姓名：韓宜真

學(xué)號(hào)：17020120095

轉(zhuǎn)載自：https://mp.weixin.qq.com/s/Gk8aKGOT8IW6vHjz4kAb

【嵌牛導(dǎo)讀】本文介紹了機(jī)器學(xué)習(xí)的應(yīng)用。

【嵌牛鼻子】學(xué)習(xí)策略 監(jiān)督學(xué)習(xí)

【嵌牛提問(wèn)】?機(jī)器學(xué)習(xí)是什么毡熏，有什么應(yīng)用？

【嵌牛正文】

機(jī)器學(xué)習(xí)相關(guān)知識(shí)概要

1.1

機(jī)器學(xué)習(xí)概念

機(jī)器學(xué)習(xí)(Machine Learning, ML)是一門(mén)多領(lǐng)域交叉學(xué)科，涉及概率論、統(tǒng)計(jì)學(xué)猴贰、逼近論勋功、凸分析、算法復(fù)雜度理論等多門(mén)學(xué)科盟步。專(zhuān)門(mén)研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能躏结，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能却盘。

1.2

機(jī)器學(xué)習(xí)分類(lèi)

1.2.1?綜合分類(lèi)

綜合考慮各種學(xué)習(xí)方法出現(xiàn)的歷史淵源、知識(shí)表示、推理策略黄橘、結(jié)果評(píng)估的相似性兆览、研究人員交流的相對(duì)集中性以及應(yīng)用領(lǐng)域等諸因素。將機(jī)器學(xué)習(xí)方法區(qū)分為六類(lèi)塞关。

綜合分類(lèi)的6種類(lèi)型

1.2.2?基于學(xué)習(xí)策略的分類(lèi)

學(xué)習(xí)策略是指學(xué)習(xí)過(guò)程中系統(tǒng)所采用的推理策略抬探。一個(gè)學(xué)習(xí)系統(tǒng)總是由學(xué)習(xí)和環(huán)境兩部分組成。由環(huán)境（如書(shū)本或教師）提供信息帆赢，學(xué)習(xí)部分則實(shí)現(xiàn)信息轉(zhuǎn)換小压，用能夠理解的形式記憶下來(lái)，并從中獲取有用的信息椰于。學(xué)習(xí)策略的分類(lèi)標(biāo)準(zhǔn)就是根據(jù)學(xué)生實(shí)現(xiàn)信息轉(zhuǎn)換所需的推理多少和難易程度來(lái)分類(lèi)的怠益，依從簡(jiǎn)單到復(fù)雜，從少到多的次序分為以下六種基本類(lèi)型：

學(xué)習(xí)策略的6種類(lèi)型

1.2.3?基于所獲取知識(shí)的表現(xiàn)形式分類(lèi)

學(xué)習(xí)系統(tǒng)獲取的知識(shí)可能有：行為規(guī)則瘾婿、物理對(duì)象的描述溉痢、問(wèn)題求解策略、各種分類(lèi)及其它用于任務(wù)實(shí)現(xiàn)的知識(shí)類(lèi)型憋他。對(duì)于學(xué)習(xí)中獲取的知識(shí)孩饼，主要有以下一些表示形式：

所獲取知識(shí)的表現(xiàn)形式分類(lèi)

1.3

機(jī)器學(xué)習(xí)算法

有兩種方法可以將所有的機(jī)器學(xué)習(xí)算法進(jìn)行分類(lèi)。分別是學(xué)習(xí)風(fēng)格和通過(guò)形式或功能相似兩種竹挡。通常镀娶，這兩種方法都能概括全部的算法。

（1）通過(guò)學(xué)習(xí)風(fēng)格分組的機(jī)器學(xué)習(xí)算法

算法可以通過(guò)不同的方式對(duì)問(wèn)題進(jìn)行建模揪罕，但是梯码，無(wú)論我們想要什么結(jié)果都需要數(shù)據(jù)。此外好啰，算法在機(jī)器學(xué)習(xí)和人工智能中很流行轩娶。

監(jiān)督學(xué)習(xí)

