Pembelajaran Mesin: Nilai untuk Bisnis

[ad_1]

Algoritme pembelajaran mesin (ML) memungkinkan komputer untuk menentukan dan menerapkan aturan yang tidak dijelaskan secara eksplisit oleh pengembang.

Ada banyak artikel yang dikhususkan untuk algoritma pembelajaran mesin. Berikut ini adalah upaya untuk membuat deskripsi “pertunjukan helikopter” tentang bagaimana algoritma ini dapat diterapkan di berbagai bidang pekerjaan. Daftar ini, tentu saja, tidak lengkap.

Poin pertama adalah bahwa algoritme ML dapat membantu orang dengan membantu mereka menemukan pola atau dependensi yang tidak dilihat manusia.

Peramalan digital tampaknya menjadi area paling populer di sini. Untuk waktu yang lama, komputer telah secara aktif digunakan untuk memprediksi perilaku pasar keuangan. Sebagian besar model dikembangkan sebelum tahun 1980-an, ketika pasar keuangan memperoleh kekuatan komputasi yang cukup. Kemudian teknologi ini menyebar ke industri lain. Karena daya komputasi sekarang murah, dapat digunakan bahkan oleh usaha kecil untuk semua jenis peramalan, seperti lalu lintas (orang, mobil, pengguna), peramalan penjualan, dan banyak lagi.

Algoritme deteksi anomali membantu orang memeriksa banyak data dan memutuskan kasus mana yang akan diperiksa sebagai anomali. Di bidang keuangan mereka dapat mengidentifikasi transaksi penipuan. Dalam pemantauan infrastruktur, mereka memungkinkan untuk mengidentifikasi masalah sebelum memengaruhi bisnis. Ini digunakan dalam kontrol kualitas manufaktur.

Ide utamanya di sini adalah Anda tidak perlu mendeskripsikan setiap jenis anomali. Anda memberikan daftar besar status berbeda yang diketahui (set pembelajaran) sistem dan sistem menggunakannya untuk mengidentifikasi anomali.

Algoritma pengelompokan objek memungkinkan sejumlah besar data untuk diagregasi menggunakan berbagai kriteria yang bermakna. Seorang pria tidak dapat bekerja secara efisien dengan lebih dari beberapa ratus hal dengan banyak parameter. Mesin dapat melakukan pengelompokan dengan lebih efisien, misalnya, untuk mengkualifikasi pelanggan/prospek, mensegmentasikan daftar produk, mengklasifikasikan kasus dukungan pelanggan, dll.

Rekomendasi/preferensi/algoritma prediksi perilaku memberi kami kesempatan untuk lebih efisien dalam berinteraksi dengan pelanggan atau pengguna dengan memberikan apa yang mereka butuhkan, bahkan jika mereka tidak memikirkannya sebelumnya. Sistem rekomendasi bekerja sangat buruk di sebagian besar layanan sekarang, tetapi sektor ini akan segera ditingkatkan dengan sangat cepat.

Poin kedua adalah bahwa algoritma pembelajaran mesin dapat menggantikan orang. Sistem menganalisis tindakan orang, membangun aturan berdasarkan informasi ini (yaitu belajar dari orang) dan menerapkan aturan tersebut dengan bertindak alih-alih orang.

Pertama-tama, ini menyangkut semua jenis pengambilan keputusan standar. Ada banyak kegiatan yang memerlukan prosedur standar dalam situasi standar. Orang membuat beberapa “keputusan normatif” dan meningkatkan masalah non-normatif. Tidak ada alasan mengapa mesin tidak dapat melakukan ini: pemrosesan dokumen, panggilan dingin, pembukuan, dukungan pelanggan lini pertama, dll.

Dan sekali lagi, keuntungan utama di sini adalah bahwa ML tidak memerlukan definisi aturan yang eksplisit. Itu “belajar” dari kasus-kasus, yang sudah dipecahkan oleh orang-orang dalam pekerjaan mereka, dan membuat proses belajar lebih murah. Sistem ini akan menghemat banyak uang bagi pemilik bisnis, tetapi banyak orang akan kehilangan pekerjaan.

Area bermanfaat lainnya adalah semua jenis pengumpulan data/pengikisan web. Google tahu banyak. Tetapi ketika Anda perlu mendapatkan beberapa informasi terstruktur yang dikumpulkan dari web, Anda masih perlu meminta seseorang untuk melakukannya (dan ada kemungkinan hasilnya tidak terlalu bagus). Pengumpulan, penataan, dan validasi informasi berdasarkan preferensi dan persyaratan Anda akan otomatis berkat ML. Analisis kualitatif terhadap informasi akan terus dilakukan oleh masyarakat.

Akhirnya, semua metode ini dapat digunakan di hampir semua industri. Kita harus memperhitungkannya ketika meramalkan masa depan pasar tertentu dan masyarakat kita pada umumnya.

Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button
Close
Close