Wat Machine Learning voor uw bedrijf kan betekenen
Van marketing tot klantenservice vinden bedrijven manieren om machinaal leren te gebruiken om de activiteiten te stroomlijnen. Het is ook een sterke aanwezigheid in ons dagelijks leven geworden - gezichtsherkenningssoftware, zoekmachines en zelfs Netflix maken allemaal gebruik van machine learning om de ervaring van een klant aan te passen. Natuurlijk zullen Luddites geen nieuwe manieren bedenken om machinaal leren te gebruiken om hun bedrijf te verbeteren. Maar er zijn verschillende manieren waarop bedrijven kunnen profiteren van machine learning die al bestaat.
Wat is machine learning?
In essentie gebeurt machine learning wanneer een kunstmatige intelligentie (AI) -programma gegevens kan analyseren en nieuwe conclusies kan trekken die niet waren eerder geprogrammeerd. Of deze conclusies nu bestaan uit het afronden van een taak, het beantwoorden van een vraag of het voltooien van een actie, ze vormen een vorm van leren. Matt Michelson is de hoofdwetenschapper voor InferLink Corp., een onderzoek en ontwikkelingsfirma die contracten met overheidscontracten behandelt die zijn toegespitst op de ontwikkeling van AI en machine learning. Voor zijn team kan machinaal leren worden gebruikt om alledaagse taken te automatiseren, zoals het invoeren van gegevens.
"U kunt mogelijk een algoritme laten herhalen wat iemand al doet, maar dan op de schaal van een computer," zei hij in een e-mail. "Iemand kan papieren bonnen nemen, deze scannen en vervolgens de waarden in een spreadsheet invoeren, in plaats daarvan zou een algoritme kunnen leren om de waarden uit de gescande bonnen te halen en het zelf in te voeren, op een schaal die geen mens zou kunnen, en het bevrijdt die persoon om iets anders te doen dat meer geestintensief is. "
Naast het automatiseren van bepaalde processen, zei Michelson dat machine learning een menselijke taak kan repliceren en een nieuwe conclusie kan bereiken, in plaats van alleen die taak efficiënter te maken. "In Evid Science lezen en begrijpen onze algoritmen de medische literatuur en kunnen ze manieren vinden om medische therapieën te vergelijken die mensen nog niet eerder hebben gedaan. In dit geval gaat het niet echt om efficiëntie, maar om het feit dat het onmogelijk voor een mens om zoveel inhoud te lezen en het allemaal te begrijpen, "zei hij.
Door deze twee lenzen kan machine learning de manier waarop uw bedrijf werkt veranderen. De methode achter het bereiken van dit doel is echter gecompliceerder.
Hoe het werkt
Machine learning omvat twee belangrijke onderscheidingen: gesuperviseerd en niet-gecontroleerd leren. Volgens AI Horizon ligt het verschil tussen deze twee soorten leren met de informatie die de machine heeft over de gegevens. Bij gesuperviseerd leren kan een programmeur op basis van een gewenste uitkomst aangeven welke gegevens goed en fout zijn.
Michelson omschrijft verder gesuperviseerd leren als "uw algoritme geeft steeds meer voorbeelden van wat u wilt dat het doet". het maakt foto's en zegt voor een app foto's van gebouwen versus niet-gebouwen. "
In onbewaakt leren, labelt een programmeur geen gegevens en moet de machine in plaats daarvan zoveel mogelijk informatie verzamelen, analyseren en kiezen. beste optie. Michelson koppelde dit soort leren aan het analyseren van grote hoeveelheden gegevens.
"Het [leren] kan komen omdat uw algoritme toegang heeft tot meer en meer gegevens, hoewel geen voorbeelden, in de loop van de tijd, bijvoorbeeld door beoordelingen van producten of simpelweg [met] meer toegang tot volumes en volumes tekst", zei hij.
Er zijn andere vormen van leren en verschillende classificaties voor hen, zoals semi-supervised leren, beslisbomen of versterkt leren, maar de twee gedefinieerde typen bieden een beetje achtergrondinformatie over twee hoofdtypen van machine learning.
Het verschil tussen AI en machine learning
Deze twee termen worden bijna door elkaar gebruikt door bedrijfseigenaren, maar er is een klein verschil tussen AI en machine learning technologie. Machinaal leren verwijst specifiek naar het vermogen van een machine om zelfstandig te leren, terwijl AI meer een overkoepelende term is die verwijst naar de autonomie van een programma bij het voltooien van een taak.
Hoe wordt het gebruikt in het bedrijfsleven?
