sábado, 2 de setembro de 2017

Aplicativos inteligentes de BI, habilitados para Aprendizagem de Máquina, hoje, podem fornecer respostas instantâneas para consultas comerciais complexas.


Machine Learning (ML) transformou a computação tradicional, permitindo que as máquinas aprendessem com os dados.

Os algoritmos de Aprendizagem de Máquinas possuem inteligências incorporadas para usar dados disponíveis para responder a perguntas. Além de usar dados para aprender, os algoritmos ML também podem detectar padrões para descobrir anomalias e fornecer soluções.

Insegurança de Ambientes: Aprendizagem de Máquinas pode avançar um passo à frente dos seres humanos e retirar violações de segurança não identificadas nos sistemas públicos.

Os casos de uso da Aprendizagem de Máquina estão sendo aprimorados todos os dias, com o potencial de detectar eventos imprevistos muito antes de acontecerem e até mesmo sugerir prováveis ​​ações corretivas.
Nos últimos anos, com o avanço da ciência da Inteligência Artificial (AI) e o desenvolvimento de aplicativos com Aprendizagem de Máquinas, os   algoritmos atingiram novas alturas.

Hoje, estamos vendo a frente uma economia de algoritmos robustos, onde até mesmo uma pequena e comum empresa comercial pode comprar algoritmos embalados projetados como soluções empresariais.

A súbita comercialização de ML foi possível em grande parte devido à disponibilidade de hardware superior e mais barato, arquiteturas de processamento e aumento de tecnologias de suporte como Big Data e Hadoop

De acordo com o Webinar da DATAVERSITY®, Estratégias de Adoção da Aprendizagem da Máquina (ML), o mercado de aplicações ML está em constante amadurecimento e os usuários devem selecionar a abordagem e as soluções certas, do conjunto de aplicativos disponíveis, para obter uma solução de negócios particular, baseada em  Aprendizagem da Máquina (ML),   adequada a seus ambientes de negócio .

Com a crescente popularidade de aplicativos ou sistemas "inteligentes" que eliminam as rotinas de BI, mais e mais empresas estão dispostas a fazer parceria com os fornecedores de aplicativos ML para automatizar parcial ou totalmente seus sistemas de BI avançados. O aprendizado de máquina da DATAVERSITY, para Modelagem de Dados e Testes, indica que a automação rápida de tarefas como a modelagem de dados reduziu consideravelmente a complexidade de usar essas soluções ML pré-fabricadas.

 Enquanto no cenário tradicional de BI das empresas, os cientistas de dados experientes gastaram horas de trabalho  de detecção de  padrões, a partir de dados existentes, para prever resultados futuros, os aplicativos inteligentes de BI, habilitados para ML hoje podem fornecer respostas instantâneas para consultas comerciais complexas.

Este artigo cita o exemplo do BeyondCore, que tem a capacidade de criar modelos de dados para vários tipos de análise. Especificamente, em soluções de descoberta de dados, os fornecedores de aplicativos fornecem funções automatizadas de modelagem de dados para auxiliar funções avançadas de Business Intelligence. Os algoritmos de Aprendizagem de máquinas têm existido por algum tempo, mas a capacidade de "Aprendizagem não supervisionada", juntamente com Big Data, catapultou os sistemas de BI alimentados por ML em uma nova era de Data Analytics. Neste artigo do SAS, o autor estabelece que a Ciência da Aprendizagem de hoje chega a suportar a "aprendizagem iterativa" a partir de novos dados.

À medida que as tecnologias AI, ML e Deep Learning continuam a evoluir, a adoção de tecnologias de dados será mais rápida e em todo o cenário empresarial global, não apenas em grandes empresas.

O objetivo final dos provedores de previsão de dados é trazer soluções prontas, a um custo acessível para os proprietários de empresas de médio e pequeno porte, para que essas tecnologias tenham o alcance mais amplo.

A outra tendência notável é que os casos de uso da Aprendizagem em Máquina estão crescendo rapidamente em todas as áreas verticais e a integração de Big Data, Cloud, IoT e Hadoop acelerou o crescimento e a implementação de tais casos de uso.

Hoje, grandes, médias e pequenas empresas têm a capacidade de acessar e implementar ferramentas "inteligentes" para marketing personalizado, análise de risco e fraude, manutenção preditiva de equipamentos, para citar alguns.

Os sistemas de AI certamente não são completos, mas, eventualmente, essas novas tecnologias de dados transformarão coletivamente a paisagem do BI de negócios.

 Leia também:
Analytics Teams Eye Machine Learning Use Cases to Boost Business
 para descobrir mais sobre os desenvolvimentos recentes nas tecnologias AI e ML.

TRADUÇÃO DE:

Machine Learning Use Cases for Data Management
http://www.7wdata.be/data-analysis/machine-learning-use-cases-for-data-management/