Урок 2.8. Понятие Deep Learning и Machine Learning, в чем отличие
Первый урок курса подходит к концу. Мы рассмотрели, что такое искусственный интеллект и на какие виды его можно разделить.
Узнали, какие бывают направления развития ИИ и какие задачи можно решать в рамках этих направлений, познакомились с методами ИИ и определили алгоритм использования методов ИИ.
В завершение поговорим о более конкретном. Рассмотрим две небольшие задачи из практики, в которых применяются технологии искусственного интеллекта:
Скоринг (от англ. scoring - подсчет) - это способ определения платежеспособности заемщика.
До бурного развития искусственного интеллекта этот процесс протекал не быстро.
Вы собирали документы, передавали в банк. Сотрудники кредитной организации проверяли документы и заносили данные в специальную анкету.
Далее специалисты по рисками проверяли эту анкету на основании собственных моделей и принимали решение о выдаче денежных средств заемщику или отказе в предоставлении кредита. Например, в 2012 году заявка на ипотеку одобрялась несколько дней, сейчас это происходит через несколько минут после заполнения анкеты в приложении или на сайте.
Процесс упростили и ускорили благодаря алгоритмам машинного обучения. Скоринговая модель мгновенно выдает результат и не требует зарплаты.
У каждого на руках есть карты лояльности крупных супермаркетов или магазинов электроники. Как вы думаете, для чего их придумали? В первую очередь для удержания клиентов, предоставляя им персональные скидки.
Однако, я сам лично наблюдал, что и мне и другим приходят одни и те же предложения. Магазин просто оповещает меня о появлении скидки на какой-то товар и сроках действия этой акции.
Что интересно, акция рассылается одновременно всем клиентам. Может так получится, что скидка на подгузники будет доступна и студентам, пенсионерам и молодым родителям.
Как сделать так, чтобы направлять персонализированные предложение каждой группе пользователей? Решение такой задачи сделало бы рекламную кампанию в разы эффективней, увеличив прибыль магазинов.
Искусственный интеллект прекрасно справляется с решением задачи кластеризации.
Как это работает? Вы приходите в магазин, собираете корзину покупок и оплачиваете покупки, предъявив карту лояльности. Данные накапливаются в клиентской базе данных магазина. Затем программисты в области Data Science разрабатывают и обучают модель, которая разделит покупателей на кластеры.
Кластеры - это группы объектов со схожими характеристиками внутри каждого кластера. На картинке выше показаны три кластера, условно названных студенты, пенсионеры и семьи с детьми. Это сделано для лучшего понимания процесса. В реальности кластеры могут состоят из разных людей, схожих по характеру совершаемых покупок.
Далее в игру вступают аналитики, предлагающие, для каждого кластера, считай сегмента целевой аудитории приемлемые скидки на требуемые для них товары.
Маркетологи создают рекламные кампании, E-mail и СМС-рассылки. Происходит анализ результатов проведения эксперимента.
Таким образом, искусственный интеллект позволяет максимально точно угадать потребности аудитории, повысить продажи и прибыль крупных супермаркетов.
Мы завершили первый урок. В следующем уроке рассмотрим понятие искусственного нейрона, искусственной нейронной сети. Познакомимся в теории, какие виды нейронных сетей бывают и для каких задач применяются. Рассмотрим, что такое Deep Learning.
