K:
Hogyan működik a gépi tanulás a nyilvánvaló hatékonyság hiányából az új hatékonyság bevezetése érdekében az üzleti életben?
A:A gépi tanulási rendszerek egyik legnagyobb alkalmazási lehetősége az üzleti folyamatok és műveletek fontos hatékonyságának bányászata. Ez a mező továbbra is virágzik, ahogy a gépi tanulás fejlődik, és a szállítók hatékonyabb eszközöket kínálnak a vállalatoknak az üzleti forgatókönyvek értékeléséhez.
| Ingyenes letöltés: Gépi tanulás és miért számít? |
Általában véve a gépi tanulás hatékonyságot eredményezhet azáltal, hogy megvizsgálja a lehetőségek és lehetőségek szélesebb skáláját, amelyek közül néhány hatástalannak tűnik. Kiváló példa a szimulált lágyításnak nevezett folyamat, amely olyan algoritmusokat foglal magában, amelyek eredményeket hoznak ugyanolyan módon, mint a mérnökök a kovácsolás után a fém lehűtését. Bizonyos értelemben a rendszer begyűjti az adatokat és megvizsgálja ezeket a nem hatékony útvonalakat vagy eredményeket, hogy megállapítsa, vajon kombinálva, megváltoztatva vagy bármilyen módon manipulálva eredményesebb-e az eredmény. A szimulált lágyítás csak egyike annak a sok módszernek, amellyel az adattudósok összetett modelleket hozhatnak létre, amelyek ki tudják vezetni a mélyebben hatékony lehetőségeket.
Az ilyen típusú gépi tanulási képesség gondolkodásának egyik módja az, ha megnézzük a GPS navigációs rendszerek fejlődését az utóbbi években. A GPS navigációs rendszerek korai generációi a leghatékonyabb útvonalakat biztosíthatják a felhasználók számára, nagyon alapvető adatok alapján - vagy inkább olyan adatok, amelyek most számunkra nagyon alapvetőnek tűnnek. A felhasználók megtalálhatják a leggyorsabb útvonalat autópályák használatával, a leggyorsabb útvonalat autópályadíjak nélkül, stb. Mint azonban az autósok megtanultak, a GPS nem volt optimálisan hatékony, mert nem érti az olyan kérdéseket, mint az útépítés, a balesetek stb. A vadonatúj GPS-rendszerekkel ezek az eredményeket beépítik a gépbe, és a GPS ismét sokkal hatékonyabb válaszokat ad, mivel az algoritmus olyan útvonalakat veszi figyelembe, amelyek egy alapvető rendszerhez nem hatékonyak. Megtanulva a gép felfedezi a hatékonyságot. Ezeket bemutatja a felhasználónak, és ennek eredményeként sokkal optimalizáltabb szolgáltatást nyújt. Ez a fajta dolog, amelyet a gépi tanulás a vállalkozás számára tenné - felszabadítja a hatékonyságot azáltal, hogy feltárja az optimális és hatékony rejtett útvonalakat, még akkor is, ha bizonyos analitikai bonyolultságra van szükség. Ezeket a optimális eredmények elérésére irányuló rendszereket nemcsak a digitális üzleti intelligencia bányászatában használják; például a GE jelentése bemutatja, hogy a gépi tanulási rendszerek használata drámai módon javíthatja a közösségek számára energiát szolgáltató szénüzemek működését.
