Q:
Comment l'apprentissage automatique peut-il fonctionner à partir d'inefficacités évidentes pour introduire de nouvelles efficacités pour les entreprises?
UNE:L'une des plus grandes applications potentielles des systèmes d'apprentissage automatique est l'exploitation minière d'importantes efficacités pour les processus et opérations métier. Ce domaine est toujours en plein essor à mesure que le machine learning évolue, et les fournisseurs proposent aux entreprises des outils plus puissants pour évaluer les scénarios d'entreprise.
| Téléchargement gratuit: apprentissage automatique et pourquoi c'est important |
En général, l'apprentissage automatique peut fournir des gains d'efficacité en examinant un plus grand éventail de possibilités et de choix, dont certains peuvent sembler inefficaces à première vue. Un excellent exemple est un processus appelé recuit simulé qui implique des algorithmes qui produisent des résultats de la même manière que les ingénieurs refroidissent le métal après le forgeage. Dans un sens, le système prend les données et examine ces chemins ou résultats inefficaces pour déterminer si, s'ils sont combinés, modifiés ou manipulés de quelque manière que ce soit, ils peuvent réellement produire un résultat plus efficace. Le recuit simulé n'est que l'une des nombreuses façons dont les scientifiques des données peuvent créer des modèles complexes qui peuvent éliminer des options efficaces plus profondes.
Une façon de penser à ce type de capacité d'apprentissage automatique consiste à regarder comment les systèmes de navigation GPS ont évolué ces dernières années. Les premières générations de systèmes de navigation GPS pourraient fournir aux utilisateurs un certain nombre de chemins les plus efficaces basés sur des données très basiques - ou plutôt, des données qui nous semblent maintenant très basiques. Les utilisateurs peuvent trouver l'itinéraire le plus rapide en utilisant les autoroutes, l'itinéraire le plus rapide sans péage, etc. les résultats sont intégrés dans la machine, et le GPS fournit des réponses beaucoup plus efficaces, encore une fois, car l'algorithme considère les chemins qui peuvent sembler inefficaces à un système plus basique. En apprenant, la machine découvre des gains d'efficacité. Il les présente à l'utilisateur et, par conséquent, fournit un service beaucoup plus optimisé. C'est le type de chose que l'apprentissage automatique ferait pour l'entreprise - il libérera l'efficacité en découvrant des chemins cachés qui sont optimaux et efficaces, même s'ils nécessitent une certaine complexité analytique. Ces systèmes, qui sont tellement orientés vers la fourniture de résultats optimaux, ne sont pas uniquement utilisés pour l'exploration numérique de l'intelligence d'affaires; par exemple, un rapport de GE montre comment l'utilisation de systèmes d'apprentissage automatique peut améliorer considérablement le fonctionnement des centrales au charbon fournissant de l'énergie aux communautés.
