Date: 4月 10, 2017
这是一个两部分系列的第一篇。 第 2 部分在这里是可用的。 随着人工智能 (AI) 驱动数据科学的发展，我们突出显示转移的作用。
你可能认为的词"人工智能"或"机器学习"听起来像时髦的流行语。 在现实中，大部分宣传这项技术是大肆的真实的。 不同于过去的数次的兴奋度和人工智能，今天的利益不再是一项学术活动。 现在，它已经更快解决问题是过于复杂，只有人类的真实世界需要。 通过虚拟化，IT 团队获得进入巨大的种类和数量的机实时数据。 他们想要用来理解和解决的问题在他们的 IT 操作环境。 更重要的，企业看到奉献预算和资源，利用人工智能技术，具体机器学习，和深中的值。 他们都使用这个强大的技术分析此数据，以提高效率和性能。
数据科学的救援 
管理虚拟 IT 环境的复杂性强调了传统 IT 部门。 然而，IT 专业人员发现，解决办法在于在数据和基于人工智能的工具，可以利用它。 理解如何强大的数据的过程中大多数都是关于配置、 优化和故障诊断虚拟环境决策中。 早期阶段的虚拟化环境监测和管理物理服务器环境的方式相同。 那就是，IT 专业人员操作离散筒仓 （网络、 存储、 基础设施、 应用程序）。 他们用多个基于阈值的工具来监视和管理他们专注于个别指标 — — CPU 利用率、 内存利用率、 网络延迟等。 当度量指标超过预设的阈值时，这些工具可创建警报 — — 常常是几千个单一问题的警报。
如果你比较计算机科学的方法对数据科学 (AI) 的方法，几个意见变得清晰。 它基于他们用了 20 年的计算机科学原则的传统方法。 这个基于阈值的方法，在相对静态、 低容量的物理服务器环境中诞生。 IT 人员分析个别警报以确定是什么引起的问题，如何重要的是，以及如何修复它。 然而，与不同的物理服务器环境中，在虚拟环境中的组件是高度相互依存的不断变化。 给出了虚拟化系统的巨大增长，IT 专业人员不能作出知情的决定分析单料仓中的警报，一次。
人工智能、 深入学习和机器学习
要准确的答案，关键问题在大型的虚拟化环境中，IT 团队需要人工智能-基于分析解决方案。 他们需要一个解决方案能同时考虑所有引起跨 it 基础设施和应用程序的数据。 在虚拟环境中，组件共享资源，并以微妙的方式与他人交往。 您需要了解这些交互作用和模式的他们的行为变化，随着时间的推移一个解决方案。 它应该了解它是如何改变通过商业周刊，随着季节的变化发生在一年的课程。 最重要的是，它需要做的工作为它的 AI 驱动的解决方案。 它应查明问题的根源、 推荐解决方案、 预测未来的问题，和预测未来的容量需求。