소셜 네트워크

AI

인간의 삶을 더 쉽게 만드는 6 가지 최고의 인공 지능 앱

화신

게재

on

인공 지능 (AI)이 많은 인기를 얻고 전 세계를 강타한 것은 비밀이 아닙니다. 과거 연구에 따르면 AI의 글로벌 시장은 29.82 년 2019 억 252.01 천만 달러에서 2025 년 42.7 억 XNUMX 천만 달러로 CAGR XNUMX %로 성장할 것으로 예상됩니다.

“Gartner의 연구에 따르면 향후 몇 년 내에 모든 애플리케이션 또는 서비스가 일정 수준에서 AI를 통합 할 것입니다. ” 

이점으로 인해 AI는 마케팅, 운영, 재무 등 다양한 비즈니스 기능과 분야에서 사용되고 있습니다. 

이 외에도 AI를 통해 컴퓨터는 대용량 데이터에서 귀중한 통찰력을 추출 할 수 있으므로 복잡한 작업을 쉽게 수행 할 수 있습니다. 게다가, AI 기반 앱 조직을 용이하게 할뿐만 아니라 인간의 삶을 훨씬 더 쉽게 만들었습니다. 예를 들어, 규칙 기반 자동화 및 기계 학습은 많은 일상적인 작업을 단순화했습니다.   

비즈니스 애플리케이션 외에도 AI는 이제 실제 시나리오에서 인기를 얻었으며 웹 기반 및 모바일 애플리케이션에서 점점 더 많이 사용되고 있습니다. 이러한 이유로 AI 지원 앱은 시장에서 사용 가능한 모바일 운영 체제에 점점 더 많이 포함되고 있습니다.

우리는 인간의 삶을 더 쉽게 만들어주는 6 가지 최고의 인공 지능 앱 목록을 만들었습니다. 

# 1 Google 어시스턴트 

우리 목록의 첫 번째는 다름 아닌 유명한 것입니다. 구글 지원, 스마트 홈 기기 및 휴대 전화에서 일반적으로 사용할 수있는 AI 기반 가상 앱입니다. 이 AI 앱의 좋은 점은 다양한 언어를 지원한다는 것입니다. 이를 통해 사용자는 모국어를 사용하여 앱과 상호 작용할 수 있습니다. 

이 외에도 Google 어시스턴트는 삶을 쉽고 번거 로움없이 만들 수있는 가능한 모든 작업을 수행 할 수 있습니다. 어느 것이 확실하지 않습니까? 아래 목록을 살펴보십시오.

  • 캘린더에서 필요한 정보에 액세스 할 수 있습니다. 
  • 레스토랑 예약, 날씨 업데이트 등과 같은 온라인 정보를 검색 할 수 있습니다. 
  • 좋아하는 음악을 재생할 수 있습니다. 
  • 그것은 약속을 만들고 메시지를 보내는 것을 용이하게합니다. 
  • 휴대 전화 나 다른 스마트 기기에서 다른 앱을 열 수 있습니다. 

# 2 Ada – 손 안의 의료

Ada는 깔끔하고 인터랙티브 한 사용자 인터페이스를 갖춘 또 다른 AI 기반 앱으로, 어떤 고통을 겪고 있는지 이해하는 데 도움이됩니다. 이 앱은 기본 세부 정보를 먼저 공유 한 다음 증상에 대한 세부 정보를 공유해야하므로 다른 의사의 약속과 동일하게 작동합니다.

귀하가 제공 한 정보를 기반으로 요약, 잠재적 원인 등을 포함하는 현재 상태에 대한 의료 보고서를 준비합니다. 또한 추가 진단을 위해 해당 보고서를 의사 또는 의료 전문가와 PDF로 공유 할 수 있습니다. 

이 외에도 Ada는 스마트 한 인공 지능 엔진. 이 앱의 좋은 점은 과거 병력, 위험 요소 등과 같은 모든 중요한 환자 정보를 고려한다는 것입니다. 그리고이 데이터를 수집 한 후 머신 러닝과 AI를 활용하여 정확한 피드백을 제공합니다.

