На нашем сайте вы можете читать онлайн «Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности». Эта электронная книга доступна бесплатно и представляет собой целую полную версию без сокращений. Кроме того, доступна возможность слушать аудиокнигу, скачать её через торрент в формате fb2 или ознакомиться с кратким содержанием. Жанр книги — Бизнес-книги, Корпоративная культура. Кроме того, ниже доступно описание произведения, предисловие и отзывы читателей. Регулярные обновления библиотеки и улучшения функционала делают наше сообщество идеальным местом для любителей книг.
Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности
0 баллов
0 мнений
1 чтение
Автор
Дата выхода
10 ноября 2020
Краткое содержание книги Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности, аннотация автора и описание
Прежде чем читать книгу целиком, ознакомьтесь с предисловием, аннотацией, описанием или кратким содержанием к произведению Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности. Предисловие указано в том виде, в котором его написал автор (Томас Дэвенпорт) в своем труде. Если нужная информация отсутствует, оставьте комментарий, и мы постараемся найти её для вас. Обратите внимание: Читатели могут делиться своими отзывами и обсуждениями, что поможет вам глубже понять книгу. Не забудьте и вы оставить свое впечатие о книге в комментариях внизу страницы.
Описание книги
Ажиотаж вокруг искусственного интеллекта и его применения в классическом бизнесе не утихает, но многие компании до сих пор не понимают, какую реальную выгоду принесет им внедрение новых технологий в их бизнес-процессы.
Эксперт в области аналитики и больших данных, преподаватель в Гарвардской школе бизнеса Томас Дэвенпорт в своей книге покажет, как можно эффективно интегрировать ИИ и когнитивные технологии в текущую бизнес-стратегию предприятия, чтобы сделать продукты привлекательнее, процессы совершеннее, а компанию успешнее.
Он подробно рассматривает преимущества и сложности внедрения различных видов технологий: статистическое машинное обучение, нейронные сети, глубокое обучение, обработку естественного языка, экспертные системы на основе правил, роботов и роботизированную автоматизацию процессов. И приводит примеры как успешного, так и неудачного использования ИИ в разных компаниях: Amazon, Google, Facebook, GlaxoSmithKline, Uber, GE, цифровом банке DBS и др.
Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности читать онлайн полную книгу - весь текст целиком бесплатно
Перед вами текст книги, разбитый на страницы для удобства чтения. Благодаря системе сохранения последней прочитанной страницы, вы можете бесплатно читать онлайн книгу Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности без необходимости искать место, на котором остановились. А еще, у нас можно настроить шрифт и фон для комфортного чтения. Наслаждайтесь любимыми книгами в любое время и в любом месте.
Текст книги
Например, модель машинного обучения, которая пытается предсказать мошенничество в банке, необходимо учить на системе, где мошенничество в некоторых случаях было однозначно установлено. Это непросто, поскольку частота мошенничества может составлять 1 случай на 100 000, и порой эту проблему называют проблемой несбалансированности классов.
Обучение с учителем очень похоже на традиционный аналитический метод регрессионного анализа, который используется в модели оценки. Цель регрессионного анализа заключается в том, чтобы создать модель, предсказывающую известный результат, используя набор входных переменных с известными значениями, которые могут быть связаны с этим результатом.
Регрессионный процесс напоминает машинное обучение с учителем, но имеет ряд особенностей:
? В машинном обучении данные, используемые для разработки (тренировки) модели, называются тренировочными данными и могут представлять собой подмножество данных, необходимых исключительно для тренировки системы.
? В машинном обучении тренировочная модель часто утверждается при помощи другого подмножества данных, для которого известен подлежащий предсказанию результат.
? В регрессионном анализе может и не возникнуть желание использовать модель для предсказания неизвестных результатов, тогда как в машинном обучении наличие этого желания подразумевается.
? В машинном обучении может использоваться множество различных алгоритмов, которые не ограничиваются простым регрессионным анализом.
Модели обучения без учителя, как правило, более сложны в разработке.
Мнения
Еще нет комментариев о книге Внедрение искусственного интеллекта в бизнес-практику. Преимущества и сложности, и ваше мнение может быть первым и самым ценным! Расскажите о своих впечатлениях, поделитесь мыслями и отзывами. Ваш отзыв поможет другим читателям сделать правильный выбор. Не стесняйтесь делиться своим мнением!
Похожие книги