Er zijn veel manieren waarop machine learning heeft zijn weg naar het bedrijfsleven gevonden. Als een technologie die van veld veranderd is, van marketing tot cybersecurity, hebben sommige bedrijven de kracht aangewend die technologie als machine learning kan bieden.
Marketing
Een van de gebieden waarop machine learning begint te bloeien, is reclame. Door gebruikersgegevens te verzamelen en te analyseren, kunnen advertentiebedrijven berichten optimaliseren en deze direct afstemmen op verschillende consumentenbases. Scott Teger, die platformactiviteiten en analyses voor het reclamebureau Mundo Media uitvoert, zei dat het optimaliseren van advertenties vrijwel onmogelijk zou zijn zonder machine learning.
"Ik werk in digitale advertenties," zei Teger, "en met zoveel van de wereld dingen online doen, zou de enorme taak om reclame te optimaliseren bijna onmogelijk zijn zonder AI. AI helpt met alles, van fraude, advertentiekwaliteit tot klantensucces enzovoort. "
Een ander aspect van machinaal leren in reclame is het omgaan met fraude. Teger zei dat Mundo Media net zoveel tijd besteedt aan het bouwen van fraudebestrijdingsmaatregelen als aan het bouwen van technologie.
"We gaan een tijdperk in waarin bots productief en zelfs geavanceerder zijn." Zonder machinaal leren zou het een enorme taak zijn om snel en correct identificeren van echte mensen versus bots die zijn ontworpen om zich als echte mensen te gedragen, "zei Teger. "Dit ... beïnvloedt iedereen in de keten, omdat het de marketingkosten voor adverteerders en merken kunstmatig verhoogt, waardoor de kosten van producten voor de consument dunner worden."
Klantenservice
Klantenservice heeft een explosie van machine learning gezien en AI-technologie. Diensten, waaronder chatbots en geautomatiseerde assistentie, zijn ontwikkeld en aangeboden aan bedrijven om klantenserviceproblemen te vereenvoudigen.
Artificial Solutions is het moederbedrijf van Teneo, een programma dat bedrijven een AI-klantenservice biedt. Andy Peart, chief marketing officer voor Artificial Solutions, zei dat machine learning een grote invloed heeft gehad op het vermogen van een bedrijf om klantenserviceproblemen gemakkelijker te maken.
"De klantenservice is te lang gedegradeerd tot een formele vraag - en -een scenario dat de klant zelden tevreden laat en vaak het probleem niet oplost, "zei Peart. "Gemeenschappelijk voor marketeers en groeiend in de prevalentie zijn intelligente conversationele chatbots."
Dankzij deze chatbots konden bedrijven kosten besparen en routinematige query's van klanten afhandelen.
Beveiliging
Een andere manier waarop machine learning door bedrijven wordt gebruikt, is door fraude op te sporen. Riskified is een bedrijf voor fraudepreventie, dat transacties evalueert en bepaalt of het frauduleus is. Stephen Fidgeon, directeur communicatie voor het bedrijf, zei dat Riskified algoritmen gebruikt om gegevens te analyseren. <"Door onze algoritmen enorme hoeveelheden gegevens te leveren, kunnen we fraude direct vaststellen", schreef Fidgeon in een e-mail. "Fraudeurs zijn geavanceerd en evolueren voortdurend, ze delen tactieken en successen, dus legacy-oplossingen die op een reeks regels zijn gericht, zijn gemakkelijk te slim af." De aard van machinaal leren betekent dat we met hen mee kunnen evolueren en de nieuwste tactieken voor kunnen blijven . "
Dit is een gebied waar machine learning is gebruikt om verschillende bedrijven te beschermen. Verhoogde beveiliging is een ander voorbeeld van hoe machine learning een probleem voor kan zijn en het kan stoppen voordat het een bedrijf pijn doet.
Bottom line
Er zijn veel andere manieren waarop machine learning nuttig kan zijn, naast wat we hebben hier aanraakte. Machine learning en AI hebben een sterke positie in de bedrijfswereld gecreëerd. Naarmate de branche zich verder uitbreidt, kan het de moeite waard zijn om na te denken over hoe machine learning of AI van invloed kunnen zijn op uw eigen bedrijf.
Outsourcing en Temps zorgen voor gemopperde werknemers
Een toename van uitbesteding, inhuur van uitzendkrachten en gericht op projectgestuurde teams is een afname van de tevredenheid onder werknemers in de Verenigde Staten en biedt waarschijnlijk langdurige problemen voor werkgevers, zo blijkt uit een nieuwe studie. De tevredenheid van een werknemer over zijn of haar werk werk is belangrijk omdat het de loyaliteit van medewerkers, efficiëntie op de werkplek en kwaliteit van leven beïnvloedt.