# 3 Hookt

우리 목록에있는 또 다른 하나는 채팅을 용이하게하고 공통 관심사를 공유하는 사람들과 친구를 사귀는 플랫폼 인 Hookt입니다. 따라서 해당 지역에서 또는 여행 중에 새로운 친구를 사귀는 것을 좋아하는 사람이라면 Hookt 앱을 사용해보십시오. 

대체로 앱에서 개인 정보를 공유하도록 요청하는 경우가 있으므로 사기 가능성이 높아진다는 점에 유의하는 것이 중요합니다. Business Insider가 실시한 연구에 따르면 미국에서 매년 성인 1 명 중 10 명이 사기의 희생양이되는 것으로 나타났습니다. 

따라서 돈을 절약 할 수 있으므로 사기 또는 사기를 감지하는 방법을 잘 알고 있어야합니다. 예를 들어, 이전에 많은 Vodafone 사용자는 airG 채팅 서비스에 가입하지 않은 경우에도 비용을 지불해야한다고보고했습니다. 그러나 airG는 이것을 식별 할만큼 충분히 빠릅니다. airG 스팸 즉시 시정 조치를 취했습니다. 모든 사람이 airG만큼 책임감 있고 진정성있는 것은 아니기 때문에주의해야합니다. 

# 4 소크라테스 

AI와 로봇 공학은 비즈니스 운영 방식을 혁신했을뿐만 아니라 학교의 교육 수준 향상 상당히.  

"Socratic은 학생들의 숙제를 도와주는 가장 인기있는 iOS 및 Android 용 AI 기반 앱 중 하나입니다." 

이 앱은 설명 동영상, 정의 등 교육적이고 유익한 리소스를 제공합니다.이 앱을 사용하려면 사용자가 숙제 사진을 찍어야하며, 앱은 문제 해결에 도움이되는 솔루션과 원칙을 제공합니다. 

이 앱의 가장 좋은 점은 특정 과목이 아니라 화학, 영어, 경제, 수학, 과학 등 다양한 과목에 대한 도움말을 제공한다는 것입니다. 

# 5 YVA

YVA는 다양한 조직에서 널리 사용되는 클라우드 기반 앱입니다. 이 앱은 AI를 활용하여 직원의 성과를 평가합니다. 이 외에도 YVA는 인스턴트 메신저 및 기업 메일에 연결할 수 있으므로 원 스톱 솔루션이됩니다. 

이 앱의 또 다른 장점은 정기 직원 설문 조사를 실시하고 수신 된 정보를 분석한다는 것입니다. 이렇게하면 직원과 관리자에게 필요한 경고를 보내는 데 도움이됩니다. 이 외에도 YVA는 각 직원의 강점, 약점 및 리더십 자질과 같은 역량을 인식하여 팀의 갈등을 방지하는 데 도움이됩니다. 

# 6 주크 데크

Juke Deck은 다양한 장르의 음악 트랙을 만들기 위해 AI 기반 기술의 잠재력을 최대한 활용합니다. 그러나이 앱의 사용자는 장르, 템포, 지속 시간, 분위기 등을 포함하여 작곡의 초기 매개 변수를 식별해야합니다. 이러한 변수가 완료되면 트랙 생성 버튼이 트랙을 처리하는 데 도움이됩니다. 

좋은 점은 작곡 한 음악을 브라우저에서 듣거나 컴퓨터에 다운로드 할 수 있다는 것입니다. 처리 된 트랙에 대한 수정도 쉽게 수행 할 수 있습니다. 이 외에도 Juke Deck는 로열티를 요구하지 않으므로 원하는대로 제작 한 작품을 사용할 수 있습니다. 예를 들어 생성 된 트랙을 소셜 미디어 또는 YouTube에 게시 할 수 있습니다. 

최종 단어 

요컨대, 인공 지능은 우리가 사는 방식을 완전히 혁신했습니다. 개인적으로나 직업적으로나 우리의 삶을 훨씬 더 편리하게 만들었습니다. 따라서 위에서 언급 한 AI 기반 앱을 사용해보고 그 혜택을 누려야합니다.

