carrot carrot carrot Change Centers x cognizanti collaborators create-folder Data Science Decisive Infrastructure download download edit Email exit Facebook files folders future-of-work global sourcing industry info infographic linkedin location Mass Empowerment Mobile First our-latest-thinking pdf question-mark icon_rss save-article search-article search-folders settings icon_share smart-search Smart Sourcing icon_star Twitter Value Webs Virtual Capital workplace Artboard 1

Vänligen besök sidan Åtgärder mot Covid-19, för information och råd för att hantera krisen idag och i morgon

Sverige

No Results.

Did you mean...

Or try searching another term.

Automatiserad maskininlärning

Vad är automatiserad maskininlärning?

Automatiserad maskininlärning (autoML) är processen för att lösa verkliga utmaningar genom att automatisera AI-baserad maskininlärning - som använder statistiska tekniker eller algoritmer för att göra det möjligt för en dator att bli bättre på vad den gör. Automatiserad maskininlärning kör hela maskininlärningspektrumet från ändpunkt till ändpunkt - från råa datamängder till driftklara maskininlärningsmodeller.

Dess programvara automatiserar flera maskininlärningsfunktioner, såsom att upptäcka mönster och strukturer, hitta ovanliga datapunkter, förutsäga värden och kategorier, samt lösa en mängd olika problem.

Vad är affärsnyttan med automatiserad maskininlärning?

Några av de många fördelarna är:

  • Tillåter företag att konsumera och förstå mycket stora datamängder från flera olika källor.
  • Gör det möjligt för icke-experter att enkelt implementera maskininlärningsmodeller, tekniker och lösningar, så att en organisations datavetare istället kan fokusera på mer komplexa problem.
  • Påskyndar leveransen av enklare lösningar, som ofta överträffar manuellt utformade modeller.
  • Löser fler affärsproblem snabbare genom att automatisera manuella, enformiga uppgifter, såsom att jämföra dussintals modeller för att upptäcka insikter och förutsägelser. Något som annars skulle ta veckor eller månader av datavetarnas tid.
  • Ökar avkastningen på datavetenskap genom att utnyttja datavetarnas institutionella kunskap, och därmed undvika den tid och kostnad som krävs för att samla in olika värden.

TILLBAKA TILL

ORDLISTA