5 Tips voor het meten van medewerkersbetrokkenheid
Elke werkgever heeft de woorden 'werknemersbetrokkenheid' gehoord, maar begrijpen de meeste managers echt wat het betekent? Wat nog belangrijker is, weten ze hoe ze het moeten meten? Betrokkenheid van werknemers is belangrijk omdat betrokken medewerkers doorgaans productiever zijn, meer energie hebben en creatiever zijn.
Matt Michelson is de hoofdwetenschapper voor InferLink Corp., een onderzoek en ontwikkelingsfirma die contracten met overheidscontracten behandelt die zijn toegespitst op de ontwikkeling van AI en machine learning. Voor zijn team kan machinaal leren worden gebruikt om alledaagse taken te automatiseren, zoals het invoeren van gegevens.
"U kunt mogelijk een algoritme laten herhalen wat iemand al doet, maar dan op de schaal van een computer," zei hij in een e-mail. "Iemand kan papieren bonnen nemen, deze scannen en vervolgens de waarden in een spreadsheet invoeren, in plaats daarvan zou een algoritme kunnen leren om de waarden uit de gescande bonnen te halen en het zelf in te voeren, op een schaal die geen mens zou kunnen, en het bevrijdt die persoon om iets anders te doen dat meer geestintensief is. "
Naast het automatiseren van bepaalde processen, zei Michelson dat machine learning een menselijke taak kan repliceren en een nieuwe conclusie kan bereiken, in plaats van alleen die taak efficiënter te maken. "In Evid Science lezen en begrijpen onze algoritmen de medische literatuur en kunnen ze manieren vinden om medische therapieën te vergelijken die mensen nog niet eerder hebben gedaan. In dit geval gaat het niet echt om efficiëntie, maar om het feit dat het onmogelijk voor een mens om zoveel inhoud te lezen en het allemaal te begrijpen, "zei hij.
Door deze twee lenzen kan machine learning de manier waarop uw bedrijf werkt veranderen. De methode achter het bereiken van dit doel is echter gecompliceerder.
Hoe het werkt
Machine learning omvat twee belangrijke onderscheidingen: gesuperviseerd en niet-gecontroleerd leren. Volgens AI Horizon ligt het verschil tussen deze twee soorten leren met de informatie die de machine heeft over de gegevens. Bij gesuperviseerd leren kan een programmeur op basis van een gewenste uitkomst aangeven welke gegevens goed en fout zijn.
Michelson omschrijft verder gesuperviseerd leren als "uw algoritme geeft steeds meer voorbeelden van wat u wilt dat het doet". het maakt foto's en zegt voor een app foto's van gebouwen versus niet-gebouwen. "
In onbewaakt leren, labelt een programmeur geen gegevens en moet de machine in plaats daarvan zoveel mogelijk informatie verzamelen, analyseren en kiezen. beste optie. Michelson koppelde dit soort leren aan het analyseren van grote hoeveelheden gegevens.
"Het [leren] kan komen omdat uw algoritme toegang heeft tot meer en meer gegevens, hoewel geen voorbeelden, in de loop van de tijd, bijvoorbeeld door beoordelingen van producten of simpelweg [met] meer toegang tot volumes en volumes tekst", zei hij.
Er zijn andere vormen van leren en verschillende classificaties voor hen, zoals semi-supervised leren, beslisbomen of versterkt leren, maar de twee gedefinieerde typen bieden een beetje achtergrondinformatie over twee hoofdtypen van machine learning.
Het verschil tussen AI en machine learning
Deze twee termen worden bijna door elkaar gebruikt door bedrijfseigenaren, maar er is een klein verschil tussen AI en machine learning technologie. Machinaal leren verwijst specifiek naar het vermogen van een machine om zelfstandig te leren, terwijl AI meer een overkoepelende term is die verwijst naar de autonomie van een programma bij het voltooien van een taak.
Hoe wordt het gebruikt in het bedrijfsleven?
Er zijn veel manieren waarop machine learning heeft zijn weg naar het bedrijfsleven gevonden. Als een technologie die van veld veranderd is, van marketing tot cybersecurity, hebben sommige bedrijven de kracht aangewend die technologie als machine learning kan bieden.
Marketing
Een van de gebieden waarop machine learning begint te bloeien, is reclame. Door gebruikersgegevens te verzamelen en te analyseren, kunnen advertentiebedrijven berichten optimaliseren en deze direct afstemmen op verschillende consumentenbases. Scott Teger, die platformactiviteiten en analyses voor het reclamebureau Mundo Media uitvoert, zei dat het optimaliseren van advertenties vrijwel onmogelijk zou zijn zonder machine learning.
