Maskinlæring

Maskinlæring er en sentral underkategori av kunstig intelligens (Artificial Intelligence / AI). Det bygges et program, eller en modell, ved hjelp av statistiske metoder og algoritmer for å lære datamaskiner å finne mønstre i store datamengder. I rapporten Avmystifisering av teknologier kan du lese mer om teknologien. Last ned rapporten nederst i artikkelen.

Machine learning (1)

Hensikten er ofte at vi ønsker å predikere, eller forutsi, noe. Maskinlæring kan for eksempel brukes til å predikere fremtidig utvikling, handlinger og resultater med langt større sannsynlighet enn vi mennesker klarer å regne oss frem til. Teknologien benyttes også til å gjenkjenne ansikter, bilder, tekst og tale.

Dataene maskinen er avhengig av kan for eksempel komme fra offentlige kilder, serveraktivitet, tingenes internett, kundeaktivitet eller sosiale nettverk. Mengde og kvalitet på dataene, påvirker hvor raskt og godt programmet lærer. 

Maskinlæring har et enormt forretningspotensial som åpner for en rekke muligheter til økte inntekter og reduserte kostnader. Her er noen få eksempler på hva maskinlæring kan brukes til:  

1. Identifisere svindel eller predikere risiko i forbindelse med lån og forsikring. I kombinasjon med datastrømming vil helt fersk data inkluderes og prediksjonen kunne foregå i sanntid 

2. Forutse, eller predikere, resultater av valg, utvikling i børsverdier og oljepriser, influensaepidemier, pollenspredning eller været  

3. Forutse hvilke kunder som er mest åpne for å kjøpe flere produkter, eller hvilke som trolig vil forlate oss om vi ikke gjør noe for å forhindre dette 

4. Kommunisere i chatbots 

5. Gjøre betaling på mobil sømløst ved hjelp av billedgjenkjenning  

6. Gjøre søk og bestillinger på nett enklere, og husene våre smartere, ved hjelp av talegjenkjenning  

7. Sikre mer relevante søketreff på internett  

8. Identifisere falske og hatefulle tekstinnlegg eller uønskede bilder, slik for eksempel Facebook gjør 

9. Finne beste vei der det er mange veier til mål, for eksempel basert på avstand, lovlig hastighet og kø, slik Google Maps bruker maskinlæring i kombinasjon med datastrømming 

10. Avdekke feil i data og interne prosesser 

Flere skytjenester har ressurser som nå gjør det enklere å komme i gang med både maskinlæring og avansert dataanalyse. Disse to teknologiene utgjør til sammen det som på «godt norsk» nå bare omtales som Data Science.  

I rapporten Avmystifisering av teknologier kan du lese mer om både maskinlæring, avansert dataanalyse, datastrømming, skytjenester og tingenes internett. Rapporten tar også for seg andre sentrale teknologier som digitale tvillinger, Edge Computing, virtuell- og utvidet virkelighet (VR og AR). Vi forklarer enkelt hva teknologien faktisk er, hvordan den fungerer og hvilke muligheter den gir. Dette er viktig i en verden hvor kunder forventer hyppige forbedringer, konkurransen øker og vi alle må jobbe smartere. Det handler ikke om teknologien, men hvor den kan bringe deg!

Last ned rapporten

* må fylles ut
 
 
 

Ved å laste ned rapporten samtykker du til å bli lagt til Iteras e-postliste. Vi vil kun sende deg informasjon om aktuelle tema og arrangementer. Du kan melde deg av når som helst.​ Les vår personvernerklæring her.

Tom Foosnæs3

Tom Kr. Foosnæs

Principal Business Consultant

982 86 982

tom@itera.no

Ruslan

Ruslan Kozhuharov

Lead Data Scientist

ruslan.kozhuharov@itera.no

Avmystifisering av teknologier

Avmystifisering av teknologier

Avmystifisering av teknologier

Avmystifisering av teknologier

Avmystifisering av teknologier

Avmystifisering av teknologier

Avmystifisering av teknologier

Avmystifisering av teknologier