Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
jesteśmywstanieprzewidziećprzyszłość,możemypodejmowaćznacznielepszedecyzje
wteraźniejszości.
Wartość
Analityka
opisowa
JakmożliwościAIwspierająmetodyanalityczne
wsteczne
Wnioski
diagnostyczna
Analityka
Wnioski
predykcyjna
Analityka
Przewidywania
Analiza
zaleceń
Trudność
Rysunek1-5BInapędzaneprzezAI:lepszeprognozyiprzewidywania(warstwa
analityczna)
Byćmożeczytelniksłyszałwcześniejometodachstatystycznych,takichjakregresjalub
autoregresyjnazintegrowanaśredniakrocząca(autoregressiveintegratedmovingavera
-
ge-ARIMA)-byćmożewszkoleśredniejlubnapodstawowychwykładachuniwer-
syteckich-izastanawiasię,gdzietujestmiejscedlaAI.Trzebajednakzwrócićuwagę
nanastępująceaspekty:
AImożetworzyćlepszeprognozy,wykorzystującwięcejdanychimniejszynadzórze
stronyczłowieka
AIwswoichpodstawachwykorzystujedobrzeznane,sprawdzonetechniki,takie
jakregresjaliniowa.JednocześniejednakAImożestosowaćtetechnikidozłożo-
nychzbiorówdanych,wykorzystującpodejściastochastycznedoszybkiegoodszu-
kaniaoptymalnegorozwiązaniabezkoniecznościobszernegonadzoruludzkiego.
Specjalizowanealgorytmydlaprognozseriiczasowychsązaprojektowanewcelu
rozpoznawaniawzorcówwwiększychilościachtakichdanych.AIpróbujeoptyma-
lizowaćprzewidywaniabazującnawyborzecechiminimalizowaniufunkcjistraty.
Możetodoprowadzićdolepszychlubdokładniejszychprzewidywańdlakrótkiego
horyzontuczasowegoalbopróbowaniauzyskaniabardziejdokładnychprognozdla
dłuższychokresówczasu.Bardziejzłożone,nieliniowemodelepozwalająuzyskać
bardziejszczegółowe,awkonsekwencjilepszewynikipredykcji.
TypoweprzypadkiużyciaAIdlarozwiązańBI
|
11
