Gartner: к 2019 году глубинному обучению не будет равных в прогнозировании спроса, распознавании мошенничеств и предсказании сбоев

17:43 08.10.2017

|   725 прочтений



Даже если специалисты компании не имеют опыта разработки алгоритмов, эксперименты в области машинного обучения можно начинать, пользуясь готовыми инструментами и API, отмечают аналитики.

 

Аналитики Gartner уверены, что уже к 2019 году глубинное обучение станет основой лучших в своем классе систем прогнозирования спроса, распознавания мошенничеств и предсказания отказов. В числе перспективных применений глубинного обучения в компании называют интерпретацию медицинских снимков для ранней диагностики рака, восстановление зрения слабовидящих, управление робомобилями и понимание речи.

В Gartner приводят примеры успешного применения глубинного обучения: сервисы преобразования речи в текст Baidu сегодня справляются с этой задачей лучше людей, в PayPal глубинное обучение показало превосходство перед другими методами блокировки мошеннических платежей, позволив вдвое снизить число ложных срабатываний, а в Amazon именно глубинное обучение позволяет выдавать лучшие рекомендации по покупкам.

 


«Технологии машинного обучения. Искусственный интеллект и нейросети: инструменты и опыт реальных проектов».

Практическая конференция. Реальные кейсы по внедрению машинного интеллекта в 12 отраслях с результатами. Прокачайте свои навыки в сфере машинного обучения, когнитивных вычислений и работы с большими данными. Проанализируйте практический опыт уже реализуемых проектов. Оцените инструменты и платформы работы с нейросетями.
25 сентября, Москва.
Узнайте подробности!

Пока что глубинное обучение чаще применяется для обработки изображений, текста и звука, но растет и использование для прогнозирования спроса, выявления недостатков качества услуг и брака изделий, распознавания новых видов мошенничества, аналитики потоков данных и профилактического техобслуживания.

В Gartner прогнозируют, что уже к 2018 году 80% специалистов по данным будут иметь средства глубинного обучения в своем инструментарии. При этом даже если специалисты организации не имеют опыта разработки алгоритмов, эксперименты в области машинного обучения можно начинать, пользуясь готовыми приложениями или интерфейсами программирования, отмечают в Gartner.

Начать освоение машинного обучения аналитики советуют с простого — данных из часто используемых отчетов, например, о заказах по регионам; прогноз количества заказов на следующий месяц позволит продемонстрировать возможности новшества бизнесу.

Среди ограничений машинного обучения аналитики называют неспособность нейронной сети оценить, являются ли принимаемые ею решения этичными.


Теги: Data Science Gartner Машинное обучение Глубинное обучение
На ту же тему: