iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 1
3
AI & Data

一服見效的 AI 應用系列 第 1

Day 01:一服見效的 AI 應用

  • 分享至 

  • xImage
  •  

前言

當親朋好友知道我全心研讀 AI 時,最常被問到的問題如下:

  • 我的公司怎麼導入 AI ?
  • 學完 Python,可以做甚麼 ?
  • 了解機器學習各項演算法後,要拿來做啥 ?

本文就試著找一些實用、好玩的案例,說明一般企業可立即上手的應用方向。

https://ithelp.ithome.com.tw/upload/images/20190913/20001976d4zetBvkTd.png
圖. 機器學習的分類與相關應用,圖片來源:Logistic Regression in Python

Kaggle 不是很多案例嗎?

是啊,那些都是值得研究的案例,也有很多善心人士提供 kernels,讓我獲益良多,不過,由於是競賽性質,通常難度都頗高,且具有特定領域的知識(Domain Knowhow),不一定能在一般企業導入,因此,我希望能整理一些較具通用性(Generic)的應用,與大家分享,不過個人才疏學淺,能力有限,也希望得到各方先進的指教。

主題

一般企業的核心業務,就是行銷(Marketing)、銷售(Sales)及服務(Services),動機就是『想辦法把東西賣出去』、『賣的又快又多』、『售後服務作的好』,這三個環節作得好,公司自然就發大財了。所以多數的案例,也會環繞在這三個環節上。

筆者會先從幾個比較簡單的主題開始,因為,它們導入的門檻較低,資料蒐集也較容易(真正原因是避免壓力把我搞到崩潰),例如:

  1. 客戶分群(Customer Segmentation):RFM 分析。
  2. 留存率(Retention Rate)及流失率(Churn Rate)分析
  3. 購物籃分析(Basket Analysis)
  4. 異常偵測(Anomaly Detection)
  5. ...

之後再朝較大的主題進攻,應該會包括以下課題:

  1. 對話機器人 (ChatBot)
  2. 推薦系統 (Recommender System)
  3. 情緒分析 (Sentiment analysis)
  4. 時間序列預測 (Time Series Forecasting)
  5. 股票投資 (Stock Analysis)

除了演算法的說明,也會盡量附上程式,以免光說不練,如果你只想了解AI可以作甚麼,那就把程式碼給跳過吧。所有的程式碼都會放在這裡

出發吧,航向偉大的航道

2017年底,當時是 AI 初學者,乖乖的從各個演算法開始學起,並將整個學習歷程都記錄在『以100張圖理解 Neural Network -- 觀念與實踐』 一文中,過了一年多,理論該看都看了,不懂的再看也還是不懂,所以換個角度,倒吃甘蔗,從應用面看AI,想想看如何將知識轉換為 $$$$$$。

結束前來個笑話,AI四要素 -- 4M。
https://ithelp.ithome.com.tw/upload/images/20190909/20001976TQjuN6kTAk.jpg
圖片來源:Timo Elliott’s Blog


下一篇
Day 02:客戶分群(Customer Segmentation) -- 那些客戶是VIP?
系列文
一服見效的 AI 應用14
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言