Машинно обучение
Машинното обучение е концепцията, че компютърна програма може да се научи и да се адаптира към нови данни без човешка намеса. Машинното обучение е поле на изкуствен интелект (AI), което поддържа вградените алгоритми на компютъра актуални, независимо от промените в световната икономика.
Обяснено е машинно обучение
Различните сектори на икономиката се занимават с огромно количество данни, налични в различни формати от различни източници. Огромното количество данни, известни като големи данни, стават лесно достъпни и достъпни поради прогресивното използване на технологиите. Компаниите и правителствата осъзнават огромната информация, която може да бъде получена от проникването в големи данни, но липсват ресурсите и времето, необходимо за справяне с богатството на информация. Като такива се използват мерки за изкуствен интелект от различни индустрии за събиране, обработка, комуникация и споделяне на полезна информация от набори от данни. Един метод на AI, който все повече се използва за обработка на големи данни, е машинното обучение.
Приложения за машинно обучение
Различните приложения за данни за машинно обучение се формират чрез сложен алгоритъм или изходен код, вграден в машината или компютъра. Този програмен код създава модел, който идентифицира данните и изгражда прогнози около данните, които идентифицира. Моделът използва параметри, вградени в алгоритъма, за да формира модели за процеса на вземане на решение. Когато станат достъпни нови или допълнителни данни, алгоритъмът автоматично настройва параметрите, за да провери за промяна на модел, ако има такава. Моделът обаче не трябва да се променя.
Машинното обучение се използва в различни сектори по различни причини. Системите за търговия могат да бъдат калибрирани за идентифициране на нови възможности за инвестиции. Платформите за маркетинг и електронна търговия могат да бъдат настроени, за да предоставят точни и персонализирани препоръки на своите потребители въз основа на историята на търсенето в интернет или предишните транзакции на потребителите. Кредитните институции могат да включат машинно обучение за прогнозиране на лоши заеми и изграждане на модел за кредитен риск. Информационните центрове могат да използват машинно обучение за покриване на огромни количества новинарски истории от всички краища на света. Банките могат да създават инструменти за откриване на измами от техниките за машинно обучение. Включването на машинното обучение в ерата на разумните технологии е безкрайно, тъй като предприятията и правителствата стават все по-наясно с възможностите, които предлагат големите данни.
Как работи машинното обучение
Как работи машинното обучение може да се обясни по-добре с илюстрация във финансовия свят. Традиционно инвестиционните участници на пазара на ценни книжа като финансови изследователи, анализатори, мениджъри на активи, отделни инвеститори търсят много информация от различни компании по света, за да вземат изгодни инвестиционни решения. Някои уместна информация обаче може да не бъде широко оповестена от медиите и може да бъде тайна само на избрани малцина, които имат предимството да бъдат служители на компанията или жители на страната, от която произтича информацията. Освен това има само толкова много информация, която хората могат да събират и обработват в даден период от време. Тук идва машинното обучение.
Фирма за управление на активи може да използва машинно обучение в областта на инвестиционния си анализ и изследване. Кажете, че управителят на активи инвестира само в минни запаси. Моделът, вграден в системата, сканира мрежата и събира всички видове новинарски събития от бизнеса, индустрията, градовете и страните, а тази събрана информация представлява набора от данни. Мениджърите на активи и изследователите на фирмата не биха могли да получат информацията в набора от данни, използвайки своите човешки сили и интелект. Параметрите, изградени заедно с модела, извличат от набора от данни само данни за минните компании, регулаторните политики за сектора на проучването и политическите събития в избрани страни. Да речем, че миньорска компания XYZ току-що е открила диамантена мина в малко градче в Южна Африка, приложението за машинно обучение ще подчертае това като подходящи данни. След това моделът би могъл да използва аналитичен инструмент, наречен прогнозна аналитика, за да направи прогнози дали минната индустрия ще бъде печеливша за определен период от време или кои минни запаси вероятно ще нараснат в определен момент. Тази информация се предава на управителя на активи, за да анализира и вземе решение за неговия портфейл. Управителят на активи може да вземе решение да инвестира милиони долари в акции на XYZ.
Вследствие на неблагоприятно събитие, като южноафриканските миньори, които стачкуват, компютърният алгоритъм коригира параметрите си автоматично, за да създаде нов модел. По този начин, изчислителният модел, вграден в машината, остава в течение дори и с промените в световните събития и без да е необходимо човек да оправя кода си, за да отразява промените. Тъй като управителят на активи получи тези нови данни навреме, те са в състояние да ограничат загубите му чрез излизане от акцията.
Сравнете инвестиционни сметки Име на доставчика Описание Разкриване на рекламодатели × Офертите, които се появяват в тази таблица, са от партньорства, от които Investopedia получава компенсация.