基本上，在監(jiān)督機(jī)器學(xué)習(xí)中框往，輸入數(shù)據(jù)被稱(chēng)為訓(xùn)練數(shù)據(jù)鳄抒，并且具有已知的標(biāo)簽或結(jié)果，例如垃圾郵件/非垃圾郵件或股票價(jià)格椰弊。在此许溅，通過(guò)訓(xùn)練過(guò)程中準(zhǔn)備模型。此外秉版，還需要做出預(yù)測(cè)贤重。并且在這些預(yù)測(cè)錯(cuò)誤時(shí)予以糾正。訓(xùn)練過(guò)程一直持續(xù)到模型達(dá)到所需水平清焕。

無(wú)監(jiān)督學(xué)習(xí)

在無(wú)監(jiān)督機(jī)器學(xué)習(xí)中并蝗，輸入數(shù)據(jù)未標(biāo)記且沒(méi)有已知結(jié)果祭犯。我們必須通過(guò)推導(dǎo)輸入數(shù)據(jù)中存在的結(jié)構(gòu)來(lái)準(zhǔn)備模型。這可能是提取一般規(guī)則滚停，但是我們可以通過(guò)數(shù)學(xué)過(guò)程來(lái)減少冗余盹憎。

半監(jiān)督學(xué)習(xí)

輸入數(shù)據(jù)是標(biāo)記和未標(biāo)記示例的混合。存在期望的預(yù)測(cè)問(wèn)題铐刘，但該模型必須學(xué)習(xí)組織數(shù)據(jù)以及進(jìn)行預(yù)測(cè)的結(jié)構(gòu)。

（2）由功能的相似性分組的算法

ML算法通常根據(jù)其功能的相似性進(jìn)行分組影晓。例如镰吵，基于樹(shù)的方法以及神經(jīng)網(wǎng)絡(luò)的方法。但是挂签，仍有算法可以輕松適應(yīng)多個(gè)類(lèi)別疤祭。如學(xué)習(xí)矢量量化，這是一個(gè)神經(jīng)網(wǎng)絡(luò)方法和基于實(shí)例的方法饵婆。

回歸算法

回歸算法涉及對(duì)變量之間的關(guān)系進(jìn)行建模勺馆，我們?cè)谑褂媚Ｐ瓦M(jìn)行的預(yù)測(cè)中產(chǎn)生的錯(cuò)誤度量來(lái)改進(jìn)。

基于實(shí)例的算法

該類(lèi)算法是解決實(shí)例訓(xùn)練數(shù)據(jù)的決策問(wèn)題侨核。這些方法構(gòu)建了示例數(shù)據(jù)的數(shù)據(jù)庫(kù)草穆，它需要將新數(shù)據(jù)與數(shù)據(jù)庫(kù)進(jìn)行比較。為了比較搓译，我們使用相似性度量來(lái)找到最佳匹配并進(jìn)行預(yù)測(cè)悲柱。出于這個(gè)原因，基于實(shí)例的方法也稱(chēng)為贏者通吃方法和基于記憶的學(xué)習(xí)些己，重點(diǎn)放在存儲(chǔ)實(shí)例的表示上豌鸡。

正則化算法

正則化算法很流行且功能強(qiáng)大。

決策樹(shù)算法

決策樹(shù)方法用于構(gòu)建決策模型段标，這是基于數(shù)據(jù)屬性的實(shí)際值涯冠。決策在樹(shù)結(jié)構(gòu)中進(jìn)行分叉，直到對(duì)給定記錄做出預(yù)測(cè)決定逼庞。

貝葉斯算法

這些方法適用于貝葉斯定理的問(wèn)題蛇更，如分類(lèi)和回歸。

聚類(lèi)算法

幾乎所有的聚類(lèi)算法都涉及使用數(shù)據(jù)中的固有結(jié)構(gòu)赛糟，這需要將數(shù)據(jù)最佳地組織成最大共性的組械荷。

關(guān)聯(lián)規(guī)則學(xué)習(xí)算法

關(guān)聯(lián)規(guī)則學(xué)習(xí)方法提取規(guī)則，它可以完美的解釋數(shù)據(jù)中變量之間的關(guān)系虑灰。這些規(guī)則可以在大型多維數(shù)據(jù)集中被發(fā)現(xiàn)是非常重要的吨瞎。

人工神經(jīng)網(wǎng)絡(luò)算法

這些算法模型大多受到生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的啟發(fā)。它們可以是一類(lèi)模式匹配穆咐，可以被用于回歸和分類(lèi)問(wèn)題颤诀。它擁有一個(gè)巨大的子領(lǐng)域字旭，因?yàn)樗鼡碛袛?shù)百種算法和變體。

