İletişim yönetimi

İş Dünyası için Machine Learning

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Çalışma grupları

İlerlemeyi izlemek ve aşağıdakileri tanımlamak için yinelenen toplantılar planlayın:

İş gereksinimlerini tanımlayın
Makine öğrenimi modelini ve iş ürünlerini gözden geçirin
Çıkarım vs. tahmin
Temel model sonuçları ve güncelleme planı
Pazar testi
Canlıya alma

İş gereksinimleri

İşletmenin durumu nedir?
- Terk oranı artmaya başladı
İş fırsatı nedir ve büyüklüğü ne?
- Terk oranını X%'den Y%'ye düşürmek
Hangi iş adımlarını atacağız?
- Riskli müşterilere yönelik elde tutma kampanyaları yürütmek

Makine öğrenimi ürünleri

İşletmenin hangi ML ürünlerine ihtiyacı var?

$$

Örnek 1 - Terk tahmini. İş tarafı 1) üç ayda bir güncellenen terk etkenlerine dair çıkarım ve 2) günlük müşteri sınıflandırması ister: kaybedilen, riskli, risksiz

$$

Örnek 2 - Dolandırıcılık tahmini. İş tarafı 1) güçlü gösterge çıkarımı ve 2) manuel inceleme için çok riskli işlemlerin gerçek zamanlı listesi ile ek veri talebi için orta riskliler ister

Model performansı ve iyileştirmeler

Model hatalarına toleransı belirleyin (unutmayın: tüm modeller yanlıştır):

Sınıflandırma
- Hangi sınıfın yanlış sınıflandırılması daha maliyetli?
- Örnek - dolandırıcılığı dolandırıcılık değil diye sınıflandırmak tersi duruma göre genelde daha pahalıdır
Regresyon
- Tahmin hatasına tolerans nedir?
- Örnek - talep tahmininde hata yüksekse şirket gerekenden fazla stok alır

Pazar testi

A/B testi

Üretimde makine öğrenimi

Test sonuçları tutarlı ve olumlu iyileşmeler sağlıyor mu?
Model yeterince kararlı mı?
Modelin entegre edileceği sistem ve araçlar var mı?

Haydi pratik yapalım!

İş Dünyası için Machine Learning

Preparing Video For Download...