loader

Günümüzde çoğumuzun bildiği gibi makine öğrenimi, sohbet robotlarının ve tahmini metinlerin, dil çeviri uygulamalarının, Netflix’in size önerdiği şovların ve sosyal medya akışlarınızın nasıl sunulduğunun arkasında.

Makine öğreniminin giderek yaygınlaşmasıyla birlikte, iş dünyasındaki herkes muhtemelen onunla karşılaşacak ve bu alan hakkında çalışma bilgisine ihtiyaç duyacak. 2020 Deloitte anketi, şirketlerin% 67’sinin makine öğrenimini kullandığını ve% 97’sinin bunu önümüzdeki yıl kullanmayı planladığını ortaya koydu.

Üretimden perakendeye, bankacılıktan fırınlara kadar eski şirketler bile yeni değerlerin kilidini açmak veya verimliliği artırmak için makine öğrenimini kullanıyor. MIT Dağıtılabilir Makine Öğrenimi Merkezi direktörü MIT bilgisayar bilimleri profesörü Aleksander Madry, “Makine öğrenimi değişiyor veya değişecek, her sektör ve liderlerin temel ilkeleri, potansiyeli ve sınırlamaları anlaması gerekiyor,” dedi. Madry, herkesin teknik ayrıntıları bilmesi gerekmese de teknolojinin ne yaptığını ve ne yapıp neyi yapamayacağını anlaması gerektiğini ekledi. “Kimsenin ne olduğunun farkında olmayacağını sanmıyorum. Bu araçları devreye sokup anlamaya başlamak ve ardından onları nasıl iyi kullanacağınızı düşünmek önemlidir. Bu araçları herkesin iyiliği için kullanmalıyız ”dedi.

İşletmeler makine öğrenimini nasıl kullanıyor?

Makine öğrenimi,sosyal medyada öneri algoritması veya Google’ın arama motoru durumunda olduğu gibi, bazı şirketlerin iş modellerinin temelini oluşturur. Günümüzde birçok şirket makine öğreniminin nasıl faydalı bir şekilde kullanılacağını belirlemeye çalışıyor.

MIT Sloan’da öğretim görevlisi ve ABD istihbarat toplulukları için yapay zeka konusunda uzmanlaşmış Kensho’da makine öğrenimi başkanı olan Mike Shulman, “Bence, makine öğrenimindeki en zor sorunlardan biri, makine öğrenimi ile hangi sorunları çözebileceğimi bulmaktır” dedi. “Anlayışta hâlâ bir boşluk var.”

Şirketler halihazırda makine öğrenimini çeşitli şekillerde kullanıyor:

Öneri algoritmaları. Netflix ve YouTube önerilerinin arkasındaki öneri motorları, Facebook yayınınızda hangi bilgilerin göründüğü ve ürün önerileri makine öğrenimiyle desteklenir.

Görüntü analizi ve nesne tespiti. Makine öğrenimi, insanları tanımlamayı ve onları ayırt etmeyi öğrenmek gibi farklı bilgiler için görüntüleri analiz edebilir. Shulman, hedge fonlarının  otoparklardaki araba sayılarını analiz etmek için makine öğrenimini kullandığını ve bu da şirketlerin nasıl performans gösterdiğini öğrenmelerine ve iyi bahisler yapmalarına yardımcı olduğunu belirtti.

Dolandırıcılık tespiti . Makineler, potansiyel olarak sahte kredi kartı işlemlerini, oturum açma girişimlerini veya istenmeyen e-postaları belirtmek için birinin normalde nasıl harcadığı veya normalde nerede alışveriş yaptığı gibi kalıpları analiz edebilir.

Otomatik yardım hatları veya sohbet robotları. Birçok şirket, müşterilerin veya müşterilerin insanlarla konuşmadığı, bunun yerine bir makineyle etkileşime girdiği çevrimiçi sohbet robotları kullanıyor. Bu algoritmalar, uygun yanıtlar bulmak için geçmiş konuşmaların kayıtlarından öğrenen botlarla birlikte makine öğrenimi ve doğal dil işlemeyi kullanır.

Kendi kendine giden arabalar. Kendi kendine giden arabaların arkasındaki teknolojinin çoğu, makine öğrenimine, özellikle de derin öğrenmeye dayanmaktadır.

Tıbbi görüntüleme ve teşhis. Makine öğrenimi programları, tıbbi görüntüleri veya diğer bilgileri incelemek ve kanser riskini tahmin edebilen bir araç gibi belirli hastalık belirteçlerini aramak için eğitilebilir.

Bu yazı alıntıdır.