Науки о данных и машинное обучение: от академиков до экономики
В своем предыдущем сообщении я разделял наше волнение, что аналитические решения TIBCO получили самый высокий балл для «Уточнения производства»
- Аналитика бизнеса
- Статьи
- Науки о данных и машинное обучение: от академиков до экономики
Оглавление
В своем предыдущем сообщении я разделял наше волнение, что аналитические решения TIBCO получили самый высокий балл для «Уточнения производства» в отчете Gartner Critical Capabilities for Data Science and Machine Learning Platforms 2018. Напомним, что уточнение производственного процесса используется в отношении доставки, управления моделью, производительности и масштабируемости, а также возможностей машинного обучения.
Кроме того, Гартнер заявил, что производство, скорее всего, потратит большую часть своего времени.
Большинство организаций остро осознают, что бизнес аналитика является топливом для успешной цифровой трансформации. Существуют различные виды исследований и статистики, которые свидетельствуют о том, что цифровые лидеры значительно превосходят цифровые отставания с существенной разницей (т. Е. Рост выручки на 5 раз) лишь незначительное увеличение расходов на технологии (3,5% против 3,2% от дохода). Таким образом, учитывая тот факт, что многие организации имеют доступ к большим объемам данных, доступно множество доступных алгоритмов.
Давайте используем Netflix в качестве примера. Мы ежедневно используем потоки Netflix в 250 миллионов часов видео по всему миру (190 стран) до 98 миллионов платных подписчиков. Каждый раз, когда вы нажимаете, просматриваете, смотрите, приостанавливаете, перематываете, останавливаете, начинаете, перечитываете, все эти данные собираются и анализируются, чтобы персонализировать ваш следующий опыт. Мы все прекрасно понимаем, что такие компании, как Netflix, Amazon и Google, используют рефералы и делают следующие рекомендации лучшего предложения; но знаете ли вы, что Netflix даже персонализирует графику для каждого сегмента зрителя? Знаете ли вы, что я могу найти шоу в категории «ТВ-тайны», и вы можете найти его в категории «научный фантастический триллер»? Netflix имеет около 2000 «сообществ вкуса» (также называемых клиентскими сегментами), а для популярной серии «Stranger Things» алгоритмы Netflix применяют 12 тегов, чтобы уловить тонкости того, как разные люди относятся и реагируют на шоу; другими словами, существует 2000 различных сегментов клиентов с их собственным уникальным опытом и 12 различными сложностями для этого конкретного шоу! Теперь для оптимизации просмотра вам необходимо много AI, машинного обучения и аналитики.
Netflix работает на Amazon Web Services (AWS) и имеет множество инфраструктур, микросервисов и науки о данных для потоков во всем мире. Способность Netflix упорядочить людей, процессы и аналитические технологии в реальном времени позволила им монетизировать свои данные и получить значительное конкурентное преимущество. Это секретный ингредиент, который делает Netflix тем, кем они являются. Теперь вам не нужно Netflix, чтобы снять это.
У нас много клиентов по всему миру, которые управляют сотнями и тысячами моделей. Независимо от того, находятся ли они в банковской сфере, страховании, производстве, энергетике или здравоохранении, способность быстро и эффективно тестироваться. Благодаря автоматизации и оркестровке один из клиентов в отрасли сокращает время, затрачиваемое на разработку и развертывание моделей на 50%! Это на 50% больше времени, когда они могут быть инновационными и оптимизировать работу с клиентами.
Когда организации думают о науке о данных, их разум быстро порождает алгоритмы и математику. Однако это не то место, где истинная ценность. Реальная ценность заключается в возможности монетизировать свои данные с помощью аналитики, которые создают понимание. Чтобы обеспечить понимание, компаниям необходимо сосредоточиться на аналитических моделях развертывания, управления и мониторинга. Чтобы перейти от академиков к экономике,
Как выбрать программу BI
Выбор инструмента бизнес-аналитики (BI) и аналитики может быть длительным процессом. Есть бесчисленное множество поставщиков на выбор, …
Почитать еще
Скользкий склон безудержной семантики
Недавняя статья под названием «Спящее будущее визуализации данных? Фотография »расширяет определение визуализации данных до нового предела.
Data mining средства обнаружения данных могут создавать ценность для бизнеса?
Мы живем во время, когда данные вокруг нас. В эпоху цифровых технологий те, кто может выжать
Визуализация данных и виртуальная реальность
Время от времени кто-то заявляет, что визуализация данных может быть улучшена при просмотре в виртуальной
Информационный шум
Чтобы тщательно, точно и четко информировать, мы должны определить предполагаемый сигнал, а затем усилить его,
Аналитическая зрелость
В течение последних двадцати лет ментальная модель зрелости аналитики соответствовала схеме, представленной ниже, начиная с
Машинное обучение
Глубокое обучение – это продвинутая форма машинного обучения. Глубокое обучение относится к способности компьютерных систем, известных
ETL или подготовки данных
Технологии извлечения, преобразования и загрузки (ETL), которыми управляют исключительно ИТ, до недавнего времени были основным
Как начать карьеру в области науки о данных
Каждая область имеет уровень сложности, который человек должен оценить, прежде чем посвящать ему свое время
Как самостоятельно изучить искусственный интеллект и машинное обучение
В наши дни, в эпоху демократизации знаний, стало очень легко глубоко изучить любую дисциплину. Это