포스트 인간의 삶을 더 쉽게 만드는 6 가지 최고의 인공 지능 앱 첫 번째 등장 Aiiot 토크 – 인공 지능 | 사물 인터넷 | 과학 기술.

PrimeXBT 결제
AC Milan의 공식 CFD 파트너와 거래
출처 : http://www.aiiottalk.com/artificial-intelligence-apps-making-human-lives-easier/

인공 지능

딥 러닝 vs 머신 러닝 : 새로운 분야가 전통적인 컴퓨터 프로그래밍에 미치는 영향

화신

게재

on

두 개의 서로 다른 개념이 크게 얽혀있는 경우 서로 다른 학문적 주제로 구분하기 어려울 수 있습니다. 분리하기 어려운 이유를 설명 할 수 있습니다. 깊은 학습기계 학습 전체적으로. 자동화와 즉각적인 만족 모두에 대한 현재의 추진을 고려할 때이 주제에 많은 초점이 새롭게 집중되었습니다.

자동화 된 제조 작업부터 개인화 된 디지털 의학 잠재적으로 의존 할 수 있습니다. 깊은 학습 과학 기술. 그러나 이러한 산업에 혁명을 일으킬이 기술 분야의 정확한 측면을 정의하는 것은 훨씬 더 어렵습니다. 아마도 컴퓨터 과학의 더 큰 움직임의 맥락에서 딥 러닝을 고려하는 것이 가장 좋습니다.

기계 학습의 하위 집합으로 딥 러닝 정의

기계 학습 그리고 딥 러닝은 본질적으로 같은 동전의 양면입니다. 딥 러닝 기술은 똑같이 다양한 상황에서 올바른 응답을 예측할 수있는 다양한 훈련 된 인공 지능 에이전트를 포함하는 훨씬 더 큰 분야에 속하는 특정 분야입니다. 그러나 딥 러닝을 이러한 다른 모든 기술과 독립적으로 만드는 것은 여러 가상 환경에서 가능한 최상의 작업을 학습함으로써 특정 목표를 달성하기 위해 에이전트를 가르치는 데 거의 전적으로 초점을 맞추고 있다는 사실입니다.

전통적인 기계 학습 알고리즘은 일반적으로 암기 암기를 통해 자극에 반응하는 방법을 인공 노드에 가르칩니다. 이것은 단순한 반복으로 구성된 인간의 교육 기술과 다소 유사하므로 시간표를 암송 할 수있을 때까지 시간표를 뛰어 다니는 학생과 동등한 컴퓨터로 생각할 수 있습니다. 이 방법은 효과적이지만 그러한 방식으로 교육받은 인공 지능 에이전트는 원래 설계 사양의 영역을 벗어난 어떤 자극에도 반응하지 못할 수 있습니다.

이것이 딥 러닝 전문가들이이 방법보다 다소 우월하다고 여겨지는 대체 알고리즘을 개발 한 이유입니다. 딥 러닝 에이전트가 사용하는 서브로 운틴은 생성 적대 네트워크, 컨볼 루션 신경 노드 구조 또는 제한된 볼츠만 머신의 실용적인 형태를 기반으로 할 수 있습니다. 이는 기존의 기계 학습 펌웨어 및 대부분의 최신 파일 시스템에서 사용하는 이진 트리 및 연결 목록과는 뚜렷한 대조를 이룹니다.

자체 구성 맵은 다른 AI 연구 분야에서의 응용 프로그램이 일반적으로 훨씬 덜 유망했지만 딥 러닝에도 널리 사용되었습니다. 정의에 관해서는 딥 러닝 vs 머신 러닝 그러나 토론에서는 기술자들이 향후 몇 달 동안 이론적 학술 토론보다 실용적인 응용 프로그램을 더 많이 찾고있을 가능성이 높습니다. 머신 러닝은 가장 단순한 AI에서 가장 정교한 예측 알고리즘에 이르기까지 모든 것을 포괄하는 반면 딥 러닝은 이러한 기술의보다 선택적 하위 집합을 구성한다고 말하면 충분합니다.

