想要发挥机器学习的商业价值我们应该从何入手？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-04-30
这些技术进步中有多少实际上已成为主流？
其中有多少是不必要的炒作？人工智能将如何影响工作？机器学习如何改变公司的商业模式？非常真实地描绘了机器学习如何适应当今的经济，关机器学习以及AI算法提供的预测的功能和限制的非常易于访问的高级概述，对于想了解创新成果以及他们如何创造技术融入更大经济的工程师和科学家来说，这也是一项非常有价值的研究，机器学习如何改变我们的工作方式的示例这是我的一些要点。
预测机的力量
关于人工智能，机器学习和其他相关术语的含义和区别存在许多误解，关于AI在人类层面的思考和理解方面的进步以及奇异点是否可以达到的问题，也有许多科学讨论，将AI的当前状态分解为一个非常简单的概念，尽管没有令人兴奋的概念，预测人工智能的新浪潮实际上并没有为我们带来情报，而是情报的关键组成部分-预测，机器学习算法的预测能力仍然是本书的核心概念，可以帮助我们理解其在各个层次上的作用。
预测机器书的封面
预测机器人工智能的简单经济学什么是预测？预测是填充缺失信息的过程，预测将获取您拥有的信息（通常称为“数据”），并使用它来生成您没有的信息，即使是在级的水平，大多数机器学习算法都是可以预测结果的数学模型，图像属于哪一类？将来股票的价值是多少？贷款申请人违约的概率是多少？某封电子邮件的可能答案是什么？随着这些预测变得更加细化和精确，它们可以为以前不可能或极其困难的应用提供支持，例如创建从未存在的人的真实照片或开发用于危险疾病的药物。
您会在媒体上听到很多东西
那就是机器学习及其流行的子集深度学习已经存在了数十年，但是为什么今天机器学习的预测能力变得如此重要呢？大多数专家会告诉您数据的可用性，更强大，更便宜的计算资源在过去几年中推动了深度学习的发展。
当某物的价格下跌时，我们会更多地使用它
这很简单而且现在正在AI中发生，这是计算和技术历史上一直存在的趋势，计算机降低了算术的价格，互联网减少了分发，通信和搜索的成本，机器学习降低了预测的成本，而以前这需要大量的人类认知工作和专业知识，将某物减少到纯成本的方式可以避免大肆宣传，尽管这无助于使的技术看起来令人兴奋，因此，就今天的AI而言，计算机仍然无法思考，因此思想不会变得便宜，但是预测变得非常便宜，这本身就是一个大问题。
机器学习将如何改变业务
廉价的预测将通过两种主要方式来改变组织的工作方式，低级别的预测机器可以减轻人们的预测任务，从而节省成本，这意味着放射线医生会在人工神经网络的帮助下检查更多的X射线片，帮助台操作员使用自然语言处理算法来响应更多的客户查询，并且借助机器学习算法预测库存物品的时间和数量，库存管理系统可以更有效地工作，但是在某个时候，预测机器可能变得如此准确和可靠，以至于改变了组织的工作方式。
当前使用机器学习算法来提出销售建议
例如电子商务巨头的平台使用聚类机器学习算法来显示我可能会感兴趣的其他书籍的列表，这些建议将使我说服我购买一本书而不是两本书，需要明确的是，建议是非常体面的，实际上经常在电商上搜索旧书以发现新的相关书名，但是在某些时候，预测将变得如此精确，以至于将导致公司业务模式的重大转变，目前使用先购物后发货的模式，您在电商上购买商品，公司会尽力将购买的商品尽快送到您家中。
先买后买是另一种商业模式
使用机器学习来预测您的需求，然后将其运送到您的家中，如果需要这些物品，则购买它们，如果不需要，则由公司承担退还费用，仅当预测准确性超过某个阈值以使其对亚马逊有利可图时，该模型才有效，机器学习和数据的价值，在学术界，大多数AI研究都集中在创建可以对已建立的数据集执行任务的算法，但是在实际应用中，获得正确的数据以训练和维护机器学习算法时，还有许多其他细微差别。
为机器学习算法处理数据的经济学带来了神秘化
预测机器依赖于数据，更多更好的数据可以带来更好的预测，从经济角度来讲，数据是预测的关键补充，随着预测变得越来越便宜，它变得越来越有价值，但是他们还强调，收集质量数据既昂贵又费时，而经营一家AI公司则需要在获取更多数据的利益与获取数据的成本之间进行权衡，统计学家和机器学习从业者都知道，数据的规模收益递减，当您在更多数据上训练机器学习算法时，准确性提高的速度会变慢，第三个数据点提供的信息比百分之一百多，后者又比百分之一有用。
是当您使用机器学习来开展业务时，情况会有所不同
