Vina Technology at AI time - Công nghệ Việt Nam thời AI
News:Business News
Episode 1707 - Apr 20 - Chương 1 - Phần 9 (Hết) - Hãy tích hợp với Học máy - Vina Technology at AI time
Chương 1 - Hãy tích hợp với Học máy – Phần 9 (Hết Chương 1)
(Trích từ sách Học máy cho những người ra quyết định (Machine Learning for Decision Makers, tác giả: Patanjali Kashyap - Bangalore, Karnataka, Ấn Độ) – Nhà xuất bản Apress. Lê Quang Văn dịch, giải thích và thực hiện phần kỹ thuật số.
Xin mua sách Machine Learning for Decision Makers, tiếng Anh, từ nhà xuất bản Apress, Amazon, và tại các website trên Internet hay tại các tiệm sách trong khu phố gần nhà.
Cách đám mây, mạng vạn vật, máy học, phân tích dữ liệu lớn và điện toán nhận thức hoạt động cùng nhau
Sự phức tạp của mối quan hệ giữa các công nghệ này làm cho điện toán nhận thức và học máy trở nên quan trọng trong việc nhận ra giá trị thực sự của mạng vạn vật và dữ liệu lớn. Điều này trở nên phù hợp hơn trong các hệ sinh thái năng động và nhanh nhẹn của các công nghệ và quy trình kinh doanh đòi hỏi sự đổi mới và đột phá trên cơ sở liên tục. Động cơ của mạng vạn vật là kết nối doanh nghiệp, dữ liệu và con người chặt chẽ hơn. Tiện ích của dữ liệu đó bị giới hạn bởi các biến chứng riêng của nó cho đến khi các suy luận hữu ích được rút ra từ nó. Nếu không có ý nghĩa hoặc suy luận, dữ liệu mạng vạn vật sẽ không được sử dụng.
Học máy, với sự liên kết của phân tích, tinh chỉnh dữ liệu thông qua các mô hình và thuật toán bằng cách liên tục xử lý nó (dữ liệu mới) trong thời gian thực. Điều này đào tạo hệ thống để thích ứng với các mẫu và liên kết thay đổi trong dữ liệu. Ngoài ra, các quy trình và công cụ phân tích rộng hơn giúp khám phá các mẫu và sự bất thường trong khối lượng lớn dữ liệu có thể dự đoán và dự đoán kết quả kinh doanh.
Trong quá trình hoàn chỉnh này, dữ liệu là rất quan trọng. Để cung cấp các bước hành động, một hệ thống nhận thức đòi hỏi lượng dữ liệu lớn, hiệu quả và đủ. Dựa trên chất lượng của tập dữ liệu có sẵn, hệ thống nhận thức có thể khám phá các mẫu bên trong nó (với sự trợ giúp của thuật toán học máy). Nếu dữ liệu không lớn, kết quả không nhất quán và chính xác. Điều này có thể dẫn đến các mô hình sai và vô dụng, sẽ gây nguy hiểm cho doanh nghiệp và đánh bại mục đích chung. Một hệ thống nhận thức cũng yêu cầu nhập và ánh xạ dữ liệu để hệ thống có thể bắt đầu khám phá các kết nối giữa các nguồn dữ liệu để có được thông tin chi tiết.[ thuật ngữ "ánh xạ dữ liệu" đề cập đến quá trình tổ chức và cấu trúc dữ liệu theo cách tạo điều kiện phân tích và hiểu biết trong hệ thống nhận thức.]
Để hoàn thành mục tiêu tìm kiếm thông tin chi tiết và giá trị, một hệ thống nhận thức sử dụng hầu hết các dạng dữ liệu, bao gồm dữ liệu có cấu trúc, bán cấu trúc và phi cấu trúc. Các thuật toán học máy là trái tim và xương sống của tất cả những điều này. Chúng cho phép quy trình hoàn chỉnh và đóng một vai trò lớn trong việc cung cấp các dịch vụ mạng vạn vật và Dữ liệu lớn giá trị gia tăng bằng cách tìm ra các mẫu, mối tương quan và sự bất thường trong dữ liệu.
Bây giờ bạn đến với thành phần công nghệ và triển khai. Bạn nhận được dữ liệu thông qua các hệ thống mạng vạn vật và các nguồn khác như tệp nhật ký và tài liệu lưu trữ. mạng vạn vật hoạt động như một trình tạo dữ liệu vô hạn (vì mạng vạn vật đang kết nối các đối tượng ảo và vật lý với Internet) và người tạo. Đám mây có thể đóng vai trò tổ chức và cung cấp tài nguyên cho mạng vạn vật và các nguồn dữ liệu khác. Ngoài ra, đám mây nói chung đóng vai trò trừu tượng để che giấu sự phức tạp và chức năng triển khai. Dữ liệu được lưu trữ trên đám mây trên cơ sở liên tục và thời gian thực và sau đó phân tích dữ liệu được áp dụng trên dữ liệu đó để hiểu ý nghĩa của nó. Kỹ thuật học máy tìm ra các mẫu để đưa ra dự đoán nhằm có được kết quả kinh doanh tốt hơn.
Hãy đặt điều này một cách có hệ thống. Vì lợi ích của sự hiểu biết, tôi chia dòng chảy hoàn chỉnh thành nhiều lớp. Tuy nhiên, đây không phải là sự phân tách tiêu chuẩn và phụ thuộc vào việc thực hiện. Ngoài ra, điều này thay đổi từ doanh nghiệp này sang doanh nghiệp khác dựa trên các chiến lược xung quanh nó (sự phân tách).
Create your
podcast in
minutes
It is Free