,allowExpansion)
Machine Learning as a service
Come sfruttare le reti neurali per ridurre i tempi di traduzione.
Il Machine Learning e le fasi del processo
I sistemi software che utilizzano il Machine Learning (ML) possono offrire alle aziende un grande potenziale. Si tratta di un contesto molto ampio, in cui rientrano per esempio i modelli di traduzione automatica neurale in grado di ridurre il tempo necessario per la traduzione di un testo, o gli algoritmi di elaborazione del linguaggio naturale (PNL), in grado di ordinare i dati dei clienti al fine di personalizzare le offerte. Ma per ottenere il massimo vantaggio dai dati è necessario che i flussi di lavoro per la loro elaborazione siano consolidati.
Non è facile mettere a punto un processo di gestione dei dati efficiente che consente di tradurre i progressi più recenti degli algoritmi di Machine Learning in prodotti software facilmente accessibili, manutenibili e aggiornabili. Le aziende spesso sono vittime della “trappola” del Proof of Concept (PoC), dove i progetti rimangono in fase PoC senza riuscire a maturare fino alla messa in produzione. Solo i prodotti ben progettati offrono alle imprese un vantaggio economico costante e con costi contenuti.
)
Machine Translation as a service per BMW
In una multinazionale come BMW, la traduzione dei testi è un’attività all’ordine del giorno, che richiede molto tempo e risorse dedicate. Ridurre da giorni a minuti il tempo necessario per una traduzione, così come l’intervento manuale, può aiutare un’azienda a lavorare in modo più veloce ed efficiente.
Nel corso degli ultimi 10 anni, il reparto traduzioni di BMW ha raccolto una quantità significativa di traduzioni tecniche e ha sviluppato un preciso dizionario multilingue in grado di garantire un uso coerente della terminologia durante l’intero processo di traduzione.
Durante una serie di Proof of Concepts (PoC) interni, il team di BMW dedicato alla traduzione automatica ha creato una metodologia per immettere i dati nel processo di apprendimento e per migliorare la qualità del risultato finale utilizzando la terminologia durante l'inferenza. Il loro lavoro ha portato allo sviluppo di modelli neurali che vengono utilizzati nella pipeline di traduzione.
Una soluzione per i servizi aziendali condivisi
Per consentire l'utilizzo dei modelli neurali BMW in tutta l'azienda è stato necessario implementarli come servizio per i dipendenti e per altri servizi automatici.
Reply ha ottenuto questo risultato fornendo un servizio condiviso per tutta l’azienda, a basso costo e basato su AWS, avvalendosi dei modelli neurali di traduzione automatica di BMW specificamente adattati al settore automobilistico. Le prime applicazioni delle API di traduzione automatica neurale sono state implementate quest’anno e hanno già dimostrato un notevole risparmio di costi in diversi reparti aziendali.
Sviluppare soluzioni flessibili e adattabili a differenti casi d'uso
Il caso di BMW è uno dei tanti esempi concreti che dimostrano come il corretto flusso di lavoro dei dati consenta di configurare i prodotti di Machine Learning per ottenere vantaggi di lungo termine. I business case possono essere notevolmente differenti, ma il progetto architettonico delle soluzioni è molto simile. La maggior parte di questi casi è stata concepita come un approccio basato su cluster Kubernetes per la formazione e l'inferenza.
Reply si rivolge alle aziende con una consulenza personalizzata per capire come combinare i modelli di sviluppo tradizionali e le best practice per uno sviluppo di successo. In questo whitepaper scaricabile gli specialisti offrono esempi concreti che illustrano l'applicazione delle attuali tecniche del ciclo di vita del Machine Learning a casi d'uso profondamente differenti.
)
Data Reply è la società del gruppo Reply specializzata in Big Data Analytics e Artificial Intelligence. Grazie a team multidisciplinari di specialisti in Big Data Engineering, Data Science e Intelligent Process Automation, Data Reply supporta le aziende di diversi settori industriali nell’ottimizzazione dei processi attraverso il design e l’implementazione di soluzioni, algoritmi quantistici e modelli di Machine Learning e di Intelligenza Artificiale.