Sadržaj:
Strojno učenje bilo je jedno od najvećih dostignuća u povijesti računanja, a sada se vjeruje da može preuzeti značajne uloge u području velikih podataka i analitike. Analiza velikih podataka velik je izazov iz perspektive poduzeća. Na primjer, aktivnosti poput smisla ogromne količine različitih formata podataka, priprema podataka za analizu i filtriranje suvišnih podataka mogu zahtijevati puno resursa. Zapošljavanje znanstvenika i stručnjaka za skupe podatke skupo je i nije unutar mogućnosti svake tvrtke. Stručnjaci vjeruju da je strojno učenje sposobno automatizirati mnoge zadatke povezane s analitikom - i rutinskom i složenom. Automatsko strojno učenje može osloboditi puno resursa koji se mogu koristiti u složenijim i inovativnijim poslovima. Čini se da je strojno učenje išlo u tom smjeru. (Da biste saznali više o korištenju strojnog učenja, pogledajte Obećanja i zamke mašinskog učenja.)
Automatizacija u kontekstu informacijske tehnologije
U kontekstu IT-a, automatizacija je povezivanje različitih sustava i softvera kako bi oni mogli obavljati određene poslove bez ikakve ljudske intervencije. U IT industriji automatizirani sustavi mogu obavljati i jednostavne i složene zadatke. Primjer jednostavnog posla može biti integriranje obrasca s PDF-om i slanje dokumenta ispravnom primatelju, a pružanje sigurnosne kopije izvan mjesta može biti primjer složenog posla.
Da bi obavio svoj posao, automatizirani sustav treba programirati ili dati eksplicitne upute. Svaki put kada je potrebno automatizirani sustav da promijeni opseg svojih poslova, čovjek mora ažurirati program ili skup uputa. Iako su automatizirani sustavi učinkoviti na svojim poslovima, pogreške se mogu pojaviti zbog različitih razloga. Kada se pojave pogreške, potrebno je utvrditi i otkloniti uzrok. Očito je da automatizirani sustavi za obavljanje svojih poslova potpuno ovise o ljudskim bićima. Što je složenija priroda posla, veća je vjerojatnost grešaka i problema.
