Machine Learning (ML) er en afgrening af Artificial Intelligence (AI), der i Business Intelligence (BI)-sammenhæng ofte bruges som supplement til den i forvejen etablerede BI- & dataplatform. ML hører under avancerede analyser, som bruges til bl.a. mønstergenkendelse, klassificering og predictive analytics. En ML-model består af to elementer - nogle matematiske processer, som kaldes en algoritme, og nogle data, som bruges til at træne algoritmen. Data er derfor essentielle i alle ML-projekter.
Machine learning har mange potentielle anvendelsesmuligheder i forskellige brancher, som fx at analysere og monitorere store mængder data, automatisere repetitive, tidskrævende opgaver; eller til at opdage anomalier i store datasæt eller til automatiseret beslutningsstøtte.
Machine learning er et område, der omspundet af megen ”buzz”, og som det kan virke forvirrende og uoverskueligt at komme i gang med. Derfor har ProActive udviklet en ”fail-fast” tilgang, der med et kort ”hands-on” Proof of Concept-forløb kvalificerer og afdækker den potentielle anvendelse og værdi af ML-modeller i jeres organisation.
Beslutnings- og forretningsunderstøttelse:
Procesautomatisering:
Drift & sikkerhed:
Azure Machine Learning Studio indeholder i forvejen et stort bibliotek af præbyggede algoritmer, der hver er designet til at adressere en specifik type udfordring, inden for supervised learning, unsupervised learning og reinforcement learning. ProActive guider jer sikkert igennem hele PoC-forløbet med alt fra datapræparation, definering af business case, valg af algoritmer til træning-, validering- og scoring af modellen.
ProActive hjælper jer sikkert i mål i den afsluttende del af forløbet med implementering, overlevering og brugertræning i forbindelse med og idriftsætte den færdige ML-model.