Евгений Соколов "Машинное обучение, автоматизация и новые профессии" |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2018-05-01 15:32 Машинное обучение — это обширный подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться. Специалисты по машинному обучению относятся к аналитикам данных, которые занимаются анализом и обработкой информации для получения наглядных, легко воспринимаемых результатов, с целью их дальнейшего использования. Machine Learning (ML) для финансистов. Примеры использования: Благодаря машинному обучению обработка одной заявки может занимать не больше 10 секунд. При этом система может сегментировать клиентов, самостоятельно проводить ретроспективный анализ своей работы, аккумулировать и оценивать характеристики каждого заемщика из доступных государственных баз данных (оплаты счетов ЖКХ или налогов), социальных сетей. Таким образом, система способна рассчитать оптимальный размер и срок кредита. Главный плюс использования системы анализа данных – сведение уровня мошенничества, опечаток в анкетах и потери данных к минимуму. Например, команда специалистов в сфере машинного обучения банка «УРАЛСИБ» с помощью новых технологий проводит мониторинг транзакционной активности клиентов, а также сегментирует их по различным группам потребления. По числу транзакций банк может определить уровень взаимодействия с клиентом и разработать стратегию удержания или увеличения активности клиента. Команда Сбербанка анализирует поведение держателей карт. На основе анализа транзакций своих клиентов Сбербанк предлагает подходящие для клиента услуги и продукты, предсказывает крупные покупки и формирует для него предложение. Анализ данных, в том числе машинное обучение, выполняет задачу по оптимизации портфеля и способно предсказывать цены на финансовые активы. В приложении вы найдете практические кейсы использования анализа данных в телеком, финасах и рекламе от Константина Обухова, Data Scientist в CleverDATA. Также прикрепляем видео с выступлением Евгения Соколова, преподавателя факультета компьютерных наук НИУ ВШЭ и руководителя группы качества рекомендаций Яндекс.Дзен, о машинном обучении и новых профессиях, которые возникают по мере внедрения технологий. Источник: www.youtube.com Комментарии: |
|