深度學(xué)習(xí)算法

深度學(xué)習(xí)算法是人工神經(jīng)網(wǎng)絡(luò)的更新崖叫。他們更關(guān)心構(gòu)建更大更復(fù)雜的神經(jīng)網(wǎng)絡(luò)遗淳。

降維算法

與聚類(lèi)方法一樣，維數(shù)減少也是為了尋求數(shù)據(jù)的固有結(jié)構(gòu)心傀。通常屈暗，可視化維度數(shù)據(jù)是非常有用的。

二

機(jī)器學(xué)習(xí)應(yīng)用領(lǐng)域

2.1

數(shù)據(jù)治理領(lǐng)域

算法脂男、算力养叛、數(shù)據(jù)是當(dāng)今人工智能應(yīng)用的三大要素，人工智能的發(fā)展給數(shù)據(jù)治理帶來(lái)了新的機(jī)遇和挑戰(zhàn)宰翅。一方面弃甥，數(shù)據(jù)科學(xué)研究的興起為數(shù)據(jù)治理提供了新的研究范式，使得數(shù)據(jù)治理的視角汁讼、過(guò)程和方法都發(fā)生了顯著變化淆攻；另一方面，隨著組織業(yè)務(wù)的增長(zhǎng)嘿架，海量瓶珊、多源異構(gòu)數(shù)據(jù)給數(shù)據(jù)管理、存儲(chǔ)和應(yīng)用提出了新的要求耸彪。

數(shù)據(jù)治理是建立數(shù)據(jù)平臺(tái)或輸出數(shù)據(jù)解決方案的基礎(chǔ)艰毒，更是目前人工智能發(fā)揮作用的重要支柱。例如搜囱，最近研究很火的知識(shí)圖譜丑瞧，它的本質(zhì)其實(shí)也是一種數(shù)據(jù)治理方式，只是它是一種帶有語(yǔ)義的數(shù)據(jù)治理蜀肘，按照數(shù)據(jù)-信息-知識(shí)的邏輯绊汹，就如近兩年提出的元數(shù)據(jù)的管理構(gòu)建。下面這個(gè)PPT展示的是如何利用機(jī)器學(xué)習(xí)的方法來(lái)做數(shù)據(jù)管理扮宠，尤其是元數(shù)據(jù)管理西乖。

機(jī)器學(xué)習(xí)與數(shù)據(jù)管理

2.2

工業(yè)制造領(lǐng)域

機(jī)器學(xué)習(xí)就是一種能夠賦予機(jī)器學(xué)習(xí)的能力，讓機(jī)器利用數(shù)據(jù)或以往的經(jīng)驗(yàn)坛增，訓(xùn)練出模型获雕，再根據(jù)模型進(jìn)行預(yù)測(cè)，以此優(yōu)化計(jì)算機(jī)程序的性能標(biāo)準(zhǔn)收捣。那么届案，機(jī)器學(xué)習(xí)在制造型企業(yè)的應(yīng)用主要體現(xiàn)在三方面：

（1）預(yù)測(cè)性維護(hù)：智能監(jiān)控，防止設(shè)備故障

（2）持續(xù)監(jiān)測(cè)確保產(chǎn)品質(zhì)量

（3）內(nèi)部物流：AGV自動(dòng)規(guī)劃物流路線

機(jī)器學(xué)習(xí)在制造型企業(yè)的應(yīng)用

2.3

汽車(chē)領(lǐng)域

現(xiàn)階段罢艾，許多無(wú)人駕駛汽車(chē)還處在測(cè)試階段楣颠，在公共道路上實(shí)現(xiàn)完全自動(dòng)駕駛的想法還處在起步階段尽纽。當(dāng)自動(dòng)駕駛汽車(chē)在公路上行駛時(shí)，必須能夠?qū)崟r(shí)響應(yīng)周?chē)那闆r童漩。這意味著通過(guò)傳感器獲取的所有信息必須在汽車(chē)中完成處理弄贿，而不是提交服務(wù)器或云端來(lái)進(jìn)行分析，否則即使是非常短的時(shí)間造成不可挽回的損失矫膨。

