Машинное обучение для бизнеса: 12+ идей применения из будущего
Чтобы узнать, какие сферы бизнеса первыми ощутят пользу от машинного обучения и как усовершенствуются привычные процессы, мы провели интервью с Кириллом Левиным, генеральным директором компании NLABTEAM, ex. R&D инженером ГК «ЦРТ» — и человеком, занимающимся ML-разработкой с 1995 года.
Постоянно публикуются дилетантские статьи о применении ИИ во всех сферах жизни и бизнеса.
Объясняю просто на пальцах принцип работы нейронных сетей.
Создать саму сеть вообще не проблема и стоит небольших денег. НО, чтобы это работало, нужно эту сеть ОБУЧИТЬ на больших, а лучше на огромных наборах данных. Если данных для обучения мало, то высока вероятность ошибки.
Чтобы ИИ безошибочно анализировал резюме соискателей, сначала нужно загрузить в нейронку сто тысяч (а лучше миллион) резюме и по каждому заранее определить коэффициент (или процент) годности. Кто это сделает руками и за какое время?
Про доменные печи я вообще ржунимагу.
Ну читайте же специальную литературу по предмету, прежде чем что-то публиковать.
Alexandr, спасибо за комментарий. Да, для обучения нейросети данных нужно очень много.
Однако уже сегодня мы сталкиваемся с тем, что у компаний, обращающихся за разработкой решений на основе ML, данных более чем достаточно для обучения и запуска предсказательных моделей.
Нам приносят гигабайты данных, мы валидируем их — и, если видим, что на их основе можно разработать полезный для клиента IT-продукт, создаём, тестируем, внедряем и развиваем его.
Так, бизнес получает точные прогнозы важнейших для себя показателей и может отталкиваться от них при долгосрочном планировании. Как раз сейчас готовим кейс на эту тему, и скоро поделимся подробностями.
Что касается сценариев, рассмотренных в статье: не видим ничего плохого в том, чтобы яркими красками показать нашим читателям, как ИИ может помочь людям сделать мир лучше, удобнее, безопаснее. И мы говорим не только про бизнес-процессы.