Date: 4월 10, 2017
이 2 부분 시리즈의 첫 번째 게시물입니다. 제 2 부 여기에 사용할 수 있습니다. 우리는 진화 하는 인공 지능 (AI) 데이터 과학을 중심으로 그것의 변화 역할 강조는.
단어 "인공 지능" 또는 "기계 학습" 유행 buzzwords 같은 소리를 생각할 수 있습니다. 현실에서는,이 기술에 대 한과 대 광고의 대부분은 사실 이다. 달리 인공 지능, 흥분의 기간 과거 오늘날의 관심은 더 이상 학문적 인 운동. 지금, 그것은 인간만을 위해 너무 복잡 한 문제에 빠른 솔루션에 대 한 실제 필요가 있다. 가상화, 그것은 거 대 한 다양성 및 실시간 컴퓨터 데이터의 볼륨에 대 한 이득 액세스 팀. 그들은 이해 하 고 그들의 IT 운영 환경에서 문제 해결을 사용 합니다. 또한, 기업 헌신 예산 및 인공 지능, 특히 기계 학습과 깊은 학습을 활용 하 여 리소스의 값을 보고 있다. 이 강력한 기술을 사용 그들은 효율성과 성능을 높이기 위해이 데이터를 분석 하는.
구조 데이터 과학 
가상 IT 환경 관리의 복잡성은 전통적인 IT 부서 밖으로 강조 됩니다. 그러나, IT 전문가 솔루션은 데이터에서와 그것을 활용할 수 있는 인공 지능 기반 도구에서 발견. 얼마나 강력한 데이터를 이해 하는 과정에서 대부분은 구성, 최적화, 및 가상 환경 문제 해결에 대 한 결정 이다. 초기 단계 가상화 환경 모니터링 되었고 실제 서버 환경을 동일한 방식으로 관리. 즉, 개별 사일로 (네트워크, 스토리지, 인프라, 응용 프로그램)에서 운영 하는 IT 전문가. 모니터링 하 고 관리 하 여 여러 개의 임계값 기반 도구를 사용 하는 그들은 개별 통계-CPU 사용률, 메모리 사용률, 네트워크 대기 시간, 등등에 초점을 맞추고. 통계는 미리 설정 된 임계값을 초과 하면, 이러한 도구 경고-종종 하나의 문제에 대 한 경고의 수천을 만듭니다.
데이터 과학 (AI) 접근 하는 컴퓨터 과학 접근 방식을 비교 하는 경우 여러 가지 관측 될 명확. 그것은 그들이 지난 20 년 동안 사용 하는 컴퓨터 과학 원리는 전통적인 접근 방식을 기반으로 합니다. 상대적으로 정적, 낮은 볼륨 물리적 서버 환경에서 유래이 임계값 기반 접근. IT 직원 문제, 어떻게 그것은 중요 한 원인을 확인 하려면 각 경고를 분석 하 고 그것을 해결 하는 방법. 그러나, 달리 물리적 서버 환경, 가상 환경에서 구성 요소는 매우 상호 의존 하 고 끊임없이 변화. 가상된 시스템의 거 대 한 성장을 감안할 때, IT 전문가 한 번에 단일 격납고에서 경고를 분석 하 여 의사 결정 정보를 만들 수 없습니다.
깊은 학습, 인공 지능, 기계 학습
대규모 가상화 환경에서 핵심 질문에 정확한 답변을 얻으려면, IT 팀 인공 지능 필요-분석 솔루션을 기반으로. 그들은 동시에 고려 하 고 IT 인프라 사일로 및 응용 프로그램에서 발생 하는 데이터의 모든 가능한 솔루션을 필요로. 가상 환경에서 구성 요소는 리소스를 공유 하 고 미묘한 방법으로 서로 상호 작용. 당신은 시간이 지남에 따라 이러한 상호 작용 및 그들의 행동의 변화 패턴을 이해 하는 솔루션이 필요 합니다. 그것은 그것은 비즈니스 위 크를 통해 변경 하는 방법을 이해 하 고 1 년의 과정 동안 발생 하는 계절 변화 해야 합니다. 가장 중요 한 것은, 그것은 그것에 대 한 작업을 수행 하는 인공 지능 기반 솔루션을 필요 합니다. 그것은 해야 문제의 근본 원인을 파악, 솔루션을 권장, 향후 문제를 예측 고 향후 용량 요구 사항을 예측.