큐:
기계 학습이 명백한 비 효율성에서 어떻게 비즈니스에 새로운 효율성을 도입 할 수 있습니까?
ㅏ:머신 러닝 시스템의 가장 큰 응용 분야 중 하나는 비즈니스 프로세스 및 운영에 대한 중요한 효율성의 채굴입니다. 머신 러닝이 발전함에 따라이 분야는 여전히 호황을 누리고 있으며 공급 업체는 비즈니스 시나리오를 평가할 수있는 더 강력한 도구를 회사에 제공합니다.
| 무료 다운로드 : 기계 학습 및 중요한 이유 |
일반적으로 머신 러닝은 더 넓은 범위의 가능성과 선택 사항을 검토함으로써 효율성을 제공 할 수 있으며, 그 중 일부는 얼굴에 비효율적으로 보일 수 있습니다. 훌륭한 예는 엔지니어가 단조 후 금속을 냉각시키는 것과 같은 방식으로 결과를 생성하는 알고리즘을 포함하는 시뮬레이션 어닐링이라는 프로세스입니다. 어떤 의미에서, 시스템은 데이터를 가져 와서 이러한 비효율적 인 경로 또는 결과를 조사하여 어떤 방식 으로든 결합, 변경 또는 조작 될 경우 실제로 더 효율적인 결과를 생성 할 수 있는지 여부를 찾습니다. 시뮬레이션 어닐링은 데이터 과학자가보다 효율적인 옵션을 근절 할 수있는 복잡한 모델을 만들 수있는 많은 방법 중 하나 일뿐입니다.
이러한 유형의 머신 러닝 기능을 생각하는 한 가지 방법은 최근 몇 년 동안 GPS 네비게이션 시스템이 어떻게 발전해 왔는지 살펴 보는 것입니다. 초기 세대의 GPS 내비게이션 시스템은 매우 기본적인 데이터 또는 현재 우리에게 매우 기본적인 데이터를 기반으로 가장 효율적인 경로를 사용자에게 제공 할 수 있습니다. 사용자는 고속도로, 통행료가없는 가장 빠른 경로 등을 사용하여 가장 빠른 경로를 찾을 수있었습니다. 그러나 운전자가 알게 된 것처럼 GPS는 도로 공사, 사고 등과 같은 문제를 이해하지 못했기 때문에 최적의 효율성이 없었습니다. 새로운 GPS 시스템에서는 알고리즘은보다 기본적인 시스템에 비효율적 인 경로를 고려하고 있기 때문에 결과는 기계에 내장되어 있으며 GPS는 훨씬 더 효율적인 답변을 제공합니다. 기계는 학습을 통해 효율성을 밝힙니다. 이를 사용자에게 제공하고 결과적으로 훨씬 더 최적화 된 서비스를 제공합니다. 이것이 머신 러닝이 기업을 위해 할 수있는 유형입니다. 분석 복잡성이 필요하더라도 최적의 효율적인 숨겨진 경로를 찾아서 효율성을 높일 수 있습니다. 최적의 결과를 제공하도록 설계된이 시스템은 디지털 비즈니스 인텔리전스 마이닝에만 사용되는 것이 아닙니다. 예를 들어 GE의 보고서는 머신 러닝 시스템을 사용하여 지역 사회에 전력을 제공하는 석탄 발전소의 운영을 어떻게 극적으로 개선 할 수 있는지 보여줍니다.
