Откровенно говоря, машинное обучение как технология не имеет никакого смысла для бизнеса, пока оно не будет преобразовано в бизнес-ценность, в разных областях Машинное обучение может помочь создать различные бизнес-ценности. здесь возникает ответственность архитекторов интеграции, которые могут преобразовать технические возможности в бизнес.
ML в здравоохранении: может делать прогнозы и профилактические прививки для определенного региона.
ML в маркетинге: прогнозирование, персонализация кампаний, покупательское поведение.
ML в безопасности: обнаружение мошенничества, безопасность данных, аудит (превентивный)
ML в сфере коммуникации – служба поддержки, самообслуживание, рекомендации, НЛП и т. д.
CSP должны понимать предметную область и болевые точки организации и предлагать машинное обучение как услугу, а не только технологии.
* один из моих клиентов использовал машинное обучение для «единого просмотра пользователей», проблема заключалась в том, что одного пользователя с несколькими учетными записями необходимо рассматривать как единое целое, прежде чем делать кампанию и предлагать. и это не было включено в мое предложение, урок усвоен
