【业界】机器学习成为主流：如何提高你的竞争优势
【业界】机器学习成为主流：如何提高你的竞争优势
随着近年来AI的不断发展，如何在竞争中提高你的优势？首先是大数据—非常大的数据集，可以使用数据分析来揭示模式和趋势，使企业能够改善客户关系和生产效率。然后是快速数据分析—实时应用大数据分析，帮助解决客户关系、安全以及其他问题。现在，随着机器学习，大数据和快速数据分析的概念与AI的结合使用，以避免这些问题和挑战。
那么，什么是机器学习，它如何帮助您的业务？机器学习是AI的一个子集，让计算机“学习”而不需要明确的编程。通过机器学习，计算机可以开发通过经验学习和通过数据集搜索来检测模式和趋势的能力。它不是将这些信息提取出来用于人的理解和应用，而是用它来调整自己的程序行为。
这对你的业务意味着什么?机器学习可以跨行业使用，包括但不限于医疗、汽车、金融服务、云服务提供商等等。通过机器学习，这些行业的专业人士和企业可以在多个领域取得更大的成绩，其中包括：
—图像分类和检测
—欺诈识别
—面部检测/识别
—图像识别/标记
—大数据模式检测
—网络入侵检测
—目标广告
—赌博
—检查处理
—计算机服务器监控
在他们的原始数据中，大小数据集隐藏着大量的模式和见解。机器学习使企业、组织和机构能够比以往更快地发现趋势和模式。实际应用包括：
—基因组映射
—加强汽车安全
—石油储量勘探
英特尔一直致力于开发图书馆和参考架构，这不仅使机器学习成为可能，而且使其能够真正实现飞行，并为企业和组织提供成功所需的竞争优势。
事实上，根据Bain最近的一项研究，使用机器学习和分析的公司有：
—做出数据驱动决策的可能性是原来的两倍。
—做出决策的速度是竞争对手的5倍。
—这些决策的执行速度是三倍。
—两倍的可能会有最高的四分之一财务结果。
换句话说，预测数据分析和机器学习正成为希望在当今市场取得成功的企业的必需品。正确的机器学习策略可以使你的业务领先于竞争对手，降低TCO，为您的业务获得成功而提供优势。
预测分析和机器学习的背景
你已经知道机器学习本质上是一种数据分析的形式，但是它是从哪里来的，它又是如何演变成今天的样子的呢?在过去的几十年里，我们看到了信息技术的快速扩张和发展。1995年，数据存储成本约为1000美元/ GB;到2014年，成本暴跌至0.03美元/ GB。通过访问更多更大的数据集，数据科学家已经在神经网络方面取得了重大进展，从而提高了建模和分析的准确性。
正如我们前面提到的，数据和分析的结合为企业提供了独特的机会。现在机器学习已经进入主流，沿着这条路线的下一步是预测分析，这超越了之前的分析功能。
预测分析的路径
机器学习是预测分析的一部分，它由深度学习和统计/其他机器学习组成。对于深度学习，算法被应用到允许多个层次学习越来越复杂的数据表示。对于统计/其他机器学习，基于其他技术的统计算法和算法被应用于帮助机器从学习例子中估计函数。
实质上，机器学习允许计算机通过建立基于一个或多个数据集的数学模型来训练。然后，当这些计算机根据可用数据进行预测时，就会得分。那么，什么时候应该应用机器学习呢?
有很多次，应用机器学习可以给你一个竞争优势。一些著名的例子包括：
—当一个主题没有可用的人类专业知识时。最近对冥王星的导航依赖于机器学习，因为这门课上没有人类的专业知识。
—当人类无法解释他们的能力或专长时。你如何识别某人的声音?语音识别是一项深层次的技巧，但是有太多的因素起作用，所以你不能说出你如何识别某人的声音。
—当解决方案随着时间变化。在上下班高峰时间，开车是很清楚的。一个小时后，有一个残骸，高速公路停了下来，小巷也变得更加拥挤。按时上班的最佳途径是按分钟改变的。
—当不同的解决方案不同的时候。每个病例都是不同的。病人对药物过敏，多种症状，某些疾病的家族病史等。解决方法必须以个人为基础。
这些只是你在各个行业和机构中发现的机器学习的一些用途。尽管机器学习的需求在不断增长，但现在有了一个不断发展的软件生态系统，致力于推动机器学习，并为企业和组织提供即时预测分析的好处。
在这个生态系统中，英特尔是机器学习最广泛的平台。英特尔®Xeon®和英特尔®Xeonφ™CPU为大多数机器学习框架提供了最具竞争力和成本效益的性能。
采用机器学习的挑战
采用机器学习需要克服一些障碍，才能利用预测分析的优势。这些包括：
—了解有多少数据是必要的
—调整和使用当前数据集
—聘请数据科学家为你的企业创建最佳的机器学习策略
—了解新基础架构与使用现有基础架构的潜在需求。
通过正确的机器学习策略，采用的障碍实际上是相当低的。而且，当你考虑到TCO的降低和效率提高时，你可以看到这种转变是如何在很短的时间内为自己付出的。此外，英特尔还致力于建立一个开发者和数据科学界，以在高级分析领域的思想领导理念。通过这些文章和信息交流，我们希望进一步帮助企业和组织理解预测分析和机器学习的力量。