Свързани публикации 'business-intelligence'


#0. Преглед на CRISP-DM: Междуиндустриален стандартен процес за извличане на данни
Извличането на данни е решаващ процес в много индустрии, от финансите до здравеопазването, а CRISP-DM (Междуиндустриален стандартен процес за извличане на данни) е широко призната методология за изпълнение на проекти за извличане на данни. В това есе ще предоставим общ преглед на CRISP-DM, включително неговата история, шест фази и ползи, заедно с конкретни примери за всяка фаза. История на CRISP-DM CRISP-DM е разработен през 90-те години като стандартизирана методология за проекти за..
Приложения за машинно обучение и AI
Аз съм софтуерен ветеран, който обича да пише блогове на технологични теми, както и на световна политика. Докато водя редовен годишен блог за ситуации по целия свят в my google blogs , поддържам професионален блог по темата за AI и ML в блоговете на общността на SAP. От известно време обмислям да взема средата и блога на среда и ето, че най-накрая се случи на този ден! По време на времето на covid бях съавтор на „книга за машинно обучение“ и по-късно започнах „подкаст поредица по..
Машинно обучение за бизнес разузнаване: случаи на употреба и най-добри практики
В днешния свят, управляван от данни, фирмите непрекъснато търсят начини да използват силата на изкуствения интелект (AI) и машинното обучение (ML), за да получат ценна информация и да вземат информирани решения. Една област, в която ML се оказа много полезен, е бизнес разузнаването (BI). Чрез комбиниране на ML алгоритми с BI инструменти, организациите могат да разкрият скрити модели, да предвидят тенденции и да оптимизират своите операции. В тази статия ще разгледаме някои популярни..
Прилагане на AutoML (част-4) с помощта на H2O
AutoML на H2O може да се използва за автоматизиране на работния процес за машинно обучение , което включва автоматично обучение и настройка на много модели в рамките на определен от потребителя срок. Той предоставя проста функция за обвиване , която изпълнява голям брой задачи, свързани с моделиране , които обикновено изискват много редове код. Това помага за освобождаване на време , за да се съсредоточите върху други аспекти на задачите на тръбопровода за наука за данни, като..
Разкриване на синергията на бизнес разузнаване, наука за данни, машинно обучение и задълбочено обучение
Въведение В дигиталната ера данните често се наричат ​​новия петрол и тяхното извличане и рафиниране са довели до множество технологии и практики, които играят ключова роля при вземането на решения и иновациите в различни индустрии. Сред тези технологии Business Intelligence (BI), Data Science (DS), Machine Learning (ML) и Deep Learning (DL) се открояват като крайъгълните камъни на вземането на решения, базирани на данни. Въпреки че споделят общи черти, те също така проявяват различни..
Конференция за прогнозиране на M4 — Някои мисли
Миналата седмица присъствах на M4 Conference в Ню Йорк. Това беше нишово събитие, фокусирано върху напредъка в областта на прогнозирането и кулминацията на 4-тото „M-Competition“, състезание, организирано от известния експерт по прогнозиране, професор Спирос Макридакис от университета в Никозия. Основните ми интереси в тази област са тези на практикуващ. Не мисля, че се отделя достатъчно време за обучение и съобщаване на стойността, която количествените модели могат да добавят към..
Отключете силата на отговорния AI: 5 стъпки за осигуряване на етични системи
Отключете силата на отговорния AI: 5 стъпки за осигуряване на етични системи 5 стъпки за изграждане на отговорни AI системи В края има някои бонуси, така че не забравяйте да превъртите до дъното Въведение Изкуственият интелект (AI) се превърна в мощен инструмент за автоматизиране на сложни задачи и анализиране на големи набори от данни в настоящата цифрова ера. Тъй като AI системите стават все по-широко разпространени, важно е да се гарантира, че те са проектирани отговорно, за..