因此差凹，機(jī)器學(xué)習(xí)將是汽車(chē)數(shù)字基礎(chǔ)設(shè)施的核心，使它能夠從觀察到的環(huán)境條件中進(jìn)行學(xué)習(xí)侧馅。對(duì)于這些數(shù)據(jù)危尿，一個(gè)特別有趣的應(yīng)用是映射——汽車(chē)需要能夠自動(dòng)響應(yīng)現(xiàn)實(shí)世界的周?chē)h(huán)境，以更新地圖施禾。因此，每輛車(chē)都必須生成自己的導(dǎo)航網(wǎng)絡(luò)搁胆。

近幾年弥搞，自動(dòng)駕駛已成為傳統(tǒng)車(chē)企與科技公司爭(zhēng)奪的熱點(diǎn)領(lǐng)域，亞馬遜渠旁、特斯拉攀例、微軟等科技巨頭更是通過(guò)技術(shù)優(yōu)勢(shì)提前布局自動(dòng)駕駛。

2.4

醫(yī)療健康

人工智能在健康領(lǐng)域的潛能是很多人最為期待的顾腊，例如粤铭，隨著世界范圍內(nèi)出現(xiàn)的老齡化現(xiàn)象，老年人的護(hù)理是很多家庭面臨的難題杂靶，他們通常需要借助外部的幫助梆惯。AI則可以為許多家庭做到這一點(diǎn)，包括使用熱傳感器這樣的設(shè)備來(lái)監(jiān)測(cè)老人在家中是否跌倒等等吗垮。

不只是面向用戶的AI垛吗，在很多醫(yī)院，AI也已經(jīng)被用來(lái)協(xié)助醫(yī)生進(jìn)行診斷烁登。讓計(jì)算機(jī)學(xué)習(xí)大量的影像和診斷數(shù)據(jù)怯屉，提取重要信息，最后給出建議饵沧，輔助醫(yī)生進(jìn)行決策锨络，可以大大提高診斷效率，與此同時(shí)可有效減少漏診狼牺、誤診的現(xiàn)象羡儿。

2.5

智能家居

智能家電和智能安防系統(tǒng)是很多公司正在努力的方向，讓家中的設(shè)備完全脫離人工控制自行運(yùn)作雖然是比較長(zhǎng)遠(yuǎn)的目標(biāo)是钥，但是眼下AI已經(jīng)在這個(gè)領(lǐng)域獲得了不少的成果失受。

例如讶泰，過(guò)去幾年中科技公司眼中的寵兒—智能音箱。亞馬遜拂到，蘋(píng)果痪署，百度，等科技公司都推出了自己的智能音箱兄旬，用戶可以通過(guò)語(yǔ)音交互來(lái)控制它或者家中其他智能設(shè)備狼犯。

三

機(jī)器學(xué)習(xí)創(chuàng)新

亞馬遜作為國(guó)際科技巨頭公司，2015年就在云計(jì)算領(lǐng)域推出了機(jī)器學(xué)習(xí)领铐，通過(guò)機(jī)器學(xué)習(xí)技術(shù)悯森，應(yīng)用軟件可以分析海量數(shù)據(jù)，建立模型绪撵，并獲得更加精確的趨勢(shì)預(yù)測(cè)結(jié)果瓢姻。亞馬遜云服務(wù)（AWS）在今年的re:Invent大會(huì)上發(fā)布了五項(xiàng)全新的機(jī)器學(xué)習(xí)服務(wù)、推出Amazon SageMaker 9項(xiàng)新功能音诈，充分體現(xiàn)出AWS在人工智能領(lǐng)域取得的巨大成就幻碱。

3.1

AWS推出5項(xiàng)機(jī)器學(xué)習(xí)服務(wù)

AWS在re:Invent大會(huì)上宣布五項(xiàng)全新的機(jī)器學(xué)習(xí)服務(wù)，共同幫助工業(yè)和制造業(yè)客戶在其生產(chǎn)過(guò)程中嵌入智能能力细溅，以提高運(yùn)營(yíng)效率褥傍，改善質(zhì)量控制、信息安全和工作場(chǎng)所安全喇聊。

5項(xiàng)機(jī)器學(xué)習(xí)服務(wù)

