Uczenie maszynowe dla biznesu
Karolis Urbonas
Head of Machine Learning & Science, Amazon
Dwie kluczowe metryki uczenia nadzorowanego:
Dokładność
Czułość
Precyzja
Dobre modele nie zawsze są użyteczne w działaniu:
Prognozowanie rezygnacji, zakupów, awarii maszyn
Sprawdź, czy modele poprawiają wyniki:
Kieruj do klientów zagrożonych rezygnacją oferty z zachętami (rabaty, kupony, promocje)
Wysyłaj przypomnienia i informacje o produktach do klientów skłonnych do zakupu
Czy zmniejszyła się rezygnacja, wzrosła sprzedaż i zmalały awarie? Jeśli tak, wbuduj w proces automatyczny. Jeśli nie, zbierz więcej danych, ulepsz modele i przetestuj ponownie.
Uczenie maszynowe dla biznesu