Info2.0 让技术人员失业的技术

Info2.0概念让企业业务人员能独立构建新应用,减少对技术人员依赖。IBM展示的MashupStarterKit预览版使用Mashups技术,让业务人员通过简单操作即可组合现有业务模块构建新应用。同时,DB2 Viper2版本的pureXML特性有助于业务人员理解数据含义。

给用户一张拼图,按规范填上参数,就能生成一个新的应用。这是前些日子,IBM IOD 2007大会上最新提出的Info2.0概念。Info2.0 让企业用户不再完全依靠技术人员的情况下,就能独立构建新的应用。在会上,甚至有人开玩笑的说技术人员要失业了。

业务人员可以自己攒应用
IT应用与业务需求的脱节,成为今天约束企业信息管理的瓶颈。IT应用推动企业信息管理的发展,但随着业务数据的爆炸式增长,复杂度的增加和灵活多变,任何技术厂商都不可能为每个企业去单独开发应用来满足业务人员的个性需求。而在企业内,技术人员与业务人员双方知识的鸿沟,开发出满足完全业务需求的IT应用已经变成一个挑战。因此,需要一种新技术能让业务人员自己去构建企业应用。
也许是为了抓住这个趋势,在本届IOD大会上 IBM 提出了Info2.0的概念,并展示了Info2.0的辅助开发平台Mashup Starter Kit预览版。它是利用Web开发技术Mashups ,并把企业应用数据等抽象成一个个feeds(业务小模块).企业人员就可以自己通过拖拽融合这些feed构建新应用了。同时IBM特别强调了DB2 9下一版本 “Viper2”的 XML 特性“pureXML”。把XML 技术融入数据库的意义不仅是因为XML是数据交换的格式,更重要的是它使数据具有了业务含义,从而使业务人员可以读懂数据,是业务人员自己构建企业应用的保证。

技术人员真的会失业吗?
企业应用业务人员都可以自己开发了,那企业里的技术人员真的要失业吗?答案是否定的,其实是技术人员的分工更加准确。前端的业务问题还是交由业务人员自己来解决吧,而业务发展永远需要更好工具支持,新的计算平台也在不断出现,这些技术挑战才应该由技术人员来完成。就好象飞行员的发展史,最早的飞行员都是机械师,但是飞行员的专业化并没有使机械师失业。在IOD大会上,IBM给出了面向技术人员Web2.0开发的技术组成:Ajax/RIA、Mashups/XML、collaboration/SOA。从中也可以看出企业应用开发无论从前端用户交互Ajax/RIA的实现,到后端业务敏捷需要向IT架构映射的SCA/SDO SOA开发方法,都给技术人员留下了广阔的空间。

Info2.0推动Web2.0向 SOA渗透
SOA作为快速响应业务敏捷需求的一套思想和方法。把企业后端的业务数据、内容、信息抽象成为可供企业内部和外部使用的公共资源。Web2.0 作为SOA思想的补充正在改变着企业前端的应用交互方式和协作模式。把后端SOA与前端Web2.0衔接起来的纽带是业务数据。这一格局被认为是企业IT架构满足业务敏捷需求的一个发展方向。本届IOD大会上提出的Info2.0可以看作是SOA思想的实现。Info2.0将会进一步推动Mashups,feeds等Web2.0技术应用向SOA渗透,将后端SOA 的业务信息根据前端应用需求重新融合,把后端的业务数据带给前端应用。

信息管理新动作
由直接从用户身上获利,转变成为通过帮助用户业务增长来获利。这已经成为目前所有IT厂商梳理自己产品服务的一个依据。围绕这一原则,就不难理解IOD大会上IBM在08年信息管理市场的一些新动作。新的合作伙伴计划的推出,进一步开放了自己的全球销售专家、市场推广和技术顾问的资源,允许加入该计划的用户免费享用这次资源来实现自身业务的增长。新的主数据服务器(Master Data Server),用来帮助用户集中管理客户、产品及账户等业务关键数据。新的DB2 数据仓库 9.5版,直接内嵌嵌入了在线分析处理(OLAP),以及针对非结构化信息的分析能力。当然还会有Info2.0 概念和产品的正式发布。

通过本届IOD大会可以引发一个思考,在将来的企业应用软件市场,是只卖通用企业管理软件,还是应该把信息管理的技术也交给用户?

 




内容概要:本文围绕“面向制造业的鲁棒机器学习集成计算流程研究”展开,重点介绍了一套基于Python实现的集成化计算框架,旨在提升制造业中数据驱动模型的稳定性与泛化能力。该流程融合了数据预处理、特征工程、模型训练、鲁棒性优化及结果验证等多个环节,结合实际制造场景中的不确定性因素(如噪声、缺面向制造业的鲁棒机器学习集成计算流程研究(Python代码实现)失数据、工况变化等),提出抗干扰能力强的机器学习解决方案。文中通过具体案例展示了该流程在质量预测、故障诊断或生产优化等方面的应用效果,强调模块化设计与可扩展性,便于在不同制造系统中部署。; 适合人群:具备Python编程基础和机器学习基础知识,从事智能制造、工业数据分析、生产优化等相关领域的研究人员及工程技术人员,尤其适合高校研究生及企业研发人员; 使用场景及目标:①应用于智能制造中的质量控制、设备预测性维护、工艺参数优化等场景;②构建稳定可靠的工业AI模型,应对实际生产中的数据噪声与工况波动;③为制造业数字化转型提供可复用的机器学习集成流程参考; 阅读建议:建议结合文中提供的Python代码实例,逐步复现各模块功能,重点关注数据鲁棒处理与模型集成策略的设计思路,并在实际工业数据集上进行验证与调优,以深入掌握该集成流程的核心机制与应用技巧。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值