Osnove i primena Machine Learning

Machine Learning je tehnika koja omogućavaju da se ponašanje potrošača predvidi na osnovu prethodnog ponašanja i promene u algoritmu nastaju iz toga jer je to iterativni postupak gde mašine ponavljanjem uče i usavršavaju sebe i svoje mogućnosti.

Drugim rečima, mašine kroz samoobrazovanje imitiraju ljudsko ponašanje i usavršavaju sebe na osnovu događaja iz prošlosti.

Machine Learning dovodi do toga da se savremeno poslovanje odvija na efikasniji način koji je ujedno i više predvidljiv.

Da bi se razumeo ML treba pojasniti kako čitav proces izgleda tj. iz kojih se komponenti sastoji:

– skupa podataka ili Training Sets (TS) koji se koriste kao input u inicijalni algoritam.

– inicijalna pretpostavka može da bude da želimo da unapredimo naš ML sistem.

Skup podataka koji imamo treba da povežemo tako da nam da neka razjašnjenje i odgovore. Npr. kolika bi bila prodaja u nekom mestu bez otvaranja novog prodajnog prostora.

Tu je izazov kako postaviti hipotezu da bi ML framework moga da da adekvatan odgovor. Problem nastaje ako hipoteza nije dovoljno jasna i precizna već se zahteva mnogo odgovora koji su nepovezani i kontradiktorni.

– funkcija troškova da bi utvrdili kako naš ML radi. I koliko je precizan.

– i na kraju, algoritam učenja. Tu nastaje magija. Algoritam učenja je obično komplikovan matematički kod koji ulazi u hipotezu i kroz proces ponavljanja se nakon svakog koraka primenjuje algoritam učenja i mere rezultati.

Rast ML se dešava sada jer je potrebna snažna kompjuterska tehnologija koja će simultano u trenutku da sprovede masu analiza i da najbolje rezultate.

Što više podataka prikupite i unesete bolje ćete informacije dobiti.

Šta sve možemo dobiti od Machine Learning

– ako Vaš biznis koristi ERP ili CRM sisteme, već imate pregršt podataka iz kojih možete dobiti uvide i možete napraviti izbor koje ćete podatke koristiti.

– počnite od podataka koje već posedujete ne morate da krenete sa skupljanjem mase podataka iz svih mogućih izvora.

– većina ML alatki je besplatna za malu količinu podataka.

– angažujte stručnjaka za podatke, predajte mu sve podatke koje posedujete i započeće dobijanje korisnih uvida iz tih podataka.

– koristite hipotezu koju ste dobili od ML sisteme i to će podstaći Vašu poslovnu efikasnost i poboljšati predviđanja.

– zaposlite hipotezu da posmatra egzekuciju poslovnih aktivnosti i svedite ljudske greške na minimum.

– započnite sa Big Data pristupom tek nakon što shvatite koje uvide dobijate iz Vaših poslovnih podataka.

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.