大數(shù)據(jù)和機(jī)器學(xué)習(xí)的結(jié)合可以釋放您已經(jīng)為業(yè)務(wù)贏得競(jìng)爭(zhēng)優(yōu)勢(shì)所必需的數(shù)據(jù)的價(jià)值。

[[327102]]

兩個(gè)機(jī)器學(xué)習(xí)(ML)模型構(gòu)建器的發(fā)布使得軟件工程師可以更容易地創(chuàng)建和運(yùn)行ML模型，即使沒有專門的培訓(xùn)。

微軟和亞馬遜網(wǎng)絡(luò)服務(wù)(AWS)的Gluon是一個(gè)開源項(xiàng)目，它消除了開發(fā)人工智能(AI)系統(tǒng)所需的一些艱巨的工作。它提供了訓(xùn)練算法和神經(jīng)網(wǎng)絡(luò)模型，這是深度學(xué)習(xí)系統(tǒng)的兩個(gè)重要組成部分，開發(fā)人員可以使用它們來開發(fā)自己的ML系統(tǒng)。

Google的ML引擎是其云平臺(tái)的一部分，是為開發(fā)人員提供的托管服務(wù)，用于構(gòu)建可處理任何類型、任何大小的數(shù)據(jù)的ML模型。與Gluon相似，Google的服務(wù)為開發(fā)人員提供了預(yù)先訓(xùn)練的模型，以生成自己的量身定制的ML模型。

現(xiàn)在是仔細(xì)研究ML的好時(shí)機(jī)，看看您如何將其應(yīng)用到您的業(yè)務(wù)中。大數(shù)據(jù)與機(jī)器學(xué)習(xí)的結(jié)合可以揭示可用于創(chuàng)建和改進(jìn)產(chǎn)品或在競(jìng)爭(zhēng)中獲得優(yōu)勢(shì)的模式，從而釋放您已經(jīng)擁有的數(shù)據(jù)的價(jià)值。

下面是企業(yè)將ML應(yīng)用到產(chǎn)品和服務(wù)創(chuàng)新的5種方式。

1. 自動(dòng)駕駛汽車

自動(dòng)駕駛汽車可以為運(yùn)輸帶來更安全，更清潔，更高效的未來。軟件開發(fā)人員使用ML和深度學(xué)習(xí)(DL)算法來增強(qiáng)計(jì)算機(jī)視覺，使車輛能夠以類似于人類決策的方式做出決策。

Drive.ai(https://www.drive.ai/)正在使用DL構(gòu)建自動(dòng)駕駛車輛的“大腦”。它的團(tuán)隊(duì)使用受管理的工作人員將非結(jié)構(gòu)化數(shù)據(jù)從原始圖像轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，使用邊界框注釋對(duì)象，如道路標(biāo)志、紅綠燈和行人。

這些豐富的圖像然后用于“教導(dǎo)”自治系統(tǒng)如何識(shí)別物體以及如何在道路上行駛時(shí)確定適當(dāng)?shù)捻憫?yīng)。

2. 寫作指導(dǎo)

教人們?nèi)绾螌懽魇呛茈y衡量的。即使對(duì)有經(jīng)驗(yàn)的高中教師和大學(xué)教授來說，復(fù)習(xí)書面作業(yè)并向每個(gè)班級(jí)的每個(gè)學(xué)生提供有意義的反饋也是一個(gè)挑戰(zhàn)。

Ecree使用ML為其自動(dòng)寫作評(píng)估軟件提供功能。當(dāng)學(xué)生提交論文時(shí)，算法會(huì)識(shí)別出學(xué)生是否包括論文陳述或目的陳述，然后評(píng)估該陳述的質(zhì)量。

該軟件使用36個(gè)指標(biāo)來評(píng)分學(xué)生的作業(yè)，并能在不到一分鐘的時(shí)間內(nèi)向?qū)W生提供反饋。學(xué)生可以提交任意數(shù)量的草稿，并得到實(shí)時(shí)寫作指導(dǎo)，學(xué)習(xí)優(yōu)秀寫作的要素：組織性、清晰性、支持性證據(jù)和分析。該工具還確保使用相同的標(biāo)準(zhǔn)對(duì)每個(gè)學(xué)生進(jìn)行同等的評(píng)估。

3. 物聯(lián)網(wǎng)和IIoT預(yù)測(cè)性維護(hù)

設(shè)備維護(hù)是將大量機(jī)械部署到現(xiàn)場(chǎng)的公司所面臨的眾多昂貴挑戰(zhàn)之一。物聯(lián)網(wǎng)(IoT)和工業(yè)物聯(lián)網(wǎng)(IIoT)在從燃油表到輪胎的日常物體上使用內(nèi)置傳感器，以收集數(shù)據(jù)并在網(wǎng)絡(luò)上共享。該系統(tǒng)使用ML分析溫度和濕度等數(shù)據(jù)，以預(yù)測(cè)性能和未來結(jié)果。

卡特彼勒(Caterpillar)是一家制造船舶動(dòng)力系統(tǒng)的公司，它使用物聯(lián)網(wǎng)和機(jī)器學(xué)習(xí)來發(fā)現(xiàn)設(shè)備和設(shè)備數(shù)據(jù)中的模式。在一個(gè)示例中，卡特彼勒(Caterpillar)識(shí)別出燃油表讀數(shù)與船上冷藏集裝箱使用的電量有關(guān)。他們使用該數(shù)據(jù)通過修改發(fā)電機(jī)輸出來優(yōu)化運(yùn)行參數(shù)。這樣，對(duì)于50艘船，每小時(shí)可節(jié)省30美元，或一年節(jié)省650,000美元。

4. 入庫物流計(jì)劃

物流計(jì)劃可確保合適的人在合適的時(shí)間在合適的地點(diǎn)收到合適數(shù)量的供應(yīng)品。入庫物流側(cè)重于供應(yīng)商及其向企業(yè)發(fā)送的商品的管理。這是管理訂單，運(yùn)輸，倉儲(chǔ)，庫存控制和使用的復(fù)雜過程。通過收集有關(guān)現(xiàn)有計(jì)劃的數(shù)據(jù)并將其輸入到ML模型中，企業(yè)可以預(yù)測(cè)并推薦未來的流程。

沃爾瑪使用ML來優(yōu)化業(yè)務(wù)效率。 其Retail Link 2.0系統(tǒng)使用在整個(gè)供應(yīng)鏈中流動(dòng)的信息來識(shí)別偏離其流程的信息，因此可以實(shí)時(shí)進(jìn)行調(diào)整。

汽車制造商本田使用機(jī)器學(xué)習(xí)來檢測(cè)裝配線以外的質(zhì)量問題，方法是在保修退回單的自由文本字段和機(jī)械師的報(bào)告中識(shí)別模式。

5. 零售商業(yè)

在商店或網(wǎng)上銷售產(chǎn)品的公司收集大數(shù)據(jù)已經(jīng)有一段時(shí)間了。他們收集有關(guān)消費(fèi)者、消費(fèi)習(xí)慣和偏好的人口統(tǒng)計(jì)數(shù)據(jù)。挑戰(zhàn)在于收集在線和離線數(shù)據(jù)，并識(shí)別數(shù)據(jù)中可能對(duì)定價(jià)、庫存、客戶體驗(yàn)和盈利能力產(chǎn)生積極影響的模式。

機(jī)器學(xué)習(xí)使零售商有可能發(fā)現(xiàn)數(shù)據(jù)中的模式，他們可以根據(jù)這些模式來影響客戶的品牌體驗(yàn)。電子商務(wù)零售商可以在購物者瀏覽和購買其網(wǎng)站上的商品時(shí)收集數(shù)據(jù)，然后利用這些信息和市場(chǎng)趨勢(shì)來提供個(gè)性化的產(chǎn)品推薦，從而增加銷量。

零售巨頭亞馬遜是最早根據(jù)購物者的瀏覽和購買歷史來實(shí)施個(gè)性化產(chǎn)品推薦的公司之一。ML支持該推薦引擎的各個(gè)方面，以及其數(shù)字語音助手亞馬遜的Alexa使用的自然語言處理功能。

奢侈品服裝零售商麗貝卡·明科夫(Rebecca Minkoff)利用Alexa快速從他們的數(shù)據(jù)中提取細(xì)節(jié)。在ShopTalk大會(huì)上，聯(lián)合創(chuàng)始人Uri Minkoff向Alexa詢問了該品牌春季系列中購買量最大的商品，并在一秒鐘內(nèi)得到了正確的回復(fù)。

一旦您決定在您的業(yè)務(wù)中使用ML和DL，您的數(shù)據(jù)就是要開采的黃金?？纯茨姆墙Y(jié)構(gòu)化和結(jié)構(gòu)化數(shù)據(jù)，ML模型可以使用這些數(shù)據(jù)將您的許多基本流程轉(zhuǎn)換為智能系統(tǒng)，以實(shí)現(xiàn)創(chuàng)新和競(jìng)爭(zhēng)優(yōu)勢(shì)。