因为从经济角度来看，重要的是从预测中获得的价值，因此如果更多的数据可以改善您的机器学习算法，从而使您在竞争者中脱颖而出，这可能是值得的投资，以收集可以增强其AI算法的数据，业务还必须了解，本质上拥有大量数据并不一定会让您处于开发强大的机器学习算法的正确位置，数据分为三类：训练，输入和反馈，您需要三者共同为您的业务开发和维护高效的机器学习模型。
拥有大量历史销售记录可能会为预测销售数字的机器学习模型构成一个很好的培训数据集
但是要不断提高模型的性能，还需要捕获新数据（输入）并将新的预测与实际客户行为（反馈）进行比较的方法，除了技术性之外，这还需要一种业务策略，数据和预测机器是补充，因此除非有足够的数据来供应或开发AI，否则其价值有限，如果这些数据与其他人在一起，则需要一种策略来获取它，如果数据驻留在或垄断提供商的手中，那么您可能会面临使该提供商占用您AI的全部价值的风险，如果数据归竞争对手所有，则可能没有任何策略值得从竞争对手那里获取，如果数据归消费者所有，则可以交换数据以换取更好的产品或更高质量的服务。
预测与判断之间的区别
机器学习机器人，讨论的另一个关键主题是在预测和判断之间划清界限，在AI和人类之间分工，预测不是决定，做出决定需要对预测做出判断，然后采取行动，这是至关重要的一点，对于每个业务来说，重要的是要了解机器学习算法的潜力，同时也要认识到它们的缺点以及需要依靠人工智能和决策的地方，随着机器预测逐渐取代人类做出的预测，人类预测的价值将下降，但是关键是，尽管预测是任何决策的关键组成部分，但它并不是的组成部分，目前决策的其他要素（判断，数据和行动）始终牢牢地存在于人类领域，它们是对预测的补充，这意味着随着预测变得便宜，它们的价值也会增加。
判断是一项复杂的任务
通常需要常识和对世界的了解，这是机器学习算法当前难以解决的两个领域，在许多情况下，人类必须判断和决定跨越短期和长期的多个目标，他们必须评估动态情况并评估权衡，但是在不太复杂的环境中，可以通过奖励功能工程或硬编码规则的实施来自动进行判断和决策，在这些领域中，诸如强化学习之类的AI分支可能能够完全自动化任务。
了解机器学习业务模型
其中有多少是不必要的炒作？人工智能将如何影响工作？机器学习如何改变公司的商业模式？非常真实地描绘了机器学习如何适应当今的经济，关机器学习以及AI算法提供的预测的功能和限制的非常易于访问的高级概述，对于想了解创新成果以及他们如何创造技术融入更大经济的工程师和科学家来说，这也是一项非常有价值的研究，机器学习如何改变我们的工作方式的示例这是我的一些要点。
预测机的力量
关于人工智能，机器学习和其他相关术语的含义和区别存在许多误解，关于AI在人类层面的思考和理解方面的进步以及奇异点是否可以达到的问题，也有许多科学讨论，将AI的当前状态分解为一个非常简单的概念，尽管没有令人兴奋的概念，预测人工智能的新浪潮实际上并没有为我们带来情报，而是情报的关键组成部分-预测，机器学习算法的预测能力仍然是本书的核心概念，可以帮助我们理解其在各个层次上的作用。
预测机器书的封面
预测机器人工智能的简单经济学什么是预测？预测是填充缺失信息的过程，预测将获取您拥有的信息（通常称为“数据”），并使用它来生成您没有的信息，即使是在级的水平，大多数机器学习算法都是可以预测结果的数学模型，图像属于哪一类？将来股票的价值是多少？贷款申请人违约的概率是多少？某封电子邮件的可能答案是什么？随着这些预测变得更加细化和精确，它们可以为以前不可能或极其困难的应用提供支持，例如创建从未存在的人的真实照片或开发用于危险疾病的药物。
您会在媒体上听到很多东西
那就是机器学习及其流行的子集深度学习已经存在了数十年，但是为什么今天机器学习的预测能力变得如此重要呢？大多数专家会告诉您数据的可用性，更强大，更便宜的计算资源在过去几年中推动了深度学习的发展。
当某物的价格下跌时，我们会更多地使用它
这很简单而且现在正在AI中发生，这是计算和技术历史上一直存在的趋势，计算机降低了算术的价格，互联网减少了分发，通信和搜索的成本，机器学习降低了预测的成本，而以前这需要大量的人类认知工作和专业知识，将某物减少到纯成本的方式可以避免大肆宣传，尽管这无助于使的技术看起来令人兴奋，因此，就今天的AI而言，计算机仍然无法思考，因此思想不会变得便宜，但是预测变得非常便宜，这本身就是一个大问题。
机器学习将如何改变业务