（1）Amazon Monitron

Amazon Monitron提供由傳感器恍风、網(wǎng)關(guān)和機(jī)器學(xué)習(xí)服務(wù)組成的端到端機(jī)器監(jiān)控系統(tǒng)，以檢測(cè)異常并預(yù)測(cè)何時(shí)需要維護(hù)工業(yè)設(shè)備誓篱。可以幫助客戶免去從頭開(kāi)始構(gòu)建先進(jìn)的朋贬、由機(jī)器學(xué)習(xí)驅(qū)動(dòng)的預(yù)測(cè)性維護(hù)系統(tǒng)的高成本需求和復(fù)雜性，使他們能夠?qū)Ｗ⒂谄浜诵闹圃齑芙尽⒐?yīng)鏈和運(yùn)營(yíng)功能兄世。還可根據(jù)振動(dòng)或溫度的異常波動(dòng)來(lái)檢測(cè)機(jī)器是否正常運(yùn)行，并在可能出現(xiàn)故障時(shí)通知客戶檢查機(jī)器以確定是否需要預(yù)測(cè)性維護(hù)啊研。這一端到端的系統(tǒng)提供了用于捕獲振動(dòng)和溫度數(shù)據(jù)的IoT傳感器御滩、用于將數(shù)據(jù)聚合和傳輸?shù)紸WS的網(wǎng)關(guān)、以及用于檢測(cè)異常設(shè)備模式并在數(shù)分鐘內(nèi)提供結(jié)果的機(jī)器學(xué)習(xí)云服務(wù)党远，而無(wú)需客戶具備任何機(jī)器學(xué)習(xí)或云經(jīng)驗(yàn)削解。借助Amazon Monitron，機(jī)器維護(hù)人員無(wú)需任何開(kāi)發(fā)工作或?qū)I(yè)培訓(xùn)就可以在數(shù)小時(shí)內(nèi)開(kāi)始跟蹤機(jī)器的運(yùn)行狀況沟娱。

（2）Amazon Lookout for Equipment

Amazon Lookout for Equipment為擁有設(shè)備傳感器的客戶提供了使用AWS機(jī)器學(xué)習(xí)模型來(lái)檢測(cè)異常設(shè)備行為并進(jìn)行預(yù)測(cè)性維護(hù)的能力氛驮。首先，客戶將其傳感器數(shù)據(jù)上傳到Amazon Simple Storage Service (S3)济似，并將S3位置提供給Amazon Lookout for Equipment矫废。也可以從AWS IoT SiteWise提取數(shù)據(jù)盏缤，并與OSIsoft等其他流行的機(jī)器操作系統(tǒng)無(wú)縫協(xié)作。Amazon Lookout for Equipment分析數(shù)據(jù)蓖扑，評(píng)估正嘲ν或健康的模式，再利用從所有訓(xùn)練數(shù)據(jù)中得到的洞察來(lái)構(gòu)建為客戶環(huán)境定制的模型律杠。然后潭流，Amazon Lookout for Equipment可以使用機(jī)器學(xué)習(xí)模型來(lái)分析傳入的傳感器數(shù)據(jù)并識(shí)別機(jī)器故障的預(yù)警信號(hào)。這也就使得客戶可以進(jìn)行預(yù)測(cè)性維護(hù)柜去，從而通過(guò)防止工業(yè)系統(tǒng)生產(chǎn)線崩潰來(lái)節(jié)省成本并提高生產(chǎn)率灰嫉。

（3）AWS Panorama Appliance

AWS Panorama Appliance幫助已在工業(yè)設(shè)施中裝配攝像機(jī)的客戶使用計(jì)算機(jī)視覺(jué)來(lái)改善質(zhì)量控制和工作場(chǎng)所安全。提供了一種新的硬件設(shè)備嗓奢，使組織可以將計(jì)算機(jī)視覺(jué)添加到客戶可能已經(jīng)部署在本地的攝像機(jī)中讼撒。客戶首先將AWS Panorama Appliance連接到他們的網(wǎng)絡(luò)股耽，然后這一設(shè)備會(huì)自動(dòng)識(shí)別攝像頭數(shù)據(jù)流并開(kāi)始與現(xiàn)有的工業(yè)攝像頭進(jìn)行交互根盒。AWS Panorama Appliance可集成于那些用于構(gòu)建自定義機(jī)器學(xué)習(xí)模型或獲取視頻以進(jìn)行更精細(xì)分析的AWS機(jī)器學(xué)習(xí)服務(wù)和IoT服務(wù)中。AWS Panorama Appliance將AWS機(jī)器學(xué)習(xí)能力擴(kuò)展到邊緣豺谈，以幫助客戶在沒(méi)有網(wǎng)絡(luò)連接的情況下在本地進(jìn)行預(yù)測(cè)郑象。每個(gè)AWS Panorama Appliance都可在多個(gè)攝像頭數(shù)據(jù)流上并行運(yùn)行計(jì)算機(jī)視覺(jué)模型贡这，從而使諸如質(zhì)量控制茬末、零件識(shí)別和工作場(chǎng)所安全的用例成為可能。AWS Panorama Appliance還可與適用于零售盖矫、制造丽惭、建筑和其他行業(yè)的AWS和第三方經(jīng)過(guò)預(yù)先培訓(xùn)的計(jì)算機(jī)視覺(jué)模型一起使用。

