機器學習和云計算技術在2019年仍然成為“熱門話題”。隨著技術的發展和進步，那些在機器學習和云計算采用方面不受重視的組織可能會發現自己落后于人。而人們在行業市場上就可以看到許多舉措和項目。但是要取得成功，組織必須將數據放在他們關注的平臺和中心。

　　機器學習

　　根據調研機構Gartner公司的調查，機器學習有望改變業務流程。它不僅可以重新配置勞動力，優化基礎設施行為，還可以通過快速改進的決策制定和流程優化來整合行業。

　　而且，更加令人興奮的是人們正處在企業機器學習轉型的開始階段。機器學習將越來越成為核心業務和分析組件。其先進性和功能將使組織能夠自動化模式檢測、預測和決策，從而推動轉型效率的提高、競爭差異化和增長。

　　機器學習的早期采用者已經對其能力進行試驗，他們將從概念驗證階段轉向多個用例的生產部署。這將有助于出現旨在加強運營，擴大規模，并最終實現全面轉型價值的技術和最佳實踐。

　　基礎設施和工具將圍繞簡化和自動化在企業范圍內構建和部署機器學習應用程序的過程而不斷發展。特別是，機器學習工作負載容器和Kubernetes編排將為組織提供在公共云和私有云中高效構建、部署和擴展應用程序的直接途徑。

　　人們將看到自動化機器學習(AutoML)工具生態系統的持續增長，因為供應商利用機會加速機器學習工作流程的耗時、可重復的部分，從數據準備和特征工程到模型生命周期管理。

　　從研究到生產的簡化和擴展機器學習工作流程也將推動DevOps以及企業IT、安全性和合規性的新要求，因為數據科學團隊對基礎設施、持續集成/持續部署(CI/CD)管道、跨團隊協作能力，以及企業安全性和合規性提出了越來越高的要求，管理部署在生產中的數百個機器學習模型，而不僅僅是一個或幾個。

　　除了技術之外，人們還將看到對專家指導和最佳實踐的持續需求，以擴展組織戰略、技能和持續學習，實現將機器學習嵌入到每個業務產品、流程和服務中的長期目標。

　　StartupAUS最近與微軟公司合作發布的一份報告顯示，澳大利亞正面臨著編程人員嚴重短缺的問題，其中包括全棧開發人員，前端、后端和移動用戶體驗設計人員，以及以初創公司為重點的銷售人員，如業務發展經理。具有遠見的采用者將尋求建立差異化機器學習能力的投資組合，并優化他們的人員、技能和技術能力，以更好地支持它。

　　在2019年，人們期望獲得最佳實踐方法，以擴大組織戰略，同時不斷加強機器學習。

　　云計算

　　對于澳大利亞的組織而言，云計算將變得非常重要，Gartner公司預測30%的組織將使用對象存儲作為本地數據存儲庫，到2019年將云計算架構引入數據中心。

　　隨著組織開始理解并積極將云計算添加到其現有基礎設施和應用程序的價值，公共云和內部部署云計算的組合將變得越來越重要，為組織提供靈活性，并提供最適合其需求的解決方案。

　　任何只提供一種選擇并“鎖定”公司的供應商就會發現他們的客戶處于劣勢。通過這種部署選項的選擇，對確保安全性、治理和元數據管理的一致框架的需求將變得更加重要。

　　因此，無論數據存儲和運行的位置如何，企業都能夠簡化應用程序的開發和部署，同時確保他們可以使用各種機器學習和分析功能，與來自不同數據的數據協同工作源于單個連貫的圖像，并且沒有相關的復雜性。

　　考慮到這些好處，企業將更有可能轉向混合云模型，使他們能夠根據需求在私有云和公共云中運行工作負載和數據。處理大量的數據比較耗時，而不是混合云的最佳使用方式。相反，諸如在公共云中運行瞬態工作負載和在私有云中持久工作負載等特定用例提供了“兩全其美”的部署。

　　混合云還將為組織打開大門，使其可以利用平臺即服務(PaaS)，這是一個應用程序開發平臺，供開發人員編寫自定義應用程序，無需配置運行所需的底層基礎設施。

　　大多數主要的PaaS軟件都可以在客戶的場所運行，在私有環境中托管，或者在主要的IaaS公共云中本地托管。PaaS自動在這些環境中配置基礎設施資源，使其成為混合云的平臺。

　　盡管這是一個具有巨大增長潛力的市場，但混合模式對公共云以及私有云供應商來說都是一個挑戰。為了應對這一挑戰，供應商開始實施兼容并購，例如IBM公司最近收購了Red Hat公司。

　　現實情況是，在2019年，人們肯定會看到更多這些產品，也會在供應商之間進行合并，以擴大其混合云部署的產品范圍。可以肯定地說，混合云之間的競爭才剛剛開始。