Nền tảng không phải là mục đích cuối: Khi nào nên hợp nhất phát triển ML và khi nào nên dừng lại, được thảo luận tại 'IT Picnic'

Sergey Kuznetsov từ MWS (thuộc MTS) đã bàn về quá trình phát triển machine learning (học máy - ML), lưu ý rằng khi đội ngũ phát triển lớn dần, họ sẽ tích lũy được những thực hành có thể chuyển hóa thành các thư viện (library) và sau đó là các nền tảng (platform). Ông trình bày ba trường hợp: thứ nhất là việc hợp nhất khoảng mười hệ thống gợi ý (recommendation system) thành một nền tảng duy nhất, giúp chuẩn hóa định dạng dữ liệu, các thử nghiệm và pipeline; thứ hai là sử dụng một nền tảng cho các mô hình chấm điểm (scoring model) nhằm tự động hóa việc chuẩn bị dữ liệu và huấn luyện, qua thời gian đã tích lũy được hàng nghìn đặc trưng (feature) đã được kiểm chứng; thứ ba là một nỗ lực thất bại trong việc xây dựng một nền tảng định giá động (dynamic pricing) mang tính phổ quát, vốn bị đánh giá là quá tốn kém so với việc phát triển một giải pháp riêng cho một khách hàng lớn. Ông nhấn mạnh rằng việc nền tảng hóa (platformization) luôn đi kèm rủi ro và chi phí, và chỉ thực sự đáng làm khi cùng một quy trình được lặp lại thường xuyên. Tài sản có giá trị nhất không phải là các mô hình cụ thể - vốn thay đổi rất nhanh - mà chính là hạ tầng, công cụ và giao diện (interface) có tính bền vững lâu dài.