（4）AWS Panorama

AWS Panorama軟件開(kāi)發(fā)套件（SDK）允許工業(yè)相機(jī)制造商在新相機(jī)中嵌入計(jì)算機(jī)視覺(jué)功能辈双。使用AWS Panorama SDK構(gòu)建的攝像頭可在多種用例中運(yùn)行計(jì)算機(jī)視覺(jué)模型责掏，例如檢測(cè)快速移動(dòng)的傳送帶上的損壞部件或定位那些脫離指定工作區(qū)域的器械等。這些相機(jī)可以使用英偉達(dá)和安霸旗下用于計(jì)算機(jī)視覺(jué)的芯片湃望。通過(guò)使用AWS Panorama SDK换衬，制造商可以開(kāi)發(fā)自帶計(jì)算機(jī)視覺(jué)模型的相機(jī)，從而可以處理更高分辨率的高質(zhì)量視頻以發(fā)現(xiàn)問(wèn)題证芭。他們還可以在低成本設(shè)備上構(gòu)建更復(fù)雜的模型瞳浦，這些設(shè)備可以通過(guò)以太網(wǎng)供電并可以放置在站點(diǎn)周?chē)废士？蛻艨稍贏mazon SageMaker中訓(xùn)練模型叫潦，并一鍵將其部署到使用AWS Panorama SDK構(gòu)建的攝像機(jī)上」傧酰客戶還可以將Lambda功能添加到使用AWS Panorama SDK構(gòu)建的攝像頭中矗蕊，以通過(guò)文本或電子郵件提醒潛在問(wèn)題短蜕。AWS還提供用于PPE檢測(cè)和保持人員距離等任務(wù)的預(yù)構(gòu)建模型，并且可以在幾分鐘內(nèi)部署這些模型傻咖，而無(wú)需進(jìn)行任何機(jī)器學(xué)習(xí)工作或特殊優(yōu)化朋魔。

（5）Amazon Lookout for Vision

Amazon Lookout for Vision為客戶提供了一種高精度、低成本的異常檢測(cè)解決方案没龙，可以通過(guò)機(jī)器學(xué)習(xí)技術(shù)每小時(shí)處理數(shù)千張圖像以發(fā)現(xiàn)缺陷和異常铺厨。客戶將攝像頭圖像批量或?qū)崟r(shí)發(fā)送到Amazon Lookout for Vision以識(shí)別異常，例如機(jī)器部件的裂紋硬纤、面板上的凹痕解滓、不規(guī)則形狀或產(chǎn)品上的顏色錯(cuò)誤等。然后筝家，Amazon Lookout for Vision報(bào)告與基線不同的圖像洼裤，以便客戶采取適當(dāng)?shù)拇胧mazon Lookout for Vision有強(qiáng)大的技術(shù)能力可以處理因工作環(huán)境變化而引起的相機(jī)角度溪王、方位和照明方面的差異腮鞍。客戶可以通過(guò)至少提供30張“良好”狀態(tài)的圖像建立基線莹菱，準(zhǔn)確移国、一致地評(píng)估機(jī)械零件或制成品。Amazon Lookout for Vision也可以在Amazon Panorama設(shè)備上運(yùn)行道伟。

3.2

AWS推出Amazon SageMaker 9項(xiàng)新功能

AWS還為其業(yè)界領(lǐng)先的機(jī)器學(xué)習(xí)服務(wù)Amazon SageMaker推出九項(xiàng)新的功能迹缀，包括更易用的數(shù)據(jù)預(yù)處理、專(zhuān)用的特征存儲(chǔ)蜜徽、自動(dòng)化工作流祝懂、更多的訓(xùn)練數(shù)據(jù)可見(jiàn)性以減少數(shù)據(jù)傾斜和更好的預(yù)測(cè)解釋、大型模型的分布式訓(xùn)練速度可最多提升兩倍拘鞋，以及監(jiān)控邊緣設(shè)備上的模型砚蓬。使開(kāi)發(fā)人員更容易自動(dòng)化、規(guī)呐枭化的構(gòu)建端到端的機(jī)器學(xué)習(xí)工作流灰蛙。具體功能如下圖

