大数据和机器学习的结合可以释放您已经需要的数据的价值，从而为您的企业获得竞争优势。两个机器学习(ML)模型构建器的发布使软件工程师即使没有专门培训也能更轻松地创建和运行ML模型。来自Microsoft和AmazonWebServices(AWS)的Gluon是一个开源项目，它消除了开发人工智能(AI)系统所需的一些艰苦工作。它提供训练算法和神经网络模型，这是深度学习系统的两个重要组成部分，开发人员可以使用它们来开发自己的ML系统。谷歌的ML引擎是其云平台的一部分，是一项托管服务，供开发人员构建可以处理任何类型和大小数据的ML模型。与Gluon类似，Google的服务为开发人员提供预训练模型，以生成他们自己的量身定制的ML模型。现在是仔细研究ML并了解如何将其应用到您的业务中的好时机。大数据和机器学习的结合可以揭示可用于创建和改进产品或获得竞争优势的模式，从而释放您已有数据的价值。以下是企业将ML应用于产品和服务创新的5种方式。1.自动驾驶汽车自动驾驶汽车可以带来更安全、更清洁、更高效的未来交通。软件开发人员使用ML和深度学习(DL)算法来增强计算机视觉，使车辆能够以类似于人类决策的方式做出决策。Drive.ai(https://www.drive.ai/)正在使用深度学习构建自动驾驶汽车的“大脑”。它的团队使用受管理的工作人员将非结构化数据从原始图像转换为结构化数据，用边界框注释道路标志、交通信号灯和行人等对象。然后，这些丰富的图像被用来“教”自主系统如何识别物体并在路上行驶时确定适当的反应。2.写作辅导教人们如何写作是很难衡量的。审查书面作业并向每个班级的每个学生提供有意义的反馈可能是一项挑战，即使对于经验丰富的高中教师和大学教授也是如此。Ecree使用ML为其自动写作评估软件提供支持。当学生提交论文时，算法会识别学生是否包括论文陈述或目的陈述，然后评估该陈述的质量。该软件使用36个指标对学生的作业进行评分，并可以在不到一分钟的时间内向学生提供反馈。学生可以提交任意数量的草稿并获得实时写作指导，学习优秀写作的要素：组织、清晰、支持证据和分析。该工具还确保每个学生都使用相同的标准进行平等评估。3.IoT和IIoT预测性维护设备维护是将大量机器部署到现场的公司面临的众多代价高昂的挑战之一。物联网(IoT)和工业物联网(IIoT)在日常物品（从燃油表到轮胎）上使用内置传感器来收集数据并在网络上共享。该系统使用ML分析温度和湿度等数据，以预测性能和未来结果。Caterpillar是一家制造船舶动力系统的公司，它正在使用物联网和机器学习来发现设备和设备数据中的模式。在一个示例中，Caterpillar确定了一个燃油表读数，该读数与船舶冷藏集装箱的用电量相关。他们使用这些数据通过修改发电机输出来优化运行参数。这为50艘船每小时节省30美元，或每年节省650,000美元。4.入库物流规划物流规划确保合适的人在合适的时间在合适的地点收到合适数量的物资。入站物流侧重于供应商及其发送给企业的货物的管理。这是一个管理订单、运输、仓储、库存控制和使用的复杂过程。通过收集有关现有计划的数据并将其输入ML模型，企业可以预测和推荐未来流程。沃尔玛使用ML来优化业务效率。其RetailLink2.0系统使用流经整个供应链的信息来识别与其流程的偏差，因此可以实时进行调整。汽车制造商本田使用机器学习通过识别保修退货和机械师报告中的自由文本字段中的模式来检测装配线下的质量问题。5.零售业务在商店或网上销售产品的公司收集大数据已有一段时间了。他们收集有关消费者、消费习惯和偏好的人口统计数据。挑战在于收集线上和线下数据，并确定数据中可能对定价、库存、客户体验和盈利能力产生积极影响的模式。机器学习使零售商能够发现数据中的模式，他们可以使用这些模式来影响客户的品牌体验。电子商务零售商可以收集购物者在其网站上浏览和购买商品时的数据，然后利用这些信息和市场趋势提供个性化的产品推荐，从而提高销售额。零售巨头亚马逊是最早根据购物者的浏览和购买历史实施个性化产品推荐的公司之一。机器学习支持该推荐引擎的各个方面，以及其数字语音助手亚马逊的Alexa使用的自然语言处理功能。奢侈品服装零售商RebeccaMinkoff使用Alexa从他们的数据中快速提取细节。在ShopTalk会议上，联合创始人UriMinkoff向Alexa询问该品牌春季系列中最畅销的单品，并在一秒钟内得到了正确的回应。一旦您决定在您的业务中使用ML和DL，您的数据就是待开采的黄金。查看您的非结构化和结构化数据，ML模型可以使用这些数据将您的许多基本流程转变为智能系统，以实现创新和竞争优势。
