簡介：

大數(shù)據(jù)和機器學習的結合可以釋放您已經(jīng)為業(yè)務贏得競爭優(yōu)勢所必需的數(shù)據(jù)的價值。

原文鏈接：點擊這里

兩個機器學習（ML）模型構建器的發(fā)布使得軟件工程師可以更容易地創(chuàng)建和運行ML模型，即使沒有專門的培訓。

微軟和亞馬遜網(wǎng)絡服務（AWS）的Gluon是一個開源項目，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。它提供了訓練算法和神經(jīng)網(wǎng)絡模型，這是深度學習系統(tǒng)的兩個重要組成部分，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引擎是其云平臺的一部分，是為開發(fā)人員提供的托管服務，用于構建可處理任何類型、任何大小的數(shù)據(jù)的ML模型。與Gluon相似，Google的服務為開發(fā)人員提供了預先訓練的模型，以生成自己的量身定制的ML模型。

現(xiàn)在是仔細研究ML的好時機，看看您如何將其應用到您的業(yè)務中。大數(shù)據(jù)與機器學習的結合可以揭示可用于創(chuàng)建和改進產品或在競爭中獲得優(yōu)勢的模式，從而釋放您已經(jīng)擁有的數(shù)據(jù)的價值。

下面企業(yè)將ML應用到產品和服務創(chuàng)新的5種方式。

1.自動駕駛汽車

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

**Drive.ai）正在使用DL構建自動駕駛車輛的“大腦”。它的團隊使用受管理的工作人員將非結構化數(shù)據(jù)從原始圖像轉換為結構化數(shù)據(jù)，使用邊界框注釋對象，如道路標志、紅綠燈和行人。

這些豐富的圖像然后用于“教導”自治系統(tǒng)如何識別物體以及如何在道路上行駛時確定適當?shù)捻憫?/p>

2.寫作指導

教人們如何寫作是很難衡量的。即使對有經(jīng)驗的高中教師和大學教授來說，復習書面作業(yè)并向每個班級的每個學生提供有意義的反饋也是一個挑戰(zhàn)。

Ecree使用ML為其自動寫作評估軟件提供功能。當學生提交論文時，算法會識別出學生是否包括論文陳述或目的陳述，然后評估該陳述的質量。

該軟件使用36個指標來評分學生的作業(yè)，并能在不到一分鐘的時間內向學生提供反饋。學生可以提交任意數(shù)量的草稿，并得到實時寫作指導，學習優(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準對每個學生進行同等的評估。

3.物聯(lián)網(wǎng)和IIoT預測性維護

設備維護是將大量機械部署到現(xiàn)場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置傳感器，以收集數(shù)據(jù)并在網(wǎng)絡上共享。該系統(tǒng)使用ML分析溫度和濕度等數(shù)據(jù)，以預測性能和未來結果。

卡特彼勒（Caterpillar）是一家制造船舶動力系統(tǒng)的公司，它使用物聯(lián)網(wǎng)和機器學習來發(fā)現(xiàn)設備和設備數(shù)據(jù)中的模式。在一個示例中，卡特彼勒（Caterpillar）識別出燃油表讀數(shù)與船上冷藏集裝箱使用的電量有關。他們使用該數(shù)據(jù)通過修改發(fā)電機輸出來優(yōu)化運行參數(shù)。這樣，對于50艘船，每小時可節(jié)省30美元，或一年節(jié)省650,000美元。

4.入庫物流計劃

物流計劃可確保合適的人在合適的時間在合適的地點收到合適數(shù)量的供應品。入庫物流側重于供應商及其向企業(yè)發(fā)送的商品的管理。這是管理訂單，運輸，倉儲，庫存控制和使用的復雜過程。通過收集有關現(xiàn)有計劃的數(shù)據(jù)并將其輸入到ML模型中，企業(yè)可以預測并推薦未來的流程。

沃爾瑪使用ML來優(yōu)化業(yè)務效率。 其Retail Link 2.0系統(tǒng)使用在整個供應鏈中流動的信息來識別偏離其流程的信息，因此可以實時進行調整。

汽車制造商本田使用機器學習來檢測裝配線以外的質量問題，方法是在保修退回單的自由文本字段和機械師的報告中識別模式。

5.零售商業(yè)

在商店或網(wǎng)上銷售產品的公司收集大數(shù)據(jù)已經(jīng)有一段時間了。他們收集有關消費者、消費習慣和偏好的人口統(tǒng)計數(shù)據(jù)。挑戰(zhàn)在于收集在線和離線數(shù)據(jù)，并識別數(shù)據(jù)中可能對定價、庫存、客戶體驗和盈利能力產生積極影響的模式。

機器學習使零售商有可能發(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。電子商務零售商可以在購物者瀏覽和購買其網(wǎng)站上的商品時收集數(shù)據(jù)，然后利用這些信息和市場趨勢來提供個性化的產品推薦，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施個性化產品推薦的公司之一。ML支持該推薦引擎的各個方面，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)中提取細節(jié)。在ShopTalk大會上，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，并在一秒鐘內得到了正確的回復。

一旦您決定在您的業(yè)務中使用ML和DL，您的數(shù)據(jù)就是要開采的黃金。看看您的非結構化和結構化數(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換為智能系統(tǒng)，以實現(xiàn)創(chuàng)新和競爭優(yōu)勢。

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的5个杰出的商业机器学习用例的全部內容，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(wǎng)站內容還不錯，歡迎將生活随笔推薦給好友。