Amazon SageMaker 9項(xiàng)新功能

四

機(jī)器學(xué)習(xí)趨勢(shì)分析及未來(lái)展望

4.1

超自動(dòng)化的機(jī)器學(xué)習(xí)

新型冠狀病毒疫情推動(dòng)了超自動(dòng)化這一概念的采用，該概念也被稱(chēng)為“數(shù)字過(guò)程自動(dòng)化”或“智能過(guò)程自動(dòng)化”隔躲。它組織幾乎所有可以實(shí)現(xiàn)自動(dòng)化的東西(例如遺留業(yè)務(wù)流程)都實(shí)現(xiàn)自動(dòng)化摩梧。

機(jī)器學(xué)習(xí)和人工智能是超自動(dòng)化的關(guān)鍵部分和重要推動(dòng)力(以及諸如流程自動(dòng)化工具之類(lèi)的各種創(chuàng)新)。為了提高效率蹭越，超級(jí)自動(dòng)化活動(dòng)不能依賴(lài)于靜態(tài)打包的軟件障本。自動(dòng)化的業(yè)務(wù)流程必須能夠適應(yīng)不斷變化的條件并應(yīng)對(duì)突發(fā)情況。

4.2

業(yè)務(wù)預(yù)測(cè)與分析

近年來(lái)，時(shí)間序列分析已經(jīng)成為主流驾霜，并成為今年的熱門(mén)模式案训。通過(guò)采用這種策略，行業(yè)專(zhuān)家可以在一段時(shí)間內(nèi)收集和篩選數(shù)據(jù)粪糙，然后對(duì)這些數(shù)據(jù)進(jìn)行檢查并用于做出明智的決策强霎。利用不同的數(shù)據(jù)集進(jìn)行訓(xùn)練時(shí)，機(jī)器學(xué)習(xí)可以給出準(zhǔn)確性高達(dá)95%的猜想蓉冈。

在未來(lái)城舞，可以預(yù)期組織應(yīng)該融合遞歸神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行更加準(zhǔn)確的預(yù)測(cè)。例如寞酿，可以融合機(jī)器學(xué)習(xí)解決方案以發(fā)現(xiàn)隱藏的模式和準(zhǔn)確的預(yù)測(cè)家夺。保險(xiǎn)公司發(fā)現(xiàn)潛在的欺詐就是一個(gè)很好的例證。這可能對(duì)他們帶來(lái)成本高昂的代價(jià)伐弹。

4.3

異常檢測(cè)

異常檢測(cè)(anomaly detection),也叫異常分析 (outlier analysis)拉馋，異常檢測(cè)就是從茫茫數(shù)據(jù)中找到那些“長(zhǎng)得不一樣”的數(shù)據(jù)。在未來(lái)惨好，異常檢測(cè)有非常廣泛的應(yīng)用場(chǎng)景煌茴，例如：

金融業(yè)：從海量數(shù)據(jù)中找到“欺詐案例”,如信用卡反詐騙,識(shí)別虛假信貸；

網(wǎng)絡(luò)安全：從流量數(shù)據(jù)中找到“侵入者”,識(shí)別新的網(wǎng)絡(luò)入侵模式日川；

在線零售：從交易數(shù)據(jù)中發(fā)現(xiàn)“惡意買(mǎi)家”,比如惡意刷評(píng)等蔓腐；

生物基因：從生物數(shù)據(jù)中檢測(cè)“病變”或“突變。

4.4

機(jī)器學(xué)習(xí)與物聯(lián)網(wǎng)

