สิ่งตีพิมพ์ในหัวข้อ 'analytics'
การสื่อสารที่ดีขึ้นระหว่างนักวิทยาศาสตร์ข้อมูลและผู้ใช้ทางธุรกิจ
จำไว้ว่าคุณกำลังแก้ไขปัญหาทางธุรกิจ ไม่ใช่การทดลองทางวิทยาศาสตร์
บ่อยครั้งความท้าทายที่ใหญ่ที่สุดในการวิเคราะห์หรือวิทยาศาสตร์ข้อมูลไม่ใช่ตัวงานจริง แต่เป็นการสื่อสารผลลัพธ์ไปยังผู้ใช้ทางธุรกิจที่มักไม่มีพื้นฐานทางเทคนิคใดๆ การสื่อสารอย่างมีประสิทธิภาพอาจมีความสำคัญมากกว่าวิทยาศาสตร์ข้อมูล เพราะหากคุณไม่สามารถทำให้ผู้ใช้ทางธุรกิจเข้าใจสิ่งที่คุณกำลังทำอยู่ คุณจะไม่สามารถสร้างความไว้วางใจได้ ผู้คนมักจะเพิกเฉยต่อคำแนะนำหากพวกเขาไม่ไว้วางใจบุคคลที่ให้คำแนะนำ.....
ข้อมูลเบื้องต้นเกี่ยวกับปัญญาประดิษฐ์ที่อธิบายได้ (XAI)
ผู้เขียน: Zeynep Betül Arikan, Data Science Intern @Mobiquity .
การพัฒนาล่าสุดในปัญญาประดิษฐ์ (AI) กำลังแนะนำเทคนิคการเรียนรู้ของเครื่องใหม่ๆ เพื่อแก้ปัญหาที่ซับซ้อนมากขึ้นด้วยความสามารถในการคาดการณ์ที่สูงขึ้น อย่างไรก็ตาม พลังในการทำนายนี้มาพร้อมกับความซับซ้อนที่เพิ่มขึ้น ซึ่งอาจส่งผลให้ตีความแบบจำลองเหล่านี้ได้ยาก แม้ว่าแบบจำลองเหล่านี้จะให้ผลลัพธ์ที่แม่นยำมาก แต่ก็จำเป็นต้องมีคำอธิบายเพื่อที่จะเข้าใจและเชื่อถือการตัดสินใจของแบบจำลอง นี่คือจุดที่ปัญญาประดิษฐ์ eXplainable (XAI)..
เครื่องมือจับคู่ MLB
บทนำสำหรับบทนำ
เอกสารและโปรเจ็กต์นี้จัดทำขึ้นสำหรับแมชชีนเลิร์นนิงขั้นสุดท้ายเมื่อสองสามเดือนก่อน มีการอธิบายกีฬาเบสบอลและวิธีการทำงานของ Statcast มากมาย ซึ่งจำเป็นสำหรับอาจารย์ของฉัน โปรเจ็กต์นี้ยังเป็นการแยกตัวจากเครื่องให้คะแนนการเสนอขายของฉัน ซึ่งฉันเขียนถึง "ที่นี่"
เนื่องจากสิ่งนี้ดำเนินการโดยใช้ไทม์ไลน์ที่สั้นลง ผลลัพธ์จึงกลายเป็นข้อพิสูจน์แนวคิดมากขึ้น แต่ยังต้องการแชร์สิ่งนี้และโพสต์ทางออนไลน์!
บทนำ
ในช่วงสิบปีที่ผ่านมามีการซื้อวิทยาศาสตร์ข้อมูลในกีฬาเพิ่มขึ้น..
การขุดแอปทั่วไป: ตอนที่ 1
อุตสาหกรรมที่สร้างขึ้นจากการรับเข้าศึกษาในมหาวิทยาลัยค่อนข้างอิ่มตัว ตั้งแต่ผู้สอนส่วนตัว 'หัวกะทิ' ในเอเชีย ไปจนถึงผู้ทรงอิทธิพลในการเตรียมสอบระดับโลกอย่าง Kaplan และแม้แต่ตลาดกลางในรูปแบบ TaskRabbit สำหรับ 'บริการให้คำปรึกษาเรียงความ' (อ่าน: การลอกเลียนแบบที่แฝงอยู่) แต่ดูเหมือนว่าผู้สอน ครู และที่ปรึกษายังไม่ได้ถอดรหัสรหัสการรับเข้าเรียน สูตรมหัศจรรย์มีอยู่จริงหรือไม่? อาจจะไม่ แต่มีแนวโน้มว่าจะมีกฎการตัดสินใจภายในคณะกรรมการรับสมัครที่เราไม่รู้มากนัก..
QuantumBlack มุ่งหน้าไปยังสตอกโฮล์มเพื่อร่วมงาน ICML
โดย Didier Vila หัวหน้าฝ่ายวิทยาศาสตร์ข้อมูลระดับโลกของ QuantumBlack
วันนี้ การประชุมการเรียนรู้เครื่องจักรนานาชาติ (ICML) เริ่มต้นขึ้นที่สตอกโฮล์ม การประชุมนี้ได้รับการสนับสนุนจาก “International Machine Learning Society” (IMLS) และจะมีผู้เข้าร่วมเดินทางจากทั่วโลกเพื่อฟังผลการวิจัยล่าสุดในสาขานี้
“QuantumBlack” ควบคู่ไปกับ “McKinsey Analytics”” นักวิทยาศาสตร์ข้อมูลและวิศวกรการเรียนรู้ของเครื่องจักรจะดำดิ่งลงไปในการวิจัยล่าสุดในด้านนี้ผ่านบทช่วยสอน เวิร์คช็อป การเสวนา..
สถานะปัจจุบันของการวิเคราะห์ Big Data และความท้าทาย
สถานะปัจจุบันของ Big Data Analytics
เราประสบความสำเร็จในการสำรวจเส้นโค้งที่เกินจริงและกำลังแล่นไปตามความเป็นจริง Big Data และ Analytics ถูกนำมาใช้เป็นส่วนใหญ่ในด้านการตลาด การขาย และการเพิ่มประสิทธิภาพการดำเนินงาน เราเห็นแล้วว่า Big Data มีราคาไม่แพง แต่กลายเป็นวันที่องค์กรขนาดใหญ่เท่านั้นที่สามารถใช้ประโยชน์จาก Big Data ให้กับผู้ให้บริการระบบคลาวด์ในการแก้ปัญหาการรวม การเปลี่ยนแปลง และการเพิ่มคุณค่าของข้อมูลสำหรับกลุ่มเฉพาะ..
ปรับปรุงการดำเนินงานร้านอาหารและความพึงพอใจของลูกค้าผ่านการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล
โครงการนี้คือการจัดหาโซลูชันที่ใช้เทคโนโลยีสำหรับเจ้าของร้านอาหาร เพื่อช่วยพวกเขาในการตัดสินใจอย่างมีข้อมูลและปรับปรุงการดำเนินธุรกิจของพวกเขา ปัจจุบัน เจ้าของร้านอาหารไม่สามารถเข้าถึงแพลตฟอร์มที่ครอบคลุมและใช้งานง่ายซึ่งให้ข้อมูลและการวิเคราะห์แบบเรียลไทม์ และโซลูชันที่มีอยู่มักจะมีราคาแพง ใช้งานยาก และไม่มีตัวเลือกในการปรับแต่ง โครงการนี้มีจุดมุ่งหมายเพื่อแก้ไขปัญหาเหล่านี้และมอบโซลูชันที่ช่วยให้เจ้าของร้านอาหารเข้าใจความรู้สึกของลูกค้า..
