P:
Kako se proces kineskog restorana i drugi slični modeli strojnog učenja mogu primijeniti na AI poduzeća?
A:Pitanje kako kineski restoranski proces može uputiti poduhvat AI-ju je zanimljiv, jer upravo tvrtke u raznim industrijama prikupljaju djelotvorne ideje iz strojnog učenja općenito, a posebno takve procese algoritama.
Proces kineskog restorana dio je teorije vjerojatnosti, djelomično utemeljene na Dirichletovim stohastičkim procesima, koji mogu usmjeriti slučajnost particija.
| Besplatno preuzimanje: Strojno učenje i zašto je to važno |
Jednostavan način objašnjenja procesa kineskog restorana je da će se u zamišljenom kineskom restoranu s beskonačnim stolovima ljudi okupljati za tim stolovima prema zadanom skupu vjerojatnosti koje koristi algoritam. Zatim će algoritam modelirati koliko će ljudi sjediti za svakim stolom u kojem su tablice "particije". Slučajnost ili vjerojatnost u kineskom restoranskom postupku može se prikazati u matematičkom obliku.
Kako ti postupci algoritama utječu na IT poduzeća? Mnogo je načina na koje tvrtke mogu upotrebljavati ove konstrukte kao pomoć u korištenju velikih podataka pomoću strojnog učenja ili razvijanju vrijedne poslovne inteligencije putem ove vrste modeliranja. Na primjer, vrlo doslovno, kineski se restoranski postupak može upotrijebiti za predviđanje grupiranja kupaca za stolovima u restoranu ili na maloprodajnim mjestima, ili bilo gdje drugdje. Međutim, možda bi bolji primjer bio u području transakcijske maloprodaje, gdje bi složeni algoritmi utemeljeni na kineskom restoranskom procesu mogli pomoći u predviđanju aktivnosti kupaca, poput kupovine / konverzije ili potražnje za postojećim ili budućim zalihama.
U vrlo općenitom smislu, ti stohastički procesi nastoje modelirati ljudsko ponašanje, ponašanje ljudskih masa na načine koji grade inteligenciju poduzeća i izravno donošenje odluka. U CRM-u, kontroli zaliha, platnim spiskovima, razvoju proizvoda i gotovo svim drugim aspektima poslovanja, kineski se restoranski postupak i slične ideje mogu koristiti za prediktivnu analitiku s pravim vrstama ciljanog modeliranja.
Međutim, još jedna velika i neposredna uporaba procesa u kineskom restoranu ima malo veze s modeliranjem ljudskog ponašanja. Proces kineskog restorana također se može koristiti za "diskriminirajući" rad na visokoj razini, kao u obradi slike. Razvijanje grozdova slika prema kineskom restoranskom procesu može pomoći programima strojnog učenja da se bolje prilagode nizu pravila treninga i proizvedu diskriminirajući ishod. Dakle, u određenom smislu, kineski se restoranski postupak može koristiti ili za modele ponašanja, ili za tehničko modeliranje, ili za oboje.
