Принципы машинного обучения

Машинное обучение для бизнеса

Karolis Urbonas

Head of Machine Learning & Science, Amazon

Типы машинного обучения

Машинное обучение — применение статистических и компьютерных методов к данным для:

Выявления причинно-следственных связей

«Что заставляет наших клиентов отказываться от подписки?»
Прогнозирования будущих событий

«Кто из клиентов скорее всего откажется от подписки в следующем месяце?»
Обнаружения закономерностей в данных

«Есть ли группы клиентов, которые похожи друг на друга и используют наши услуги схожим образом?»

Машинное обучение — применение статистических и компьютерных методов к данным для:

Структура данных для обучения с учителем

Пример входных признаков

Использование входных признаков

Кластеризация

ОБУЧЕНИЕ С УЧИТЕЛЕМ:

ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ:

ОБУЧЕНИЕ С УЧИТЕЛЕМ:

ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ:

Группировать транзакции по сегментам на основе их атрибутов, чтобы определить наиболее прибыльные из них

ОБУЧЕНИЕ С УЧИТЕЛЕМ:

Прогнозировать, какие изделия на производстве могут оказаться бракованными и требуют проверки
Прогнозировать, какое оборудование может выйти из строя и нуждается в обслуживании

ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ:

Группировать показания датчиков оборудования и выявлять аномалии, указывающие на возможные сбои в производстве

ОБУЧЕНИЕ С УЧИТЕЛЕМ:

Прогнозировать ожидаемую дату доставки посылки
Определять оптимальный маршрут движения
Прогнозировать спрос на товары, чтобы подготовить достаточный запас, арендовать или купить транспорт и нанять сотрудников

Машинное обучение для бизнеса