iT邦幫忙

第 11 屆 iT 邦幫忙鐵人賽

DAY 13
0
Google Developers Machine Learning

ML Study Jam 30天初體驗系列 第 13

[Day #13] Google 如何運用機器學習技術 [12]

(廢文模式 on)
Day 13 由於今天有比較多事情要忙,這次的篇幅只好縮短來補償了
(廢文模式 off)


本日文章

  1. Introduction to specialization
  2. What it means to be AI first
  3. How Google does ML
    • Introduction
    • ML Surprise
    • The secret sauce
    • ML and Business Process
    • The Path to ML
    • End of phases of deep dive
  4. Inclusive ML
  5. Python notebooks in the cloud
  6. Summary

ML and Business Process

谷歌對於要如何將機器學習帶入商業模式中,提供了幾個想法:

  • 在帶入機器學習之前,可以先思考在沒有機器學習技術的時候的商業循環,也就是原始的業務流程是怎麼完成的。
  • 基本上,一個良好的業務流程,應該會先透過提供服務或是產品給客戶,並透過不間斷地位客戶服務來持續得到來自顧客的反饋,進而回頭優化並改進原有的業務流程、服務以及產品。
  • 以接線生或是總機的例子來說,當總機聆聽了顧客的需求並轉接相對應的服務部門時,通常都會先詢問顧客撥打此通電話的目的以及想得到什麼樣類型的服務。
  • 在收集了一定數量的樣本,也就是上述的服務案例後,組織便會從這樣的服務流程中找出重複並可學習的特徵,並列入新進員工的訓練課程中或是放進培訓手冊的學習案例裡,進而使得員工都能擷取過往的經驗並加以學習。
  • 對於機器學習的使用,也與上述的過程是非常相像的。
  • 通常一個嶄新的業務都是由單個貢獻者來完成,隨著服務或是產品逐漸受到歡迎並具有影響力,參與的人數會越來越多,最後開始採取自動化來加速整體運作的流程。
  • 而機器學習的目的便是在使整體的「反饋循環自動化及其後續分析與改進」。
  • 在準備自動化前,隨著業務擴張與相關參與的人愈來愈多,組織會得到越多熟悉業務的員工,而業務能被多人熟悉的同時也代表著該項業務本身具有一定的重複性,且是可以被快速學習的。
  • 銀行的 ATM 就是一個最好的例子,雖然能提供的金融服務有限,但 ATM 在目前金融服務中所扮演的角色是不容置喙的,它的的確確影響了整個社會的生活型態,並服務了無數的民眾。
  • 而在自動化之後,組織會開始得到許多的資料,接著就是進入資料分析的階段。
  • 透過這些反饋的資料,組織便能更進一步的瞭解市場與顧客需求,並利用這些數據來改進前面所提到的自動化流程,甚至是開發出新型態的產品亦或是服務。
  • 谷歌的 Youtube 自動推薦演算法就是一個非常好的例子,透過使用者的點擊來了解使用者所喜好的頻道性質,來不斷改進背後的推薦演算法,因而能加深使用者對 Youtube 平台的依賴性。
  • 最後,在組織決定使用機器學習前,谷歌認為需要為即將使用機器學習的業務進行上述不同階段的分析,了解目前的業務正處於哪個階段,才能採取相對應的策略來使用機器學習。

小結

今天的內容同樣是針對企業在使用機器學習的過程所提出的經驗分享,雖然談下來其實只有簡單幾點,但這些步驟的確都使是不可或缺的一部份,倘若缺了某一部份,都很可能讓後續的作業上落入盲點,甚至以失敗告終。

筆者觀察企業使用機器學習有感 XD


上一篇
[Day #12] Google 如何運用機器學習技術 [11]
系列文
ML Study Jam 30天初體驗13

尚未有邦友留言

立即登入留言