我们一直处于行业变革性变革的中心，正朝着动态调度，容器化应用程序的云原生世界迈进，随着组织对其应用程序基础架构进行现代化改造，将有一个独特的机会来实施和采用整个软件堆栈中的新措施，以保护企业和客户所依赖的服务，事实证明，机器可以比人类更好地部署软件，为什么？因为软件部署是一组可由声明性语言驱动的机械过程，这是为正确，可重复地执行系统方法而准备的过程，当将补丁程序和安全修复程序应用于软件时，这一点尤为重要，这种仪式应具有可重复性和无缝性。

减少故障排除时间或提高组织的安全性。但是，如果没有正确，准确和一致的输入数据的正确基础，这种向转移的价值就很小，人工智能（AI）和机器学习（ML）在IT基础架构和运营中的应用-称为在企业和服务提供商领域中是一个热门趋势，并且有充分的理由：它可以加速IT操作，如果正确完成，可提高IT运营准确性，敏捷性和效率，因此在金融服务，医疗保健，零售，制造业，服务提供商，政府和其他部门的许多CIO / CISO议程中，AI处于重要位置。

将分析嵌入到您的商业软件应用程序中可以带来巨大的价值。它使业务用户可以在其应用程序上下文中访问分析。但是这种做法带来了挑战：产品所有者不仅需要特别关注UI定制，还需要特别关注体系结构集成。架构良好的集成可确保提供一个安全的高性能环境，从而为用户提供无缝的体验，从而使分析功能始终可从您的应用程序中获得，鉴于这些关键要求，产品所有者应特别注意许多现代功能。将分析嵌入到另一个产品或应用程序中时，需要考虑以下一些关键的因素。

传统的企业级存储方法不足。组织只是积累了太多的数据，无法维持用于存储所有内容的传统管理方法，成本，性能，复杂性和分散性均被70％以上的受访者认为令人沮丧，他们正在寻求“软件定义的存储”以帮助解决所有这些问题，而这种挫败感就是为什么许多支持者称赞对象存储的优点的原因，对象存储很可能是在云原生，数据收集操作环境中不断发展的存储格式。

我正在学习的东西对于经验丰富的安全经验丰富的人可能是显而易见的，但对于我们其他人可能并不那么明显！即使您以前从未真正考虑过容器化部署的安全性，我也从三个方面发现了我的有趣之处，并希望您也能这样做：

每天，我们被海量数据淹没，但没有时间或必要的人力来产生可以产生真正影响的见解。机器学习算法是数据科学家弥合这一差距的关键。整个机器学习生命周期包括多个阶段，但关键的是初始步骤。