廉价的预测将通过两种主要方式来改变组织的工作方式，低级别的预测机器可以减轻人们的预测任务，从而节省成本，这意味着放射线医生会在人工神经网络的帮助下检查更多的X射线片，帮助台操作员使用自然语言处理算法来响应更多的客户查询，并且借助机器学习算法预测库存物品的时间和数量，库存管理系统可以更有效地工作，但是在某个时候，预测机器可能变得如此准确和可靠，以至于改变了组织的工作方式。
当前使用机器学习算法来提出销售建议
例如电子商务巨头的平台使用聚类机器学习算法来显示我可能会感兴趣的其他书籍的列表，这些建议将使我说服我购买一本书而不是两本书，需要明确的是，建议是非常体面的，实际上经常在电商上搜索旧书以发现新的相关书名，但是在某些时候，预测将变得如此精确，以至于将导致公司业务模式的重大转变，目前使用先购物后发货的模式，您在电商上购买商品，公司会尽力将购买的商品尽快送到您家中。
先买后买是另一种商业模式
使用机器学习来预测您的需求，然后将其运送到您的家中，如果需要这些物品，则购买它们，如果不需要，则由公司承担退还费用，仅当预测准确性超过某个阈值以使其对亚马逊有利可图时，该模型才有效，机器学习和数据的价值，在学术界，大多数AI研究都集中在创建可以对已建立的数据集执行任务的算法，但是在实际应用中，获得正确的数据以训练和维护机器学习算法时，还有许多其他细微差别。
为机器学习算法处理数据的经济学带来了神秘化
预测机器依赖于数据，更多更好的数据可以带来更好的预测，从经济角度来讲，数据是预测的关键补充，随着预测变得越来越便宜，它变得越来越有价值，但是他们还强调，收集质量数据既昂贵又费时，而经营一家AI公司则需要在获取更多数据的利益与获取数据的成本之间进行权衡，统计学家和机器学习从业者都知道，数据的规模收益递减，当您在更多数据上训练机器学习算法时，准确性提高的速度会变慢，第三个数据点提供的信息比百分之一百多，后者又比百分之一有用。
是当您使用机器学习来开展业务时，情况会有所不同
因为从经济角度来看，重要的是从预测中获得的价值，因此如果更多的数据可以改善您的机器学习算法，从而使您在竞争者中脱颖而出，这可能是值得的投资，以收集可以增强其AI算法的数据，业务还必须了解，本质上拥有大量数据并不一定会让您处于开发强大的机器学习算法的正确位置，数据分为三类：训练，输入和反馈，您需要三者共同为您的业务开发和维护高效的机器学习模型。
拥有大量历史销售记录可能会为预测销售数字的机器学习模型构成一个很好的培训数据集
但是要不断提高模型的性能，还需要捕获新数据（输入）并将新的预测与实际客户行为（反馈）进行比较的方法，除了技术性之外，这还需要一种业务策略，数据和预测机器是补充，因此除非有足够的数据来供应或开发AI，否则其价值有限，如果这些数据与其他人在一起，则需要一种策略来获取它，如果数据驻留在或垄断提供商的手中，那么您可能会面临使该提供商占用您AI的全部价值的风险，如果数据归竞争对手所有，则可能没有任何策略值得从竞争对手那里获取，如果数据归消费者所有，则可以交换数据以换取更好的产品或更高质量的服务。
预测与判断之间的区别
机器学习机器人，讨论的另一个关键主题是在预测和判断之间划清界限，在AI和人类之间分工，预测不是决定，做出决定需要对预测做出判断，然后采取行动，这是至关重要的一点，对于每个业务来说，重要的是要了解机器学习算法的潜力，同时也要认识到它们的缺点以及需要依靠人工智能和决策的地方，随着机器预测逐渐取代人类做出的预测，人类预测的价值将下降，但是关键是，尽管预测是任何决策的关键组成部分，但它并不是的组成部分，目前决策的其他要素（判断，数据和行动）始终牢牢地存在于人类领域，它们是对预测的补充，这意味着随着预测变得便宜，它们的价值也会增加。
判断是一项复杂的任务
通常需要常识和对世界的了解，这是机器学习算法当前难以解决的两个领域，在许多情况下，人类必须判断和决定跨越短期和长期的多个目标，他们必须评估动态情况并评估权衡，但是在不太复杂的环境中，可以通过奖励功能工程或硬编码规则的实施来自动进行判断和决策，在这些领域中，诸如强化学习之类的AI分支可能能够完全自动化任务。
了解机器学习业务模型
如果强调了一件事情，那就是运营AI业务的根本差异和挑战，许多公司和业务都具有经典软件开发和业务的背景，他们需要适应管理机器学习模型的开发和维护的规则，并管理随之而来的独特风险，那些适应人工智能业务的人必将获得丰厚的回报，那些没有的人会感到非常惊讶。
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
