Про нейронные сети уже опубликовано масса подробных статей, которые детально все объясняют с научной точки зрения. Попробуем не вдаваться в подробности, а на бытовом уровне описать то, как можно применять нейронные сети и машинное обучение для реальных задач в онлайн бизнесе и интернет-маркетинге.
Нейронные сети – принципиально новый подход в решение задач, которые решались алгоритмическим программированием. Нет необходимости строить алгоритмы под все возможные случаи развития системы или процессов в системе и стремиться предугадать все варианты и описать логику для них. Нейронные сети позволяют на основе большого числа накопленных данных, самостоятельно найти закономерности и связи в заранее не явных аспектах и использовать эту информацию для дальнейшего прогнозирования, классификации и управления данными и процессами.
Примитивно, можно примерно так описать процесс работы нейронных сетей: нейронная сеть на входе получает большой объем информации (big data). Затем данная информация анализируется, нейронная сеть обучается (machine learning) на основе положительных и отрицательных примеров. В процессе обучения формируется структура нейронной сети, которая в дальнейшем может решать задачи идентификации, классификации, прогнозирования.
Нейронные сети целесообразно использовать в бизнес-задачах, в таких ситуациях:
- Накопленное огромное количество различных данных;
- Пока не существует рабочих методов по обработке и систематизации этих данных;
- Данные искажены, повреждены, неполны или не систематизированы;
- Существует большое разнообразие данных и на первый взгляд сложно установить между ними связи и закономерности.
Варианты и примеры возможного применения нейронных сетей и машинного обучения для бизнес-задач:
- Прогнозирование, оценка рисков. (Прогнозирование спроса, объема продаж, среднего чека, частоты продаж, загрузки оборудования для оптимизации количества наличных денежных средств, складских мест и прочих ресурсов);
- Поиск трендов, корреляций, тенденций. Прогнозирование дальнейшего развития системы и предсказание возможных изменений;
- Распознавание фото, видео, аудио контента. Различные сервисы и онлайн приложения с применением технология распознавания. (Пример нашего проекта «LiarScan» для распознавания лжи);
- Машинное обучение для ведения диалогов компьютерными системами. Для автоматизации деятельности операторов в онлайн-чатах, телефонных операторов и мессенджеров. Разработка чат-ботов.