方式。

对我来说最重要的是帮助客户取得更好的成果。在 UiPath 任职期间，我亲眼目睹了公司如何通过将数据科学与 RPA 集成来自动化更复杂的流程。随着公司通过 AI Fabric 等产品将数据科学构建到 RPA 部署中，看到数据科学家从常见的数据操作化挑战中解放出来是值得的。

了解有关 AI Fabric 的更多信息或注册我们的 Insider Preview Program，以便及早使用 AI Fabric 中的新产品。