큐:
머신 러닝은 어떤 종류의 비즈니스 문제를 처리 할 수 있습니까?
ㅏ:LeanTaaS는 예측 분석, 최적화 알고리즘, 머신 러닝 및 시뮬레이션 방법을 사용하여 건강 시스템에서 부족한 자산의 용량을 잠금 해제하는 데 중점을두고 있습니다. 이는 건강 관리 고유의 높은 변동성으로 인해 어려운 문제입니다.
이 솔루션은 최전선이 매일 수백 가지의 실질적인 결정을 내릴 수있을 정도로 구체적인 권장 사항을 생성 할 수 있어야합니다. 직원은 필연적으로 환자 양, 혼합, 치료, 용량, 인력, 장비 등의 모든 변경 사항을 통해 얻은 방대한 양의 데이터를 처리 한 권장 사항에 기계가 도달했음을 확신해야합니다. 시간이 지남에 따라 발생합니다.
특정 약속을 예약해야하는 올바른 시간 슬롯에 스케줄러에게 지능적인 지침을 제공하는 솔루션을 고려하십시오. 기계 학습 알고리즘은 실제로 예약 된 약속 패턴과 권장되는 약속 패턴을 비교할 수 있습니다. 불일치는 자동 및 규모에 따라 "미스"를 고유 한 이벤트, 스케줄러 오류 또는 최적화 된 템플릿의 정렬이 어긋나 서 새로 고침이 필요한 지표로 분류 할 수 있습니다.
다른 예로서, 환자가 예정된 약속에 일찍, 정시에 또는 늦게 도착할 수있는 수십 가지 이유가있다. 도착 시간 패턴을 마이닝함으로써 알고리즘은 하루 중 시간과 특정 요일을 기준으로 시간 엄수 (또는 부족) 정도를 지속적으로 "학습"할 수 있습니다. 이것들은 최적의 약속 템플릿을 구체적으로 조정하는 데 통합되어 환자 약속과 관련된 실제 시스템에서 발생하는 피할 수없는 충격과 지연에 탄력적 일 수 있습니다.
