book_icon

Johnson & Johnson aposta em Ciência de Dados com suporte da Nvidia

Para ajudar as empresas a começarem a usar MLOps, a Nvidia oferece um conjunto de ferramentas de código aberto no hub de software NGC para gerenciar uma infraestrutura de IA

Johnson & Johnson aposta em Ciência de Dados com suporte da Nvidia

Um artigo publicado no blog da Nvidia mostra que a gigante da área de medicamentos Johnson & Johnson está injetando Ciência de Dados em seus negócios para melhorar sua fabricação, inscrição em ensaios clínicos, previsões e muito mais. “Na verdade, gosto de chamar isso de ciência da decisão”, disse Jim Swanson, vice-presidente executivo da empresa e diretor de Informações Corporativas, em um painel de discussão na mais recente Conferência de Tecnologia de GPU Nvidia. “Não se trata apenas de criar um modelo – é na verdade quais decisões e percepções você está tentando derivar desses modelos.”

As operações de Machine Learning, conhecidas como MLOps, são um conjunto de práticas recomendadas para que as empresas executem IA com sucesso. Com uma estratégia de MLOps, as empresas podem aproveitar os dados para responder a perguntas difíceis e impulsionar as operações de negócios de forma mensurável.

Além de incorporar mais de 1 mil cientistas de dados em seus negócios, a Johnson & Johnson está trabalhando para construir a alfabetização digital em toda a empresa – ajudando os funcionários a compreender o potencial dos modelos de Machine Learning em ação

A Johnson & Johnson, por exemplo, formou um Conselho de Ciência de Dados interno e desenvolveu algo que Swanson chama de “cientistas de dados bilíngües” – funções que combinam conhecimento profundo de domínio com habilidades de Ciência de Dados. “Eles têm essa compreensão do principal problema de negócios e têm as habilidades para fazer Ciência de Dados”, disse ele.

Essa estratégia ajuda a integrar a comunidade de Ciência de Dados de uma empresa aos fluxos de trabalho de negócios, permitindo a aplicação mais rápida de modelos de Machine Learning, feedback e impacto, disse Swanson. Também ajuda a superar a hesitação quanto à adoção da Ciência de Dados.

“Você realmente tem que mostrá-los, provando repetidamente que este modelo não substitui o valioso ativo de habilidades pessoais que você tem em seu domínio de negócios, ele oferece visualizações longitudinais que você não pode obter por conta própria,” enfatizou.

Conforme as empresas aumentam a adoção de MLOps, elas precisam de uma infraestrutura de IA poderosa para dar suporte a seus engenheiros e cientistas de dados, disse o palestrante Nick Elprin, CEO do Domino Data Lab. “Tantas empresas, tragicamente, desperdiçam recursos precisosos de engenharia tentando construir essas ferramentas por conta própria, e é muito mais difícil”, disse, recomendando que as empresas comecem com uma plataforma de terceiros como o Domino Data Lab acelerado por GPU Nvidia. “Seus engenheiros criarão muito mais valor quando focados em problemas que são competitivamente diferenciados e exclusivos para o seu negócio”, acrescentou.

Para ajudar as empresas a começar a usar MLOps, a Nvidia oferece um conjunto de ferramentas de código aberto no hub de software NGC para gerenciar uma infraestrutura de IA baseada em sistemas Nvidia DGX. Empresas de saúde e pesquisadores médicos usam sistemas DGX e a estrutura de aplicativos Nvidia Clara para executar modelos de saúde que analisam registros médicos eletrônicos, aumentam a descoberta de medicamentos computacionais e alimentam dispositivos médicos habilitados para IA e fluxos de trabalho de imagem.

Além de incorporar mais de 1 mil cientistas de dados em seus negócios, a Johnson & Johnson está trabalhando para construir a alfabetização digital em toda a empresa – ajudando os funcionários a compreender o potencial dos modelos de Machine Learning em ação. Swanson dá o exemplo de um hackathon interno que a Johnson & Johnson realizou para melhorar a previsão em seu negócio de cuidados com a visão. Ao prever melhor quantos clientes precisarão de cada produto em sua linha de lentes de contato Acuvue, a empresa pode fabricar com mais eficiência aqueles que as pessoas desejam. Para cada ponto percentual que a Johnson & Johnson melhora a precisão das previsões, a empresa aumenta a receita, “porque você tem o produto certo entrando no mercado”, disse Swanson.

Dezenas de equipes em toda a empresa – a maioria fora do setor de cuidados com a visão – se inscreveram para o hackathon, que usou a plataforma Enterprise MLOps do Domino Data Lab. A equipe de compras apresentou o melhor modelo. “Resolvemos um problema realmente grande com impacto real e eles aprenderam algumas novas ferramentas que não conheciam antes”, disse Swanson. “Com um projeto simples alinhado a um resultado realmente significativo, você pode fazer coisas incríveis”, comentou.

Serviço
www.nvidia.com

Ciência de dados

dados

IA

Johnson & Johnson

ML

NVIDIA

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *


As opiniões dos artigos/colunistas aqui publicados refletem exclusivamente a posição de seu autor, não caracterizando endosso, recomendação ou favorecimento por parte da Infor Channel ou qualquer outros envolvidos na publicação. Todos os direitos reservados. É proibida qualquer forma de reutilização, distribuição, reprodução ou publicação parcial ou total deste conteúdo sem prévia autorização da Infor Channel.
Revista Digital
Edição do mês

Leia nesta edição:

Leia nessa edição sobre tecnologia

CAPA | GESTÃO

A doce ditadura da Governança de Dados

Leia nessa edição sobre carreira

CARREIRA

Profissões do futuro

Leia nessa edição sobre setorial | saúde

SETORIAL

Área pública: desafios e lucros

Esta é para você leitor da Revista Digital:

Leia nessa edição sobre sustentabilidade

LEGISLAÇÃO

LGPD Ano Um: uma construção inacabada

Setembro | 2021 | #50 - Acesse:

Infor Channel Digital

Baixe o nosso aplicativo

Google Play
Apple Store

Agenda & Eventos

Cadastre seu Evento