Maschinelles Lernen auf die richtigen Probleme anwenden

Hauptvortrag

Eine Einführung in maschinelles Lernen

Maschinelles Lernen ist ein wichtiges Werkzeug, wenn es auf das richtige Problem angewendet wird. William Myers, leitender Statistiker bei Procter & Gamble, betont, dass der erste Schritt – die klare Definition des Problems – immer dann von entscheidender Bedeutung ist, wenn Sie Daten sammeln oder statistische Analysen durchführen möchten.

„Was Sie nicht wollen, ist eine großartige Lösung für das falsche Problem oder eine Lösung, die zu eng auf das Projekt zugeschnitten ist“, sagt Myers. Ist Ihr Ziel beispielsweise die Entwicklung eines statistischen Modells zum Erklären, Vorhersagen oder möglicherweise beidem?

Im Video erfahren Sie mehr über:

• Eine einfache Definition des maschinellen Lernens und damit verbundener Begriffe.
• Zwei allgemeine Kategorien des maschinellen Lernens: überwachtes und unüberwachtes Lernen.
• Beispiele für den Einsatz von maschinellem Lernen in der Industrie.
• Wichtige Schritte, die vor dem Erstellen eines maschinellen Lernmodells unternommen werden müssen.
• Erweiterte Methoden für komplexere oder unstrukturierte Daten.

Branchengespräch

TEL Singapore verschafft sich durch Analytics-Automatisierung einen Wettbewerbsvorteil

Miao Chen, Datenwissenschaftler bei TEL Singapore, beschreibt, wie Analytik eine Schlüsselrolle bei der Entwicklung und Aufrechterhaltung von Wettbewerbsvorteilen für Unternehmen spielt – und wie Automatisierung in vielen Branchen zunehmend an Bedeutung gewinnt.

Chen spricht über Automatisierung als vielversprechende Methode für verschiedene Funktionsteams in einer Organisation, um die Komplexität von Datenquellen zu überwinden, den Mangel an geeigneten Ressourcen zu verringern und den Prozess der Wertschöpfung aus Daten zu beschleunigen. Diese Präsentation bietet einige grundlegende Hintergrundinformationen zur Automatisierung in der Analytik sowie die Vorteile und Techniken zur Automatisierung von Analysen mithilfe von JMP® ^- Skripten.