忽视开源会影响你的职业生涯……

01~03 统计机器学习、神经网络和深度学习

机器学习是一种自动将模型与数据匹配，并通过训练模型对数据进行“学习”的技术。机器学习是AI最常见的形式之一。

在2017年德勤对250位经理(其所在公司都已经在探索AI)开展的“了解认知”调查中，接受调查的公司58%在其业务中采用了机器学习。它是许多人工智能方法的核心技术并且有很多的版本。公司内部和外部数据(尤其是这些外部数据)的爆炸式增长使它们采用机器学习来全面理解这些数据变得既可行又必要。

神经网络是机器学习的一种更为复杂的形式，该技术出现在20世纪60年代，并用于分类型应用程序，例如确定信贷交易是否为欺诈行为。它根据输入、输出、变量权重或将输入与输出关联的“特征”来分析问题。它类似于神经元处理信号的方式，但把它比作大脑就有些牵强了。

最复杂形式的机器学习将涉及深度学习，或通过很多等级的特征和变量来预测结果的神经网络模型。得益于当前计算机架构更快的处理速度，这类模型有能力应对成千上万个特征。

与早期的统计分析形式不同，深度学习模型中的每个特征通常对于人类观察者而言意义不大。这导致的结果就是该模型的使用难度很大或者难以解释。在德勤的调查中只有34%的人在使用深度学习技术。

深度学习模型使用一种称为反向传播的技术，通过模型进行预测或对输出进行分类。AI技术已推动了该领域的许多最新进展，从在围棋大赛中击败人类专家到对互联网图像进行分类，便是使用反向传播的深度学习。在多伦多大学及谷歌任职的杰弗里·辛顿(Geoffrey Hinton)通常被称为深度学习之父，部分原因就在于他在反向传播方面的早期研究。

机器学习采用了上百种可能的算法，其中大多数算法有些深奥。它们的范围从梯度增强(一种构建用于解决先前模型错误的模型的方法，从而增强预测或分类能力)到随机森林(作为决策树模型集合的模型)。

越来越多的软件工具(包括DataRobot、SAS和谷歌的AutoML)支持机器学习模型的自动构建，这些模型可以尝试许多不同的算法来找出最成功的算法。一旦通过训练数据找到了能够进行预测或分类的最佳模型，就可以部署它，并对新的数据进行预测或分类(有时称为评分过程)。

除了所使用的算法外，机器学习的另一个关键是模型如何进行学习。有监督学习模型(到目前为止是业务中最常用的类型)是使用一组对输出做了标记的训练数据进行学习。

例如，一个试图预测银行欺诈行为的机器学习模型需要在一个明确构成欺诈案例的系统上接受训练。这并不容易做到，因为实际欺诈的频率可能只有十万分之一(有时称为不平衡分类问题)。

有监督学习与在评分模型中部署的传统分析方法(如回归分析)非常相似。在回归分析中，目标是创建一个模型，使用一组与输出有关而且其值已知的输入变量来预测一个已知结果。一旦模型开发完成，就可以用它通过相同输入变量的已知值来预测一个未知的结果。

例如，根据患者的年龄、体育活动水平、热量消耗和体重指数，我们可以开发回归模型来预测他患上糖尿病的可能性。
 

联邦快递投资15亿美元，以扩建印第安纳波利斯和孟菲斯枢纽并使其现代化。目前，仅在印第安纳波利斯货运场，他们每小时就可以处理超过99000个包裹，但计划通过这项最新投资增加处理量。

货物运输需要多方协调，以确保准时、安全地运到我们家门口。为了实现这一点，供应链行业内的组织已经开始意识到数据的好处。他们正在发现收集数据的新方法，比如通过工业物联网(IIOT)。工业物联网是由连接到无线网络的数十亿工业设备组成。这是一个快速发展的领域，据预测，到2020年，将有超过200亿台物联网设备投入使用。以下是供应链公司利用工业物联网(IIOT)的五种方式。

1、预测设备故障

想象一下，提前知道某台设备何时会发生故障。联合太平洋铁路公司正在利用工业物联网来监控其设备的状况。该公司的系统可以使用轨道上的声音和视觉传感器来预测设备故障。每天，通过数据分析处理近2000万个温度读数。现在，每天都要停运几辆机车来进行维护，以防止脱轨，从而避免昂贵的延误和清理工作。

2、保护冷链

工业物联网允许持续、实时地评估食品和药品的安全和质量，因为它们与运输过程中的温度有关。人工智能可以使用预测算法来识别运输过程中的高风险。这有助于公司采取规范性措施，如在运输过程中出现危险时及时进行规划和调整。

3、区块链和工业物联网

工业物联网和区块链正在协作，以简化鱼类从海洋到餐桌的获取方式，使其更易于追踪。工业物联网传感器安装在捕获的鱼类身上，以测量装运位置、运输温度、湿度和转运。借助区块链技术，供应链中的任何人都可以追踪鱼类。最终买家可以获得完整的信息记录，并相信它是完整且准确的。

4、资产和关联跟踪

在配送中心，Wi-Fi传感器被放置在托盘、纸箱、叉车、移动扫描设备上，并与库存和仓库管理系统相关联和集成。这样就可以看到物品位置，并可以实时获取数据，从而可以快速拣货和交付订单，从而提高了客户满意度。

5、智能购物

工业物联网影响供应链最后步骤的一种方式是为消费者创造新的体验。其中一个是最近投入使用的智能信标。零售场所中的信标可以无线连接到移动设备，以根据过去的活动或与移动应用程序集成来检测购物者并识别他们。这有助于零售商发送有针对性的广告或优惠券，并为其提供数据，以帮助规划库存。

工业物联网在供应链和日常生活中提供了几乎无限的应用。现在是加入工业物联网运动的时候了，以看看可以做出哪些改进。

（编辑：广安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!