Машинное обучение, формирующее новый мир познавательных вычислений

обучение

ФУНКЦИЯ: большие данные, аналитика и облако сходятся для давания начало передовым решениям, таким как машинное обучение для нового понимания предприятия.Взрыву данных от средств социального общения, видео, аудио, носимых приборов и Интернета вещей (IoT), сфокусировали новаторов на новых способах сделать данные более значимыми и ценными.Машинное обучение помогает с разработчиками программного обеспечения, постоянно создающими и улучшающими алгоритмы, которые автоматически анализируют данные, чтобы идентифицировать образцы и предсказать результаты.

Машинное обучение включает учащиеся компьютерные алгоритмы, которые предоставляют компьютерным программам способность изучить, обнаружить, предсказать и улучшить автоматически использующие большие объемы данных без явного программирования, сказал Дэйв Шубмель, директор по научно-исследовательской работе Когнитивных систем и Аналитики Содержания в IDC.«Машинное обучение запускается с данных — чем больше Вы имеете, тем лучше Ваши результаты, вероятно, будут», сказал Дэвид Чаппелл в отчете на решении для Машинного обучения Azure Microsoft. «Поскольку мы живем в эру больших данных, машинное обучение стало намного более популярным в последние несколько лет. Наличие большого количества данных для работы с во многих различных областях позволяет методам машинного обучения быть примененными к более широкому набору проблем.

Так как процесс запускается с данных, выбирание правильных данных для работы с критически важно».Эрен Оберуа, директор по управлению продуктами в Microsoft, описал существующий вариант использования, где организация изучает проблему потребительской маслобойки, делая глубокий анализ, основанный на потоках щелчка и блогах.

«Они хранят свою информацию блога в их системе больших данных, сделайте некоторую обработку на нем, выполните модель против него и затем предскажите от просмотра клиента и истории маршрута перемещения, будут ли они, вероятно, крутиться или не», сказал он. «Это — пример существующего варианта использования, который машинное обучение делает лучше».То, что происходит, Оберои сказал, является «сходимостью между облаком, анализом больших данных и машинным обучением, чтобы включить новый набор вариантов использования и упростить существующий набор вариантов использования».

Машинное обучение не является новымНесмотря на то, что библиотеки машинного обучения были вокруг в течение многих десятилетий и были предложены как часть многих статистических пакетов, включая SPSS IBM, SAS и многих других, использование машинного обучения предприятиями не было широко распространено до недавнего времени.

Поэтому аналитические алгоритмы требуют большого количества данных, и много из вычисляет питание, сказал Шубмель.Однако много ведущих технологических фирм, таких как Google, Facebook, Amazon, Baidu, Yahoo, Labs Wal-Mart и другие использовали инструменты машинного обучения за последние несколько лет для улучшения аналитических приложений в областях, таких как распознавание изображения, программируемая реклама, а также рекомендации содержания и продукт.

«Предприятия не были так же быстры для принятия машинного обучения и теперь делают поэтому как часть их усилий по большим данным», сказал Шубмель. «Вероятно, самое большое использование машинного обучения до настоящего времени для классификации данных, открытия и чистки».Машинное обучение в целом — одно — хотя очень важный и необходимый компонента в новом поколении «умных» приложений, которые имеют познавательные приложения возможностей, которые в состоянии распознать образцы в данных, документах или даже отображают.

Другие технологии, в дополнение к различным типам машинного обучения, включают приобретение/агрегацию содержания, текстовую аналитику, речевую аналитику, графики знаний и системы ответа и вопрос.Компании как IBM, Познавательный Масштаб и TCS включают возможности машинного обучения в свои платформы когнитивных систем. Они позволяют разработчикам и предприятиям создавать приложения, способные к изучению и улучшению их результата в течение долгого времени.По словам Майка Гуалтьери, основного аналитика агентства Форрестер, немного меньше чем половины отчета предприятий с помощью прогнозной аналитики.

Однако вертикали, такие как розничная торговля, перемещение, финансовые услуги, проведение законов в жизнь и другие были быстры для попытки их рук при машинном обучении и прогнозной аналитике, чтобы решить проблемы, достигнуть более многочисленных зрителей и поймать преступников.Страница 1 3123Затем

5 комментариев

  • Miraath

    Как скажеш, касап

  • Saidi

    ну хто звик бути рабом, йому пох<

  • Mazurr

    Та порівняно з ним, путен адекватна людина.

  • Vole

    та нет, как раз протореной дорожкой идут.

  • Bakus

    Когда включаешь российское телевидение, то создается впечатление, что маленькая беззащитная Россия окружена со всех сторон фашистской Украиной. )

  • Напишите комментарий