Интеллектуальный анализ данных как процесс и технологии машинного обучения
По сути, интеллектуальный анализ данных — это обработка информации и выявление в ней моделей и тенденций, которые помогают принимать решения. Принципы интеллектуального анализа данных известны в течение многих лет, но с появлением больших данных они получили еще более широкое распространение.
Большие данные привели к взрывному росту популярности более широких методов интеллектуального анализа данных, отчасти потому, что информации стало гораздо больше, и она по самой своей природе и содержанию становится более разнообразной и обширной. При работе с большими наборами данных уже недостаточно относительно простой и прямолинейной статистики. Имея 30 или 40 миллионов подробных записей о покупках, недостаточно знать, что два миллиона из них сделаны в одном и том же месте. Чтобы лучше удовлетворить потребности покупателей, необходимо понять, принадлежат ли эти два миллиона к определенной возрастной группе, и знать их средний заработок.
Содержание не найдено
Список литературы:
1. Коротеев, М.В. Обзор некоторых современных тенденций в технологии машинного обучения / М.В. Коротеев // Технологии искусственного интеллекта в менеджменте. — 2018. — С. 26-35.
2. Николенко С., Кадурин А., Архангельская Е. Глубокое обучение. — СПб.: Питер, 2018. — 480 с. — ISBN 978-5-496-02536-2.
3. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение = Deep Learning. — М.: ДМК-Пресс, 2017. — 652 с. — ISBN 978-5-97060-554-7.
Электронные ресурсы:
4. Машинное обучение. – [Электронный ресурс] URL: https://exponenta.ru/workflows/wfml
5. Что такое машинное обучение? – [Электронный ресурс] URL: https://www.sap.com/cis/products/leonardo/machine-learning/what-ismachine-learning.html
Этот процесс называется машинным обучением – machine learning.
Например, в качестве исходных данных есть информация о клиентах банка (возраст, семейное положение, уровень дохода, профессия и т.д.) и их поведении за несколько лет. Компьютер анализирует полученные сведения и на их основе делает прогноз по поведению уже новых клиентов. Это позволяет понять, к примеру, какой размер кредита можно выдать без риска клиенту с определенными характеристиками.
Технологии машинного обучения направлены на создание алгоритмов, которые делают то, что естественно для людей – учатся исходя из опыта. Алгоритмы машинного обучения используют математические методы, чтобы «учиться» получать информацию напрямую из данных, без использования каких-то предопределенных уравнений или моделей. При этом, чем больше данных используется для обучения, тем более точные получаются модели.
В машинном обуч