Maskinlæring
Artificial intelligence & predicitive analytics
Maskinlæring i praksis
Moderne analytics bør legge til rette for å bruke maskinlæring og kognitive teknologier. Kunstig intelligens og smarte maskiner har passert bunnpunktet i hypekurven og er på full fart inn i en epoke der teknologien leverer forretningsverdi og har kommersiell utnyttelse.
Mange av de teoretiske og matematiske modellene bak kunstig intelligens er langt fra nye, men de er først de siste årene denne type teknologi har fått en høy grad av tilgjengelighet for kommersiell utnyttelse. Mye av grunnen til dette er at utviklingen drives og leveres av de store skyplattform-leverandørene. Sannsynligheten er derfor stor for at en intelligent applikasjon benytter underliggende skytjenester, fremfor algoritmer skrevet av en utvikler.
Oppgavene til arkitekter og systemutviklere som skal skape smarte applikasjoner blir derfor å forstå og kunne bruke tjenestespekteret på skyplattformene. Potensialet til kunstig intelligens og smarte maskiner er det bare fantasien som setter grenser for.
Hvilke metoder innen kunstig intelligens og maskinlæring gir best gevinst?
Denne analysen fra Gartner gir deg 5 måter å indentifisere hvilke AI og ML strategier som vil gi maksimal innvirkning på virksomheten.
Maskinlæring og kognitive teknologier har et stort potensial, og vi kan blant annet levere løsninger som understøtter følgende analytiske og operasjonelle problemstillinger:
Vi leverer løsninger med bruk av maskinlæringstjenester og kognitive tjenester på plattformene Microsoft Azure, Google Cloud Platform og Amazon Web Services. Der det er mer hensiktsmessig leverer vi løsninger basert på åpne rammeverk og teknologier som SciKit Learn, Python, R etc.
