콘텐츠
큐:
기계 학습이 명백한 비 효율성에서 어떻게 비즈니스에 새로운 효율성을 도입 할 수 있습니까?
에이:
머신 러닝 시스템의 가장 큰 응용 분야 중 하나는 비즈니스 프로세스 및 운영에 대한 중요한 효율성의 채굴입니다. 머신 러닝이 발전함에 따라이 분야는 여전히 호황을 누리고 있으며 공급 업체는 비즈니스 시나리오를 평가할 수있는 더 강력한 도구를 회사에 제공합니다.
일반적으로 머신 러닝은 더 넓은 범위의 가능성과 선택 사항을 검토함으로써 효율성을 제공 할 수 있으며, 그 중 일부는 얼굴에 비효율적으로 보일 수 있습니다. 훌륭한 예는 엔지니어가 단조 후 금속을 냉각시키는 것과 같은 방식으로 결과를 생성하는 알고리즘을 포함하는 시뮬레이션 어닐링이라는 프로세스입니다. 어떤 의미에서, 시스템은 데이터를 가져 와서 이러한 비효율적 인 경로 또는 결과를 조사하여 어떤 방식 으로든 결합, 변경 또는 조작 될 경우 실제로보다 효율적인 결과를 생성 할 수 있는지 여부를 찾습니다. 시뮬레이션 어닐링은 데이터 과학자가보다 효율적인 옵션을 근절 할 수있는 복잡한 모델을 만들 수있는 많은 방법 중 하나 일뿐입니다.
이러한 유형의 머신 러닝 기능을 생각하는 한 가지 방법은 최근 몇 년 동안 GPS 네비게이션 시스템이 어떻게 발전해 왔는지 살펴 보는 것입니다. 초기 세대의 GPS 내비게이션 시스템은 매우 기본적인 데이터 또는 현재 우리에게 매우 기본적인 데이터를 기반으로 가장 효율적인 경로를 사용자에게 제공 할 수 있습니다. 사용자는 고속도로, 통행료가없는 가장 빠른 경로 등을 사용하여 가장 빠른 경로를 찾을 수있었습니다. 그러나 운전자가 알게 된 것처럼 GPS는 도로 공사, 사고 등과 같은 문제를 이해하지 못했기 때문에 최적의 효율성이 없었습니다. 새로운 GPS 시스템에서는 알고리즘은보다 기본적인 시스템에 비효율적으로 보일 수있는 경로를 고려하고 있기 때문에 결과는 기계에 내장되며 GPS는 훨씬 더 효율적인 답변을 제공합니다. 기계는 학습을 통해 효율성을 밝힙니다. 이를 사용자에게 제공하고 결과적으로 훨씬 더 최적화 된 서비스를 제공합니다. 이것이 머신 러닝이 기업을 위해 할 수있는 일입니다. 분석 복잡성이 필요하더라도 최적의 효율적인 숨겨진 경로를 찾아서 효율성을 높일 수 있습니다. 최적의 결과를 제공하도록 설계된이 시스템은 디지털 비즈니스 인텔리전스 마이닝에만 사용되는 것이 아닙니다. 예를 들어 GE의 보고서는 머신 러닝 시스템을 사용하여 지역 사회에 전력을 제공하는 석탄 발전소의 운영을 어떻게 극적으로 개선 할 수 있는지 보여줍니다.