九个在机器学习方面跃跃欲试的IT项目.docxVIP

PAGE 1 PAGE 1 九个在机器学习方面跃跃欲试的IT项目  随着人工智能快速成为具有战略意义的事物，你就要查找可以让你快速赢得业务的项目，并帮助你获得更广泛地应用机器学习的技能。  随着人工智能快速成为具有战略意义的事物，你就要查找可以让你快速赢得业务的项目，并帮助你获得更广泛地应用机器学习的技能。  机器学习正在快速成为前瞻性组织的现实。但对于大多数企业而言，利用机器学习技术能力的最佳方法仍旧是一个谜。不过，试验的结果越来越鼓舞人心。  事实是，你的竞争对手可能已经在奠定基础。IDC预估，今年全球人工智能系统的收入几乎要翻一番，达到125亿美元，并保持同比增长，直到2020年达到460亿美元。其中一些支出将用于运行机器学习系统的硬件，但即使你没有预算和数据科学家从零开始构建系统，你仍旧有大量的工具和服务，它们将让你以实际的方式使用机器学习来助力业务。  下面来谈谈9个IT项目，它们几乎对任何在开展机器学习技术的组织都有用。  1.客户服务谈天机器人  假如你有一个常见问题列表供客户查询，你可以将其转换成可以使用MicrosoftQnAMaker回答支持问题的谈天工具。当然，这不一定是客户支持；你可以创建一个机器人来回答新员工关于人力资源福利或如何联系帮助台的问题。  在你的常见问题解答中加进URL，或上传有问答的电子表格和文档，并用QnAMaker创建一些可以查看和训练的问答，然后调用API。假如你期望有一个更好玩的界面而不仅仅是文本回复，你可以使用.NETSDK和MicrosoftBotFramework来创建一个显示图片和丰富内容的机器人。  假如你喜欢无服务器的方法，QnAMaker是AzureBot服务的模板之一，因此你可以创建一个适用于电子邮件，GroupMe、FacebookMessenger、Kik、Skype、Slack、MicrosoftTeams、电报、文本/短信和Twilio的方式。  从长远来看，谈天机器人将演变成为AmazonAlexa和微软小娜(MicrosoftCortana)的智能代理。但是，代理商不仅仅是回答个别问题，而是通过客户的问题来创建一个“目标导向”的对话，从而帮助他们解决问题，这就是你需要的门票销售或诊断投影机无法连接的原因。微软刚刚向Dynamics365添加了一个客户关怀解决方案，其中虚拟代理提出解决方案，假如它无法解决问题并学习下一次要做什么的话，它就会将客户移交给人员支持，连同会话具体信息及其提出的建议一并移交。惠普，梅西百货(Macys)和微软自己的支持服务已经在使用此代理进行在线支持。  2.营销自动化和分析  营销往往是第一个试验新技术的部门，这就是AdobeMarketingCloud，Dynamics365和Salesforce等营销服务开始为客户推荐相关产品，以显示个性化搜寻结果，分类销售线索，当交易无人问津时警告您，在潜在的客户公司查找替代联系人，甚至示意用什么方式以及在什么时候与他们联系。究竟，客户流失的预估模型可以帮助你进行预估和规划。  假如你的营销团队还没有考虑这些工具，那么这是将机器学习直接应用到你的底线的好方法。假如他们正在考虑，请发觉什么是有效的，并查找可以从类似分析中受益的其它部门。AXA正在使用具有70个变量的TensorFlow深度机器学习模型来预估哪些客户可能会发生意外，而这些意外将使保险公司花费的成本超过10，000美元，因此机器学习可以优化保单价格。较旧的模型因不够精确而用处不大，但预估精度从40%提高到78%时，把现在客户作为目标时这个数字好的足以考虑尝试了。  3.欺诈检测  发觉欺诈和异常交易是一个经典的数据分析问题，但假如您大规模进行，机器学习有助于发觉有问题的活动，如诈骗者多次支付触发限制，新商家表现出异常行为，貌似合法的连接到诈骗网络的客户。Fraud.net使用AmazonMachineLearning来训练多种机器学习模型，以发觉一系列欺诈活动，而不是尝试创建一个单一的模型来评估每种可能的欺诈行为；不管哪一天，他们保护的商家可能面临着一百种不同的欺诈方案，每种欺诈方案都有数十种不同的变种。  机器学习不仅仅是为了捕获现有客户的欺诈行为——保险公司想要发觉新的申请人，他们准备在出保单之前向一辆已经损坏过的车辆索赔。不要光想着阻挡不好的交易。福特的信贷部门正在使用ZestFinance的机器学习工具来预估特定借款人偿还贷款的可能性，以便可以向信用评级较低的人士借贷。随着美国汽车销量普遍下滑(福特本身的下滑幅度较大)，找到他们原本可能会拒绝的买家对业