Spisu treści:
Uczenie maszynowe było jednym z największych postępów w historii komputerów, a obecnie uważa się, że może odgrywać znaczącą rolę w dziedzinie dużych zbiorów danych i analiz. Analiza dużych zbiorów danych to ogromne wyzwanie z punktu widzenia przedsiębiorstw. Na przykład działania takie jak zrozumienie ogromnych ilości różnych formatów danych, przygotowanie danych do analizy i filtrowanie zbędnych danych może pochłaniać wiele zasobów. Zatrudnianie naukowców i specjalistów ds. Danych jest kosztowną propozycją i nie obejmuje wszystkich firm. Eksperci uważają, że uczenie maszynowe jest w stanie zautomatyzować wiele zadań związanych z analityką - zarówno rutynowych, jak i złożonych. Automatyzacja uczenia maszynowego może zwolnić wiele zasobów, które można wykorzystać w bardziej złożonych i innowacyjnych pracach. Wydaje się, że uczenie maszynowe zmierza w tym kierunku. (Aby dowiedzieć się więcej na temat korzystania z uczenia maszynowego, zobacz Obietnice i pułapki uczenia maszynowego).
Automatyzacja w kontekście technologii informatycznych
W kontekście IT automatyzacja polega na łączeniu różnych systemów i oprogramowania, aby mogły wykonywać określone zadania bez interwencji człowieka. W branży IT zautomatyzowane systemy mogą wykonywać zarówno proste, jak i złożone zadania. Przykładem prostego zadania może być integracja formularza z plikiem PDF i wysłanie dokumentu do właściwego odbiorcy, a zapewnienie kopii zapasowej poza siedzibą może być przykładem złożonego zadania.
Aby wykonać swoje zadanie, należy zaprogramować zautomatyzowany system lub uzyskać wyraźne instrukcje. Za każdym razem, gdy wymagany jest zautomatyzowany system do modyfikacji zakresu jego zadań, program lub zestaw instrukcji musi być aktualizowany przez człowieka. Chociaż zautomatyzowane systemy są wydajne w swoich zadaniach, mogą wystąpić błędy z różnych przyczyn. Kiedy wystąpią błędy, podstawowa przyczyna musi zostać zidentyfikowana i skorygowana. Oczywiście, aby wykonywać swoje zadania, zautomatyzowane systemy są całkowicie zależne od ludzi. Im bardziej złożony charakter zadania, tym większe prawdopodobieństwo błędów i problemów.
