Mašinų mokymasis
Mašinų mokymasis yra sąvoka, kurią kompiuterinė programa gali išmokti ir pritaikyti prie naujų duomenų be žmogaus įsikišimo. Mašinų mokymasis yra dirbtinio intelekto (AI) sritis, kuri palaiko esamus kompiuterio algoritmus, nepaisant pasaulio ekonomikos pokyčių.
Paaiškinta apie mašinų mokymąsi
Įvairūs ekonomikos sektoriai susiduria su didžiuliu kiekiu įvairių formatų duomenų, gaunamų iš skirtingų šaltinių. Dėl laipsniško technologijos naudojimo milžiniškas duomenų kiekis, vadinamas dideliais duomenimis, tampa lengvai prieinamas ir prieinamas. Įmonės ir vyriausybės supranta milžiniškas įžvalgas, kurias galima gauti kaupiant didelius duomenis, tačiau joms trūksta išteklių ir laiko, reikalingo informacijos gausumui panaudoti. Iš esmės įvairiose pramonės šakose dirbtinio intelekto priemonės naudojamos rinkti, apdoroti, perduoti ir keistis naudinga informacija iš duomenų rinkinių. Vienas PG metodas, vis labiau naudojamas dideliems duomenų apdorojimui, yra mašininis mokymasis.
Mašinų mokymosi programos
Įvairios mašininio mokymosi duomenų programos yra suformuojamos naudojant sudėtingą algoritmą arba šaltinio kodą, įmontuotą mašinoje ar kompiuteryje. Šis programavimo kodas sukuria modelį, kuris identifikuoja duomenis ir sukuria prognozes aplink identifikuojamus duomenis. Modelis naudoja parametrus, integruotus į algoritmą, kad sudarytų modelius savo sprendimų priėmimo procesui. Kai atsiranda naujų ar papildomų duomenų, algoritmas automatiškai koreguoja parametrus, kad patikrintų modelio pokyčius, jei tokių yra. Tačiau modelis neturėtų keistis.
Mašinų mokymasis naudojamas dėl įvairių priežasčių skirtinguose sektoriuose. Prekybos sistemas galima kalibruoti, kad būtų galima nustatyti naujas investavimo galimybes. Rinkodaros ir elektroninės komercijos platformas galima suderinti taip, kad jų vartotojams būtų pateiktos tikslios ir individualizuotos rekomendacijos, pagrįstos jų interneto paieškos istorija ar ankstesnėmis operacijomis. Skolinimo įstaigos gali įtraukti automatinį mokymąsi numatyti blogas paskolas ir sudaryti kredito rizikos modelį. Informacijos centrai gali naudoti mašininį mokymąsi, kad apimtų didžiulį kiekį naujienų iš visų pasaulio kampelių. Bankai gali sukurti sukčiavimo aptikimo įrankius iš mašininio mokymosi metodų. Mašinų mokymasis skaitmeninėje taupymo epochoje nesibaigia, nes verslas ir vyriausybės geriau supranta galimybes, kurias teikia dideli duomenys.
Kaip veikia mašininis mokymasis
Kaip kompiuterinis mokymasis gali būti geriau paaiškintas iliustracija finansų pasaulyje. Tradiciškai vertybinių popierių rinkos dalyviai, tokie kaip finansų tyrėjai, analitikai, turto valdytojai, atskiri investuotojai, renkasi daugybę įvairių pasaulio kompanijų informacijos, kad galėtų priimti pelningus investavimo sprendimus. Tačiau tam tikra tinkama informacija gali būti nepakankamai viešinama žiniasklaidoje ir gali būti naudinga tik keletui atrinktų asmenų, turinčių pranašumą būti įmonės darbuotojais ar šalies, iš kurios gaunama informacija, gyventojais. Be to, yra tik tiek informacijos, kurią žmonės gali surinkti ir apdoroti per nurodytą laiką. Čia ateina mašininis mokymasis.
Turto valdymo įmonė savo investicijų analizės ir tyrimų srityje gali naudoti mašinų mokymąsi. Tarkime, turto valdytojas investuoja tik į kasybos akcijas. Į sistemą įmontuotas modelis nuskaito žiniatinklį ir renka visų tipų naujienas iš verslo, pramonės, miestų ir šalių, o ši surinkta informacija sudaro duomenų rinkinį. Firmos turto valdytojai ir tyrėjai nebūtų galėję gauti duomenų rinkinyje esančios informacijos naudodamiesi savo žmogiškosiomis galiomis ir intelektu. Parametrai, sukurti kartu su modeliu, iš duomenų rinkinio išskiria tik duomenis apie kalnakasybos įmones, reguliavimo politiką tyrimų srityje ir politinius įvykius tam tikrose šalyse. Tarkime, kasybos įmonė XYZ ką tik atrado deimantų kasyklą mažame Pietų Afrikos miestelyje, mašininio mokymosi programa tai paryškins kaip svarbius duomenis. Tada modelis galėtų naudoti analizės įrankį, vadinamą nuspėjamąja analitika, kad būtų galima numatyti, ar kasybos pramonė tam tikrą laikotarpį bus pelninga, ar kurios kalnakasybos atsargos tam tikru metu tikėtina padidės. Ši informacija perduodama turto valdytojui, kad jis išanalizuotų ir priimtų sprendimą dėl savo portfelio. Turto valdytojas gali nuspręsti investuoti milijonus dolerių į XYZ akcijas.
Atsiradus nepalankioms aplinkybėms, tokioms kaip streikuojantys Pietų Afrikos kalnakasiai, kompiuterio algoritmas automatiškai pakoreguoja savo parametrus, kad sukurtų naują modelį. Tokiu būdu į mašiną įmontuotas skaičiavimo modelis išlieka aktualus net ir pasikeitus pasaulio įvykiams ir nereikia žmogaus, kad jis pakeistų savo kodą pokyčiams atspindėti. Kadangi turto valdytojas šiuos naujus duomenis gavo laiku, jie gali apriboti jo nuostolius, išeidami iš akcijų.
Palyginkite investicinių sąskaitų teikėjo pavadinimą Aprašymas Skelbėjo informacijos atskleidimas × Šioje lentelėje pateikti pasiūlymai yra iš partnerystės, iš kurios „Investopedia“ gauna kompensaciją.