Този сайт използва бисквитки (cookies). Ако желаете можете да научите повече тук. Разбрах

Новини В глобален мащаб

Машинното обучение за целите на бизнеса вече е факт

Тайфунът на големите данни поставя аналитични проблеми, които не могат да бъдат решени с традиционни методи

от Надя Кръстева, 06 януари 2016 0 3084 прочитания,

Теоретичните основи на машинното обучение са поставени преди повече от 50 години, но доскоро не бяха много хората извън академичните среди, които се интересуваха от тази тема, тъй като практическото приложение на концепцията не беше икономически оправдано. През последните години обаче, бяха в действие няколко тенденции, които стимулираха интереса към машинното обучение:
· в съответствие със закона на Мур, цените на изчислителните мощности намаляха значително
· появиха се иновативни алгоритми, които дават възможност да получаваме бързи резултати
· бяха натрупани доста теоретични и практични знания за ефективното прилагане на машинно обучение.
И освен всичко изброено, тайфунът на големите данни поставя аналитични проблеми, които не могат да бъдат решени с традиционни статистически методи, а потребностите, рано или късно, водят до изобретения.    

machine learning, машинно обучение


В различни индустрии, машинното обучение вече се прилага. Ето няколко примера:   

>> Предотвратяване на измами.
PayPal има 150 млн. активни електронни портфейли, оборотът по които е над $200 млрд. годишно. При такива обеми даже много малък процент измами би бил огромна сума. Преди време, заради действия на измамници компанията е губела по $10 млн. на месец. За да реши този проблем, PayPal е формирала екип от изследователи, които с помощта на технологии за машинно обучение са разработили модел, даващ възможност измамите да бъдат откривани в реално време.

>> Персонализирано показване на реклами.
Компанията Dstillery използва машинно обучение, за да помогне на компаниите Verizon и Williams-Sohoma да персонализират показването на реклами в реално време. Използват се данни за историята на интернет сърфирането на клиентите, за техните посещения на сайтове, преходи по линкове, покупки и т.н. Алгоритъмът на Dstillery извежда хиляди прогнози в секунда и провежда едновременно стотици рекламни кампании.

>> Препоръки за телевизионните зрители.
За клиентите на услугата за интерактивна телевизия Comcast’s X1 компанията доставчик осигурява персонализирани препоръки в реално време на базата на анализ на предпочитанията на зрителите. Comcast обработва милиарди записи за историята на гледаните предавания и създава уникален профил за предпочитанията на всеки зрител, а след това групира зрителите в клъстери. В резултат от предлаганите препоръки, времето през което зрителите гледат телевизия е увеличено, както и тяхната удовлетвореност.

>> Усъвършенстване на моторни превозни средства.
Jaguar Land Rover оборудва новите си автомобили с над 60 бордови компютри, които веки ден създават по 1,5 GB данни отчитайки над 20 хил параметри. Инженерите на компанията ползват методите на машинното обучение за почистване на данните и анализ на това как именно клиентите използват автомобилите. На базата на тази информация конструкторите могат да прогнозират износването на части и потенциални проблеми във връзка с безопасността. Това дава възможност да се създават превозни средства, с отчитане на особеностите на използването им от клиентите.  

>> Оптимизация на разходите в медийния бизнес.
NBC Universal съхранява стотици терабайти файлове с медийно съдържание. Компанията е крупен доставчик на кабелна телевизия, развлекателни продукти, новини и т.н. Ефективното управление на огромните онлайн ресурси на NBC Universal изисква да се прогнозира интересът към всяко предаване, като за целта трябва да бъдат отчетени много показатели. На базата на тези прогнози компанията съхранява файловете със съдържание, което е по-малко търсено в по-евтини хранилища. В резултат са постигнати съществени икономии на разходите за съхранение на информация.  

>> Повишаване на качеството на здравни услуги.
В САЩ, повторната хоспитализация на пациент е сериозен проблем за болниците. На практика застрахователните компании глобяват здравното заведение в такива случаи. Напоследък с помощта на технологии за машинно обучение някои болници моделират рисковете във връзка с всеки пациент и на тази база вземат решения за изписване или продължаване на лечението.

Прочетете още: ИТ гиганти пускат с отворен код разработките си в сферата на AI

КОМЕНТАРИ ОТ  

Полезни страници
    За нас | Аудитория | Реклама | Контакти | Общи условия | Декларация за поверителност | Политика за бисквитки |
    Действителни собственици на настоящото издание са Иво Георгиев Прокопиев и Теодор Иванов Захов