觀點:機器學習需要我們的關注!

機器學習是一項強大的技術,值得我們更多的關注。很長一段時間以來,我們已經聽到了大量的機器學習應用。但是,如果沒有仔細的監(jiān)督,機器學習算法無法提供優(yōu)化的結果。因此,關注機器學習與在企業(yè)中實施機器學習同樣重要。

機器學習的問題毫無疑問,沒有人會需要一個預測錯誤結果的機器學習系統(tǒng)。但事實是,機器學習系統(tǒng)并不是完全正確的,它也會犯錯。比如人工算法容易出錯,可能在無意中加劇招聘過程中的歧視。任何使用此類系統(tǒng)的人力資源經理都需要意識到它的局限性,并制定應對這些局限性的計劃。算法在某種程度上是嵌入在代碼中的我們的意見,它們反映了導致機器學習錯誤和誤解的人類偏見。上述陳述的重點是,任何使用機器學習系統(tǒng)的人必須意識到它的局限性。任何用戶都不應該被機器學習帶來的各種可能性所淹沒,以至于忘記了它的局限性?,F(xiàn)在,讓我們把機器學習系統(tǒng)分解成:● 活躍的系統(tǒng)● 被動系統(tǒng)簡而言之,主動系統(tǒng)就是那些由人類控制操作的系統(tǒng)。另一方面,被動系統(tǒng)是指由機器控制所有過程,幾乎不受人為干擾的系統(tǒng)。由于人類統(tǒng)治著主動系統(tǒng),因此需要經驗豐富、合格的分析師來管理機器學習系統(tǒng)。以下是機器學習專業(yè)人士面臨的7大挑戰(zhàn):● 數(shù)據(jù)質量差● 訓練數(shù)據(jù)欠擬合● 訓練數(shù)據(jù)的過度擬合● 機器學習是一個復雜的過程● 缺乏訓練數(shù)據(jù)● 實現(xiàn)緩慢● 數(shù)據(jù)增長時算法的缺陷大多數(shù)公司缺乏具備必要專業(yè)知識的員工。因此,即使出現(xiàn)了前瞻性技術,電子表格等傳統(tǒng)軟件仍繼續(xù)主導分析研究。此外,過度擬合是機器學習的另一個主要問題,系統(tǒng)會與輸入給它的大型數(shù)據(jù)集混淆。結果會導致系統(tǒng)有時會關注不必要的數(shù)據(jù)。另一方面,被動模型會產生另一組問題。受過訓練以自行響應的機器可能會帶來風險。例如,我們正在與一個聊天機器人互動,請求一些緊急幫助。如果機器人回復:“對不起,我很理解你的問題,我很想幫助你,但我還在慢慢學習新的單詞和命令?!边@種情況下,我們希望得到更好的支持,不是嗎?因此,機器學習也需要關注!如何照顧機器學習在企業(yè)中實施機器學習之前,先執(zhí)行這些簡單的步驟,以提高生產率和增加收入。了解機器學習算法可以在哪些領域推動企業(yè)實現(xiàn)利潤最大化。在對機器學習有了全面的了解后,管理者可以在企業(yè)中充分利用機器學習技術。組織必須采用透明的機器學習模型,這使得高層管理人員能夠跟蹤所有的決策。創(chuàng)建一個交換主動和被動模型的映射,以便始終為用戶提供必要的支持。處理機器學習系統(tǒng)是復雜而直接的。在企業(yè)中實施機器學習之前,請詳細閱讀本文,以便輕松地在企業(yè)中實施機器學習。

極客網企業(yè)會員

免責聲明:本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿,凡在本網站出現(xiàn)的信息,均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性,但不保證有關資料的準確性及可靠性,讀者在使用前請進一步核實,并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏,概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時,應及時向本網站提出書面權利通知或不實情況說明,并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后,將會依法盡快聯(lián)系相關文章源頭核實,溝通刪除相關內容或斷開相關鏈接。

2022-05-17
觀點:機器學習需要我們的關注!
毫無疑問,沒有人會需要一個預測錯誤結果的機器學習系統(tǒng)。但事實是,機器學習系統(tǒng)并不是完全正確的,它也會犯錯。比如人工算法容易出錯,可能在無意中加劇招聘過程中的歧視。任何使用此類系統(tǒng)的人力資源經理都需要意識到它的局限性,并制定應對這些局限性的計劃。算法在某種程度上是嵌入在代碼中的我們的意見,它們反映了導致機器學習錯誤和誤解的人類偏見。

長按掃碼 閱讀全文