Πώς μπορεί η εκμάθηση να λειτουργήσει από προφανείς αναποτελεσματικότητες για να εισαγάγει νέες επιδόσεις για τις επιχειρήσεις;

Συγγραφέας: Roger Morrison
Ημερομηνία Δημιουργίας: 25 Σεπτέμβριος 2021
Ημερομηνία Ενημέρωσης: 21 Ιούνιος 2024
Anonim
Πώς μπορεί η εκμάθηση να λειτουργήσει από προφανείς αναποτελεσματικότητες για να εισαγάγει νέες επιδόσεις για τις επιχειρήσεις; - Τεχνολογία
Πώς μπορεί η εκμάθηση να λειτουργήσει από προφανείς αναποτελεσματικότητες για να εισαγάγει νέες επιδόσεις για τις επιχειρήσεις; - Τεχνολογία

Περιεχόμενο

Ερ:

Πώς μπορεί η εκμάθηση να λειτουργήσει από προφανείς αναποτελεσματικότητες για να εισαγάγει νέες επιδόσεις για τις επιχειρήσεις;


ΕΝΑ:

Μία από τις μεγαλύτερες δυνατές εφαρμογές των συστημάτων μηχανικής μάθησης είναι η εξόρυξη σημαντικών αποτελεσματικοτήτων για επιχειρηματικές διαδικασίες και λειτουργίες. Αυτός ο τομέας εξακολουθεί να αναπτύσσεται καθώς εξελίσσεται η μηχανική μάθηση και οι πωλητές προσφέρουν στις επιχειρήσεις πιο ισχυρά εργαλεία για την αξιολόγηση επιχειρηματικών σεναρίων.


Σε γενικές γραμμές, η μηχανική μάθηση μπορεί να προσφέρει αποτελεσματικότητα εξετάζοντας ένα ευρύτερο φάσμα δυνατοτήτων και επιλογών, μερικές από τις οποίες μπορεί να φαίνονται ανεπαρκείς στο πρόσωπό τους. Ένα εξαιρετικό παράδειγμα είναι μια διαδικασία που ονομάζεται προσομοιωμένη ανόπτηση που περιλαμβάνει αλγορίθμους που παράγουν αποτελέσματα με μερικούς από τους ίδιους τρόπους που οι μηχανικοί ψύχουν μέταλλο μετά από σφυρηλάτηση. Κατά μία έννοια, το σύστημα λαμβάνει τα δεδομένα και εξετάζει αυτές τις αναποτελεσματικές διαδρομές ή αποτελέσματα για να διαπιστώσει εάν, αν συνδυαστεί, αλλοιωθεί ή χειριστεί με οποιονδήποτε τρόπο, μπορεί στην πραγματικότητα να παράγει ένα αποτελεσματικότερο αποτέλεσμα. Η προσομοίωση ανόπτησης είναι ένας από τους πολλούς τρόπους με τους οποίους οι επιστήμονες των δεδομένων μπορούν να δημιουργήσουν περίπλοκα μοντέλα που μπορούν να εξαλείψουν βαθύτερες αποδοτικές επιλογές.


Ένας τρόπος να σκεφτούμε αυτό το είδος της δυνατότητας μηχανικής μάθησης είναι να εξετάσουμε πώς τα συστήματα πλοήγησης GPS έχουν εξελιχθεί τα τελευταία χρόνια. Οι πρώτες γενιές συστημάτων πλοήγησης GPS θα μπορούσαν να παρέχουν στους χρήστες μια σειρά από πιο αποτελεσματικές διαδρομές που βασίζονται σε πολύ βασικά δεδομένα - ή μάλλον, δεδομένα που τώρα για εμάς φαίνεται πολύ βασικά. Οι χρήστες θα μπορούσαν να βρουν την ταχύτερη διαδρομή χρησιμοποιώντας αυτοκινητόδρομους, ταχύτερη διαδρομή χωρίς διόδια κλπ. Ωστόσο, όπως έμαθαν οι οδηγοί, το GPS δεν ήταν βέλτιστα αποτελεσματικό, διότι δεν κατανοούσε θέματα όπως οδοστρώματα, ατυχήματα κλπ. Με ολοκαίνουργια συστήματα GPS, αυτά τα αποτελέσματα ενσωματώνονται στο μηχάνημα και το GPS παρέχει πολύ πιο αποτελεσματικές απαντήσεις, γιατί ο αλγόριθμος εξετάζει μονοπάτια που μπορεί να φαίνονται ανεπαρκή σε ένα πιο βασικό σύστημα. Με τη μάθηση, το μηχάνημα αποκαλύπτει την αποτελεσματικότητα. Παρουσιάζει αυτά στον χρήστη, και ως αποτέλεσμα, προσφέρει μια πολύ πιο βελτιστοποιημένη υπηρεσία. Αυτός είναι ο τύπος που η μηχανική μάθηση θα έκανε για την επιχείρηση - θα απελευθερώσει την αποτελεσματικότητα αποκαλύπτοντας κρυφά μονοπάτια που είναι βέλτιστα και αποδοτικά, αν και απαιτούν κάποια αναλυτική πολυπλοκότητα. Αυτά τα συστήματα, τα οποία είναι τόσο προσανατολισμένα προς την επίτευξη βέλτιστων αποτελεσμάτων, δεν χρησιμοποιούνται μόνο για εξόρυξη ψηφιακών επιχειρησιακών πληροφοριών, για παράδειγμα, μια έκθεση της GE δείχνει πως η χρήση μηχανικών συστημάτων μάθησης μπορεί να βελτιώσει δραματικά τη λειτουργία των μονάδων άνθρακα που παρέχουν ενέργεια στις κοινότητες.