"Ik werk in digitale advertenties," zei Teger, "en met zoveel van de wereld dingen online doen, zou de enorme taak om reclame te optimaliseren bijna onmogelijk zijn zonder AI. AI helpt met alles, van fraude, advertentiekwaliteit tot klantensucces enzovoort. "
Een ander aspect van machinaal leren in reclame is het omgaan met fraude. Teger zei dat Mundo Media net zoveel tijd besteedt aan het bouwen van fraudebestrijdingsmaatregelen als aan het bouwen van technologie.
"We gaan een tijdperk in waarin bots productief en zelfs geavanceerder zijn." Zonder machinaal leren zou het een enorme taak zijn om snel en correct identificeren van echte mensen versus bots die zijn ontworpen om zich als echte mensen te gedragen, "zei Teger. "Dit ... beïnvloedt iedereen in de keten, omdat het de marketingkosten voor adverteerders en merken kunstmatig verhoogt, waardoor de kosten van producten voor de consument dunner worden."
Klantenservice
Klantenservice heeft een explosie van machine learning gezien en AI-technologie. Diensten, waaronder chatbots en geautomatiseerde assistentie, zijn ontwikkeld en aangeboden aan bedrijven om klantenserviceproblemen te vereenvoudigen.
Artificial Solutions is het moederbedrijf van Teneo, een programma dat bedrijven een AI-klantenservice biedt. Andy Peart, chief marketing officer voor Artificial Solutions, zei dat machine learning een grote invloed heeft gehad op het vermogen van een bedrijf om klantenserviceproblemen gemakkelijker te maken.
"De klantenservice is te lang gedegradeerd tot een formele vraag - en -een scenario dat de klant zelden tevreden laat en vaak het probleem niet oplost, "zei Peart. "Gemeenschappelijk voor marketeers en groeiend in de prevalentie zijn intelligente conversationele chatbots."
Dankzij deze chatbots konden bedrijven kosten besparen en routinematige query's van klanten afhandelen.
Beveiliging
Een andere manier waarop machine learning door bedrijven wordt gebruikt, is door fraude op te sporen. Riskified is een bedrijf voor fraudepreventie, dat transacties evalueert en bepaalt of het frauduleus is. Stephen Fidgeon, directeur communicatie voor het bedrijf, zei dat Riskified algoritmen gebruikt om gegevens te analyseren. <"Door onze algoritmen enorme hoeveelheden gegevens te leveren, kunnen we fraude direct vaststellen", schreef Fidgeon in een e-mail. "Fraudeurs zijn geavanceerd en evolueren voortdurend, ze delen tactieken en successen, dus legacy-oplossingen die op een reeks regels zijn gericht, zijn gemakkelijk te slim af." De aard van machinaal leren betekent dat we met hen mee kunnen evolueren en de nieuwste tactieken voor kunnen blijven . "
Dit is een gebied waar machine learning is gebruikt om verschillende bedrijven te beschermen. Verhoogde beveiliging is een ander voorbeeld van hoe machine learning een probleem voor kan zijn en het kan stoppen voordat het een bedrijf pijn doet.
Bottom line
Er zijn veel andere manieren waarop machine learning nuttig kan zijn, naast wat we hebben hier aanraakte. Machine learning en AI hebben een sterke positie in de bedrijfswereld gecreëerd. Naarmate de branche zich verder uitbreidt, kan het de moeite waard zijn om na te denken over hoe machine learning of AI van invloed kunnen zijn op uw eigen bedrijf.
Outsourcing en Temps zorgen voor gemopperde werknemers
Een toename van uitbesteding, inhuur van uitzendkrachten en gericht op projectgestuurde teams is een afname van de tevredenheid onder werknemers in de Verenigde Staten en biedt waarschijnlijk langdurige problemen voor werkgevers, zo blijkt uit een nieuwe studie. De tevredenheid van een werknemer over zijn of haar werk werk is belangrijk omdat het de loyaliteit van medewerkers, efficiëntie op de werkplek en kwaliteit van leven beïnvloedt.
5 Tips voor het meten van medewerkersbetrokkenheid
Elke werkgever heeft de woorden 'werknemersbetrokkenheid' gehoord, maar begrijpen de meeste managers echt wat het betekent? Wat nog belangrijker is, weten ze hoe ze het moeten meten? Betrokkenheid van werknemers is belangrijk omdat betrokken medewerkers doorgaans productiever zijn, meer energie hebben en creatiever zijn.
Populaire Berichten