摘要：?本文講述了3個針對機器學習的小技巧，相信對正在學習機器學習的朋友有所幫助

機器學習、自然語言處理(NLP)和認知搜索技術正以高速率被采用，這并不稀奇。隨著組織努力創造價值，增強客戶體驗，遵守嚴格的規定并使自己與競爭對手區分開來時，他們對知識型員工提出了非同尋常的要求。通常，他們需要的數據和知識是孤立的，分割的和斷裂的。很難在正確的時間顯示正確的信息并發現數據中的復雜模式。

一個精心設計的NLP、機器學習和搜索技術的結合，使這些組織能夠以前所未有的方式迎接挑戰并利用企業數據。這種技術有效地推動了一種新的信息獲取方式，它比以往任何時候都更快、更準確、更有思想。成功通過后，企業將獲得真正的信息驅動，從而優化每個員工和客戶體驗。這一轉變正在迅速成為新的競爭優勢，因為它重新定義了專業人士、企業和行業的運作方式——但企業如何成功采用這些技術？

1.結合用戶目標

為了推動這些類型的技術的采用，實現必須與每個用戶的個人需求保持一致。雖然看起來很明顯需要提取正確的數據以滿足特定的用戶需求，但數據也必須以一種直觀且及時的方式呈現，使其與用戶的目標相關聯。數據驅動的時代正在讓位于信息驅動的經濟，在這種經濟背景下，從數據中獲得有用的洞察力至關重要。滿足用戶需求意味著收集數據，以正確的方式豐富數據，并使用不僅是行業的行話，而且使用用戶組織的術語來進行語境化，并以一種結合用戶目標的方式呈現結果信息。

由于每個用戶的目標和需求會有所不同，因此不存在一成不變的局面。例如，在客戶服務領域，客戶服務代表（CSR）日益需要以知識為導向，以滿足甚至取悅客戶。同時，在制造業或藥物開發行業，研究人員需要成為專業人員，因為他們很容易與專家聯系。 這一切都始于信息驅動。

2.簡單地開始

對于組織來說，通過在企業數據中合并上下文來開始簡單的工作是很重要的。這使得知識工作者更容易找到并發現與當前任務相關的信息。合并上下文意味著在分散的存儲庫中的相關數據之間建立連接，并承認語言可以表達的所有不同方式，包括考慮首字母縮寫詞和同義詞。

在數據中，特別是非結構化數據，通過自然語言處理(NLP)和人工推理，可以增加更多的上下文。 這些由現代技術實現的技術可以豐富數據并建立有意義的連接。它減少了對非結構化數據的管理，更多的是關于如何利用它，并以更有價值的方式。對于組織來說，有各種各樣的選擇來追求信息驅動，而其中的一些選項應該會引起危險。例如，開源技術有自己動手的方法，組織只有在裝備成為軟件開發商店時才應該考慮。

3.將該技術投入到你的業務環境中

與將用戶沉浸在技術中相反，該技術應該投入到用戶的業務環境中。認知搜索等技術必須利用絕大多數企業數據源，包括所有類型的內部和外部數據，無論是內部部署還是云中。因此，該系統必須具有高度可擴展性。與像Salesforce這樣需要將數據加載或輸入到單個系統的軟件包相反，身臨其境的解決方案以安全且可擴展的方式利用分散存儲庫中的數據。這反過來又簡化了業務流程，使知識型員工可以將更少的時間花在日常工作上，而更多的時間專注于重要問題。

隨著組織根據自己的特定需求調整信息驅動方法，融入并簡單地開始將是成功的關鍵。通過在現有知識的基礎上學習并隨著時間的推移變得更加智能，這種轉變為組織在解決未來挑戰方面帶來了驚人的優勢。

本文由阿里云云棲社區組織翻譯。

文章原標題《3-tips-for-successfully-adopting-machine-learning-1》

作者：Scott Parker，高級產品營銷經理

譯者：董昭男，審校：。

原文鏈接

干貨好文，請關注掃描以下二維碼：

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的成功使用机器学习技术的3个技巧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。