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

Новини ИТ мениджмънт

3 често допускани грешки при машинното обучение

Компаниите продължават да допускат тези грешки, да харчат средства, да понижават ефективността и в крайна сметка да получават лоши резултати.

от , 02 юли 2018 0 1845 прочитания,

3 често допускани грешки при машинното обучение

Прочетете още: Аутсорсинг срещу инсорсинг - как влияе RPA върху това решение

Базираните в облака машинно и дълбочинно обучение, както и изкуственият интелект са често използвани от компаниите технологии в днешно време. Въпреки това фирмите продължават да допускат грешки, да харчат излишно много средства, да понижават ефективността и в крайна сметка да получават лоши резултати. Всички проблеми, с които се сблъскват организациите, могат да бъдат поправени, а базираното в облака машинно обучение определено е тук, за да се наложи. Към неговото прилагане обаче трябва да се подхожда с търпение и внимание.

Ето кои са трите най-често срещани грешки, които специалистите съветват да се избягват:

1. Няма достатъчно данни, за да се осигури обучение на модела

Машинното обучение без частта с обучението е безсмислено. Истинското му предназначение е да се приложат алгоритми към огромно количество данни и да се използват определени модели за обучение на съответните приложения.

В този случай, ако няма данни, то няма да има и обучение. Макар че приложенията с машинно обучение могат да събират информация през дълъг период от време и да станат по-интелигентни, те трябва да започнат на първо място от една стартова точка с достатъчно данни, които да обучават системите как се мисли.

На практика с колкото по-малко информация разполага една компания, толкова по-малка ще е вероятността получените резултати да са верни.

3 често допускани грешки при машинното обучение

2. Използването на машинно обучение там, където не е необходимо

Използването на машинно обучение там, където не е необходимо, е най-често срещаната грешка, която организациите допускат. По този начин фирмите харчат три или четири пъти повече за разработка, за да използват машинното обучение в едно приложение, за което това не е необхоидимо.

Системите за машинно обучение на практика в много случаи не носят никакво предимство. Например, създаването на информационна база за приложение за счетоводна система или график е доста излишно. В допълнение това значително намалява и тяхната ефективност.

3. Неразбиране на влиянието върху работата

Внедряването на системите за машинно обучение в приложения може понякога да ги направи много по-ценни за бизнеса. В същото време обаче това може да влоши работата и ефективността.

Една внедрена услуга за машинно обучение може да доведе до няколко секундно забавяне, докато данните се обработват от алгоритмите. Ако това приложение трябва да осигурява отговор в реално време, то стойността от използването на машинното обучение намалява значително.

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