物聯(lián)網(wǎng)是一個(gè)快速發(fā)展的細(xì)分市場(chǎng)龄句。機(jī)器學(xué)習(xí)的利用與物聯(lián)網(wǎng)逐漸交織在一起回论。例如，現(xiàn)在正在利用機(jī)器學(xué)習(xí)撒璧、人工智能透葛、深度學(xué)習(xí)來(lái)使物聯(lián)網(wǎng)設(shè)備和服務(wù)更智能芭届、更安全施无。在任何情況下眠饮，由于機(jī)器學(xué)習(xí)和人工智能需要大量的數(shù)據(jù)才能有效地工作，這兩者的優(yōu)勢(shì)是雙向的繁调，這正是物聯(lián)網(wǎng)傳感器和設(shè)備網(wǎng)絡(luò)所提供的。

例如靶草，在工業(yè)環(huán)境中蹄胰，制造工廠的物聯(lián)網(wǎng)網(wǎng)絡(luò)都可以收集運(yùn)營(yíng)和性能信息，然后由人工智能系統(tǒng)進(jìn)行分析奕翔，以提高生產(chǎn)系統(tǒng)的性能裕寨、支持效率并預(yù)測(cè)機(jī)器何時(shí)需要維護(hù)。

4.5

強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)(RL)在未來(lái)幾年內(nèi)可以被組織普遍采用。它是對(duì)深度學(xué)習(xí)的獨(dú)特利用宾袜，組織可以利用自己的經(jīng)驗(yàn)來(lái)提高捕獲數(shù)據(jù)的有效性捻艳。在強(qiáng)化學(xué)習(xí)中，人工智能編程是在各種條件下設(shè)置的庆猫，這些條件描述了軟件將執(zhí)行何種活動(dòng)认轨。針對(duì)不同的動(dòng)作和結(jié)果，采用軟件進(jìn)行自學(xué)習(xí)月培，以達(dá)到理想的最終目標(biāo)嘁字。

強(qiáng)化學(xué)習(xí)的一個(gè)理想例證是聊天機(jī)器人，它可以處理簡(jiǎn)單的用戶查詢杉畜，例如問(wèn)候纪蜒、訂單預(yù)訂、咨詢電話此叠。機(jī)器學(xué)習(xí)開(kāi)發(fā)公司可以利用強(qiáng)化學(xué)習(xí)(RL)通過(guò)添加順序條件使聊天機(jī)器人更加巧妙霍掺，例如區(qū)分潛在客戶并將呼叫轉(zhuǎn)移到相關(guān)的服務(wù)代理。強(qiáng)化學(xué)習(xí)(RL)的其他一些應(yīng)用包括商業(yè)戰(zhàn)略規(guī)劃的機(jī)器人技術(shù)拌蜘、機(jī)器人運(yùn)動(dòng)控制杆烁、工業(yè)自動(dòng)化以及飛機(jī)控制。

4.6

更快的計(jì)算能力

人工智能分析師開(kāi)始了解人工神經(jīng)網(wǎng)絡(luò)的功能以及采用它們的最佳實(shí)踐简卧。這表明在未來(lái)兔魂，算法的突破將繼續(xù)出現(xiàn)在務(wù)實(shí)的發(fā)展和新的問(wèn)題解決系統(tǒng)。隨著第三方云計(jì)算服務(wù)提供商鼓勵(lì)在云平臺(tái)中部署機(jī)器學(xué)習(xí)算法举娩，云計(jì)算機(jī)器學(xué)習(xí)解決方案也正在迅速崛起析校。人工智能可以解決一系列問(wèn)題，這些問(wèn)題需要尋找洞察力并做出決策铜涉。然而智玻，如果組織沒(méi)有處理機(jī)器建議的能力，則很難接受這個(gè)建議芙代。通過(guò)特定的路線吊奢，可以預(yù)見(jiàn)在此期間的持續(xù)增長(zhǎng)，以提高有關(guān)人工智能算法的透明度和可解釋性纹烹。

五

結(jié)束語(yǔ)

機(jī)器學(xué)習(xí)無(wú)疑是當(dāng)前數(shù)據(jù)分析領(lǐng)域的熱點(diǎn)內(nèi)容页滚，機(jī)器學(xué)習(xí)已經(jīng)不斷地在各行各業(yè)深入應(yīng)用，國(guó)家層面已經(jīng)提出將數(shù)據(jù)作為重要的生產(chǎn)要素铺呵。因此裹驰，數(shù)據(jù)能力是考量企業(yè)發(fā)展的重要因素，那么機(jī)器學(xué)習(xí)的應(yīng)用在企業(yè)數(shù)字化轉(zhuǎn)型過(guò)程中有著至關(guān)重要的作用片挂。