Oddělení pšenice od plev:
3 otázky, zeptejte se potenciálního prodejce stroje učení

Vzhledem k převahě dat o zákaznících dostupných firmám v dnešní době není žádným tajemstvím, že společnosti chtějí využívat technologické produkty k těžbě svých „velkých dat“ nebo k nalezení skrytých strategických drahokamů v jejich „temných datech“. že jiné firmy mají v úmyslu nabízet datová řešení ve formě produktů „strojového učení“ nebo „umělé inteligence“. Jak tedy zjistit marketingové operace, které jsou produktem, které se učí stroji bona fide nebo umělé inteligenci?

Pravdou je, že komerční aplikace pro strojové učení a nástroje umělé inteligence jsou stále ještě v plenkách pro všechny, s výjimkou několika firem. Pro nově příchozího může být obtížné rozlišovat mezi žargony, jako je „hluboké učení“, „strojové učení“ a „umělá inteligence“. V Relativity6 jsme hrdí na to, že můžeme nástroje strojového učení a umělé inteligence aplikovat na jednoduché průmyslové a komerční stroje reálného světa. problémy, jako je retence zákazníků a zpětné získávání zákazníků. Člověk nemusí být matematikem, aby určil, zda produkt strojového učení přidává hodnotu; důkaz by měl být v pudinku. Ve snaze odlišit se od ostatních společností působících v naší sféře jsme si mysleli, že nabídneme tři otázky těm firmám, které zkoumají produkt strojového učení.

1) Je společnost, se kterou hovoříte, odpovědí na konkrétní otázku?

Strojové učení je neuvěřitelně přesná a účinná technologie při zodpovídání konkrétních otázek. Strojové učení však může být odpovědí při hledání problému. Při zkoumání produktu strojového učení hledejte společnosti, které se zaměřují buď na odvětví, nebo na případ použití. Jasný případ použití nebo odpověď na otázku může přinést neuvěřitelné výsledky. Na druhé straně, algoritmy strojového učení mají problémy s odpovědí na otevřené otázky, takže buďte opatrní, když společnost tvrdí, že je schopna vyřešit „jakýkoli problém“.

2) Je společnost příliš zaměřena na své „proprietární“ algoritmy?

Při vytváření algoritmů strojového učení od základů má hodnotu. Komerční aplikace však nemusí být znovu objeveny u každého zákazníka. Dobrým způsobem, jak zjistit, zda produkty společnosti budou dělat to, co by měly, je nalezení společnosti, která již své algoritmy nasadila a časem prokázala hodnotu těchto algoritmů. Algoritmy strojového učení se postupem času zesilují, takže práce s dodavatelem, který ověřil své algoritmy na základě skutečných údajů o zákaznících, je mnohem cennější než prodejce, který má sofistikované proprietární algoritmy, které se zavádějí poprvé.

3) Je společnost ochotna provést důkaz konceptu?

Protože existuje tolik možných řešení a tolik požadavků na vysokou míru přesnosti v předpovědích, důkaz konceptu s jasnými cíli je skvělý způsob, jak zjistit, zda řešení strojového učení může skutečně vyřešit váš problém a poskytnout vaší firmě cenné informace, které vy hledám. Typicky v předem stanoveném časovém rámci (my ve službě Relativity6 natáčíme po dobu 4 až 8 týdnů) by vám měl dodavatel být schopen směrně prokázat, že postavili model nebo přepracovali existující model, který vydává akční předpovědi. A být upozorněni na dodavatele, kteří prokazují extrémně vysokou míru přesnosti při dokazování fáze konceptu. Algoritmy potřebují čas, aby se předpovídaly, ověřovaly a znovu trénovaly. To není kouzlo, je to matematika.

Warren Buffett říká: „čas je přítelem úžasné firmy, nepřítelem průměrného.“ Tato citace nemohla být vhodnější v prostoru strojového učení. My v Relativity6 milujeme dlouhodobé vyhlídky na naše výrobky a zaměřujeme se na potenciál strojového učení, aby firmy neustále poskytovaly nový pohled na své zákazníky - nejen na čtvrtletní prodejní rampu.

My v Relativity6 milujeme zákaznická data. Je to doslova palivo, které živí naše
motor. Pokud se chcete o svých zákaznících dozvědět více, napište nám na adresu
hello@relativity6.com.

Pokud se vám příspěvek líbil, projevte své uznání tím, že podržíte tlačítko tleskání po dobu 10 sekund nebo sdílení na FB nebo twitteru!Protahuje naše svaly AI