Tekoälysovellus: (Ennustaminen) Arviointi, estimointi

Transkriptio

1 Tekoälysovellus: (Ennustaminen) Arviointi, estimointi

2 ENNUSTAMINEN (PREDICT) Ennustaminen on mallitusslangia. Paremmin kuvaava termiolisi estimointi, arviointi, selittäminen. Esimerkki: Otetaanihmispopulaatiosta 100 ihmistä. Mitataan henkilöiden pituus ja kengän koko. Nyt meillä on opetusdata Opetusdatalla opetataanmalli. Mallille voidaan antaa uusi esimerkki. Uudenesimerkinhenkilön Kengännumeroa eitiedetä. Pituustiedetään. Pituussyötetään mallille. Malli ennustaa kengän koon. OPETA VALIDOI (MALLI) KÄYTÄ

3 MIKSI MALLI PITÄÄ VALIDOIDA? ESIMERKKI 1: KOIRA VAI SUSI Luokittelutulos oli mahtava, mutta miten oli tuloksen järjellisyyden laita? Luokittelija tunnisti todellisuudessa sen, että onko opetuskuvassa lunta vai ei. [Kuvalähde: Unsplash]

4 NYT MEILLÄ ON MALLI Mallin opettaminen Mallin hyötykäyttö UUSI DATA MITÄ MALLI EI OLE NÄHNYT MALLI ARVIO LUOKITTELU

5

6 LIIKETOIMINNALLINEN ESIMERKKI Ensin meillä on dataa, joka on kerätty vaikka Kuluttajilta, tuotantolaitoksesta, laskutusjärjestelmästä tai mistä tahansa Data annetaan tyhjälle tai tyhmälle mallille, joka eiensin Tiedä mistään mitään Malli oppiidatan luonteen (pitää valita oikeamalliperhe) Kun malli on opetettuns. Opetusdatalla, sille voidaan antaa Dataa ennen näkemättömästä tilanteesta (samasta ilmiöstä). Malliantaa arvionsa uudesta tilanteesta Sovitaan, että käytämme laskutusdataa Malli oppiiesim sen että minkä suuruisia laskut ovat missäkin maassa ja tuoteryhmässä Mallille annetaan tietoa uudesta tilauksesta. Malli ennustaa tilauksen arvon euroina.

7 ANALYTIIKKAMYYTTEJÄ Analytiikka ennustaa tulevaisuutta Analytiikka voi itse keksiä oikean vastauksen Pitää olla algoritmiammattilainen soveltaakseen Koneäly tai tekoäly on uusi keksintö Iso data on vaikeaa Pieni data on helppoa EI EI EI EI EI EI

8 SOVELTAMINEN Tähän saavuttaessa pitäisi olla kulunut n. 20 min alusta

9 KONEOPPIMISEN SOVELLUKSIA Sinulla on verkkokauppa: ostaja tulee kaukomailta. Myytkö hänelle älypuhelimen? Sinulla on dataa kukkien ominaisuuksista: Minkä lajisia kukkaset ovat? Roskapostisuodatin: kun järjestelmä näkee sähköpostin, se päättelee onko se roskapostia Tapasit messuilla yrityksen Y edustajan, olisiko tuo yritys hyvä partneri? Sinulla on dataa tuotantoprosessistasi ja laitteistasi: Onko laite hajoamassa vai ei? Olet internetoperaattori: onko asiakkaasi A vaihtamassa operaattoria? Miten saat selville, onko työntekijöilläsi liian vähän vai liikaa tekemistä?

10 TEKOÄLY: PÄÄTÖKSENTEKO Aikaisemmat Tilanteet (data) Opeta aikaisemmat tilanteet tilanne tilanne ML ML model tai AI malli Käyttääkö päätöstä Ihminen vai kone? 85:00

11

12 MITEN TEKOÄLY KYTKEYTYY LIIKETOIMINTAAN

13 [Kuva: Unsplash]

14 PATENTTI TAVARAMERKKI LASKUTUS RESKONTRA LUOTTORISKI ASIAKASPOISTUMA [Kuva: Unsplash] LASKUTUS RESKONTRA LUOTTORISKI ASIAKASPOISTUMA

15 [Kuva: Unsplash] ENNAKOIVA HUOLTO

16 ISOIN POTENTIAALI 1 Ihmisen suorittamat tehtävät, joissa ihmisen prosessointinopeus pullonkaulana 2 Kompleksiset kokonaisuudet, joita ihminen ei pysty tehokkaasti hahmottamaan

17 DNA - ASIAKASKOKEMUS JA PERSONOINTI

18 TOIMIALAKOHTAISET TEKOÄLYT PANKKI, RAHOITUS, VAKUUTUS LOGISTIIKKA TERVEYS JA HYVINVOINTI HUOLTOTOIMINTA HENKILÖSTÖN VUOKRAUS, REKRYTOINTI VALMISTAVA TEOLLISUUS VERKKOKAUPPA, KAUPPA, LIIKENNE, JULKINEN LIIKENNE,..... BIOTEOLLISUUS, MAATALOUS, RUOANVALMISTUS ITSE AJAVAT AUTOT, DIGIKAMERAT, PESUKONEET TYÖSTÖKONEET, ROBOTIT MEDIA, VIIHDE, UUTISET,

19 KUINKA LIIKKEELLE?

20 RAKENNA/OSTA RAKENNA ML AsAaService Kompleksisuus, Potentiaali VALMISTUOTTEET HAHMOTA LIIKETOIMINTAONGELMA

21 Tekoälyä kannattaa soveltaa Silloin kun ihminen ei muista, osaa, jaksa, ehdi, ole paikalla tehdäkseen päätöksiä tai arvioita