Оглавление:
Машинное обучение стало одним из самых значительных достижений в истории вычислительной техники, и теперь считается, что оно способно играть значительную роль в области больших данных и аналитики. Анализ больших данных является огромной проблемой с точки зрения бизнеса. Например, такие действия, как определение огромных объемов различных форматов данных, подготовка данных для аналитики и фильтрация избыточных данных, могут потреблять много ресурсов. Найм ученых и специалистов в области данных - это дорогое предложение, и не во всех компаниях. Эксперты считают, что машинное обучение способно автоматизировать многие задачи, связанные с аналитикой - как рутинные, так и сложные. Автоматизация машинного обучения может высвободить много ресурсов, которые можно использовать в более сложных и инновационных работах. Кажется, что машинное обучение движется в этом направлении. (Чтобы узнать больше об использовании машинного обучения, см. Обещания и Подводные камни Машинного обучения.)
Автоматизация в контексте информационных технологий
В контексте ИТ автоматизация - это связывание разнородных систем и программного обеспечения, чтобы они могли выполнять конкретные задачи без какого-либо вмешательства человека. В ИТ-отрасли автоматизированные системы могут выполнять как простые, так и сложные задачи. Примером простой работы может быть интеграция формы с PDF и отправка документа нужному получателю, в то время как подготовка резервной копии за пределами площадки может быть примером сложной работы.
Для выполнения своей работы автоматизированная система должна быть запрограммирована или дана четкая инструкция. Каждый раз, когда требуется автоматическая система для изменения объема своей работы, программа или набор инструкций должны обновляться человеком. Хотя автоматизированные системы эффективны в своей работе, ошибки могут возникать по разным причинам. При возникновении ошибок необходимо определить и устранить основную причину. Очевидно, что для выполнения своей работы автоматизированные системы полностью зависят от людей. Чем сложнее характер работы, тем выше вероятность ошибок и проблем.
