1. Распознавание изображений
Распознавание изображений — хорошо известный и широко распространенный пример машинного обучения в реальном мире. Он также часто используется для распознавания лиц на изображении. Используя базу данных людей, система может выявлять общие черты и сопоставлять их с лицами. Это часто используется в правоохранительных органах.
Пример:
1. Пометить рентгеновский снимок как раковый или нет
2. Присвоить имя сфотографированному лицу
3. Распознать почерк, разделив одну букву на более мелкие изображения
2. Распознавание речи
Машинное обучение может переводить речь в текст. Некоторые программные приложения могут преобразовывать живой голос и записанную речь в текстовый файл. Речь также может быть сегментирована по интенсивности в частотно-временных диапазонах. Одними из наиболее распространенных применений программного обеспечения для распознавания речи являются такие устройства, как Google Home или Amazon Alexa.
Пример:
1. Голосовой поиск
2. Голосовой набор
3. Управление устройством
3. Медицинский диагноз
Машинное обучение может помочь в диагностике заболеваний. Многие врачи используют чат-ботов с возможностью распознавания речи, чтобы различать закономерности в симптомах. В случае редких заболеваний совместное использование программного обеспечения для распознавания лиц и машинного обучения помогает сканировать фотографии пациентов и выявлять фенотипы, коррелирующие с редкими генетическими заболеваниями.
Пример:
1. Помощь в разработке и рекомендации лечения
2. Онкология и патология используют машинное обучение для распознавания раковой ткани
3. Анализ биологических жидкостей
4. Статистический арбитраж
Арбитраж — это автоматизированная торговая стратегия, которая используется в финансах для управления большим объемом ценных бумаг. Стратегия использует торговый алгоритм для анализа набора ценных бумаг с использованием экономических переменных и корреляций. Машинное обучение оптимизирует стратегию арбитража для улучшения результатов.
Примеры:
1. Алгоритмическая торговля для анализа микроструктуры рынка
2. Анализ больших наборов данных
3. Определение возможностей арбитража в реальном времени
5. Предиктивная аналитика
Машинное обучение может классифицировать доступные данные по группам, которые затем определяются правилами, установленными аналитиками. Когда классификация завершена, аналитики могут рассчитать вероятность ошибки.
Прогнозная аналитика — один из самых многообещающих примеров машинного обучения. Это применимо ко всему; от разработки продукта до ценообразования на недвижимость.
Примеры:
1. Прогнозирование мошеннической или законной транзакции
2. Улучшение систем прогнозирования для расчета вероятности ошибки
6. Извлечение
Машинное обучение может извлекать структурированную информацию из неструктурированных данных. Организации накапливают огромные объемы данных от клиентов. Алгоритм машинного обучения автоматизирует процесс аннотирования наборов данных для инструментов прогнозной аналитики.
Примеры:
1. Создать модель для прогнозирования нарушений голосовых связок
2. Разработать методы профилактики, диагностики и лечения заболеваний
3. Помочь врачам диагностировать и быстро решать проблемы
Чтобы узнать больше, нажмите здесь.
