一、機器學習可用在哪些領域？

我們來了解一下機器學習應用程序應用的一些主要行業(yè)：

制造業(yè)

機器學習可以為制造業(yè)的預測性維護、質(zhì)量控制和創(chuàng)新研究提供支持。機器學習技術還可以幫助公司改進物流解決方案，包括資產(chǎn)、供應鏈以及庫存管理。例如，制造業(yè)巨頭?3M?使用?AWS Machine Learning?研究創(chuàng)新砂紙。機器學習算法使 3M 研究人員能夠分析形狀、大小和方向上的細微變化將如何改進研磨性和耐用性。這些建議也會提供制造過程改進信息。

醫(yī)護及生命科學

可穿戴傳感器和設備的激增產(chǎn)生了大量的健康數(shù)據(jù)。機器學習程序可以分析此信息，并為醫(yī)生的實時診斷和治療提供支持。機器學習研究人員正在開發(fā)發(fā)現(xiàn)癌癥腫瘤并診斷眼睛疾病的解決方案，這會對人類健康結果產(chǎn)生巨大影響。例如，Cambia Health Solutions?使用 AWS Machine Learning 為醫(yī)護初創(chuàng)公司提供支持，讓這些初創(chuàng)公司可以為孕婦提供自動化的定制治療方案。

金融服務

金融機器學習方案改進了風險分析和監(jiān)管程序。機器學習技術可讓投資者分析股市走勢、評估對沖基金或校準金融服務產(chǎn)品組合，從而發(fā)現(xiàn)新的機會。此外，它還有助于識別高風險貸款客戶，減少欺詐問題。? 金融軟件領導者?Intuit?使用 AWS Machine Learning 系統(tǒng)?Amazon Textract?來創(chuàng)建更個性化的財務管理方案，并幫助終端用戶改善他們的財務狀況。

零售

零售業(yè)可以使用機器學習來改進客戶服務、庫存管理、追加銷售和跨渠道營銷。例如，Amazon Fulfillment（AFT）使用機器學習模型來識別放錯位置的庫存，將基礎設施成本降低了 40%。這有助于他們履行 Amazon 的承諾，盡管他們每年處理數(shù)百萬次全球貨運，但商品仍將很快提供給客戶并準時到達。

媒體和娛樂

娛樂公司轉(zhuǎn)向使用機器學習，希望更好地了解他們的目標受眾，并根據(jù)受眾需求提供沉浸式的個性化內(nèi)容。部署機器學習算法有助于設計預告片和其他廣告，為消費者提供個性化的內(nèi)容建議，甚至還可以簡化生產(chǎn)。

例如，Disney?正使用?AWS Deep Learning?來歸檔他們的媒體庫。AWS Machine Learning 工具可自動為媒體內(nèi)容貼標簽、提供描述并進行分類，這使得 Disney 編劇和動畫師能夠快速搜索并熟悉 Disney 角色。

二、機器學習模型具有確定性嗎？

如果系統(tǒng)的輸出可預測，那么它就可以說具有確定性。大多數(shù)軟件應用程序?qū)τ脩舨僮鞯姆磻际强深A測的，因此您可以說“如果用戶這樣做，他就能得到確定的結果”。 但是，機器學習算法通過觀察和經(jīng)驗來學習。因此，它們本質(zhì)上具有概率性。上述語句現(xiàn)在更改為：“如果用戶這樣做，他有 X% 的幾率得到確定的結果。”

在機器學習中，決定論是應用上述學習方法時使用的一種策略。有監(jiān)督、無監(jiān)督及其他訓練方法均可以根據(jù)企業(yè)想要的結果決定。研究問題、數(shù)據(jù)檢索、結構和存儲決策決定了采用的是確定性策略還是非確定性策略。

三、確定性方法與概率性方法

確定性方法注重準確性和收集的數(shù)據(jù)量，因此效率優(yōu)先于不確定性。另一方面，非決定性（或概率性）流程旨在管理機會因素。機器學習算法中集成了內(nèi)置工具，有助于量化、識別和衡量學習和觀察過程中的不確定性。

上一篇

什么是數(shù)字化轉(zhuǎn)型戰(zhàn)略?

下一篇

什么是移動云計算?