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.

Djup maskininlärning

Vad är djup maskininlärning?

Djup maskininlärning är en specialiserad form av maskininlärning som drivs av neurala nätverk, även kallat artificiellt neuronnät. Den reder ut ostrukturerad data genom att extrahera och klassificera bilder eller ljud för att dra värdefulla slutsatser. Djupinlärning kan tillämpas inom områden, såsom ansikts- och taligenkänning, översättning, självkörande bilar och socialt nätverksfiltrering.

Vilka är fördelarna med djup maskininlärning?

Att använda djup maskininlärningsteknik kan minska den tid det tar att analysera data och dra slutsatser. Den kan också öka kvaliteten och exaktheten för dessa resultat. Djupinlärning kan också:

  • Upptäck defekter. Djup maskininlärningsmodeller kan identifiera även mycket små produkttillverkningsfel, som människor ofta missar.
  • Förbättra prognoser. Organisationer kan använda algoritmer för djup maskininlärning för att bryta sambanden mellan flera typer av ostrukturerade data, exempelvis bilder, samtal på sociala medier och branschanalyser, med mera, för att göra bättre affärsprognoser.
  • Eliminera datamärkning. Algoritmer för djup maskininlärningsteknik kan lära sig utan riktlinjer, vilket eliminerar behovet av välmärkta data.
  • Undvika fel som beror på mänskliga faktorn. En djup maskininlärningsmodell kan utföra tusentals rutinmässiga, repetitiva uppgifter mycket snabbt, och undvika fel som kan ske i samband med mänsklig trötthet eller tristess.
  • Automatisera funktionsteknik. Djup maskininlärning kan implementera funktionsteknik autonomt. En algoritm scannar data för att identifiera och kombinera korrelerande funktioner för att främja snabbare inlärning - den strömlinjeformar datavetarnas arbete.

TILLBAKA TILL

ORDLISTA