딥 러닝 기술의 실제 응용

특정 프로그램이 작성되는 방식에 따라 딥 러닝 기술은 감독 또는 반 감독 신경망을 따라 배포 될 수 있습니다. 이론적으로도 가능할 것입니다. 완전히 감독되지 않는 노드 레이아웃을 통해 수행, 그리고 가장 유망한 기술이 된 것은 바로이 기술입니다. 비지도 네트워크는 의료 영상 분석에 유용 할 수 있습니다.이 애플리케이션은 종종 알려진 입력에 대해 테스트해야하는 컴퓨터 프로그램에 고유 한 그래픽 정보를 제공하기 때문입니다.

전통적인 이진 트리 또는 블록 체인 기반 학습 시스템 데이터를 효과적으로 제공하도록 설계된 구조에 정보가 숨겨져 있기 때문에 극적으로 다른 시나리오에서 동일한 패턴을 식별하는 데 어려움을 겪었습니다. 본질적으로 스테 가노 그래피의 자연스러운 형태이며 의료 산업에서 컴퓨터 알고리즘을 혼란스럽게했습니다. 그러나이 새로운 유형의 비지도 학습 노드는 컴퓨터가 예상하는 정상적인 라인을 따라 구성되지 않은 데이터 구조에서도 이러한 패턴을 일치시키는 방법에 대해 사실상 스스로 교육 할 수 있습니다.

다른 사람들은 구현을 제안했습니다. 준 감독 인공 지능 마케팅 에이전트 이는 기존 거래 성사 소프트웨어와 관련된 윤리에 대한 우려를 상당 부분 제거 할 수 있습니다. 이 도구는 가능한 한 많은 고객층에 도달하려고하는 대신 주어진 시간에 제품을 필요로하는 개인의 확률을 계산합니다. 이를 위해서는 조직이 대리하는 특정 유형의 정보가 필요하지만 결국 모든 추가 조치를 자체적으로 예측할 수있게됩니다.

일부 회사는 현재 동일한 목표를 달성하기 위해 전통적인 기계 학습 기술을 활용하는 도구에 의존하고 있지만 이러한 도구는 종종 개인 정보 보호 윤리적 문제. 심층 구조화 된 학습 알고리즘의 출현으로 소프트웨어 엔지니어는 이러한 단점이없는 새로운 시스템을 만들 수있게되었습니다.

개인 자동화 학습 환경 개발

기존의 기계 학습 프로그램은 종종 심각하게 실행됩니다. 개인 정보 보호 유용한 결론을 도출하기 위해 엄청난 양의 입력이 필요하기 때문입니다. 딥 러닝 이미지 인식 소프트웨어 입력의 작은 하위 집합을 처리하여 작동하므로 많은 정보가 필요하지 않습니다. . 이것은 걱정하는 사람들에게 특히 중요합니다. 소비자 데이터 유출 가능성.

이러한 많은 문제에 대한 새로운 규제 입장을 고려할 때, 규정 준수 관점에서도 중요한 요소가되었습니다. 독성학 실험실에서 생체 활동 중심의 심층 구조 학습 패키지, 규제 당국은 이러한 종류의 민감한 데이터로 주어진 작업을 수행하는 데 필요한 정보의 양과 관련하여 추가적인 우려를 표명 할 가능성이 높습니다. 컴퓨터 과학자들은 일부 사람들이 대부분이 편한 것보다 더 많은 이야기를 전달하는 바이트의 진정한 소방 호스라고 부르는 것을 축소해야했습니다.

어떤면에서 이러한 발전은 시스템의 각 프로세스가 작업을 완료하는 데 필요한 권한의 양만 가져야한다고 믿었던 초기로 거슬러 올라갑니다. 머신 러닝 엔지니어가이 패러다임을 수용함에 따라, 오늘날의 기존 작업을 지원하는 데 필요한 방대한 양의 데이터 마이닝이 필요하지 않기 때문에 향후 개발이 훨씬 더 안전해질 가능성이 높습니다.

이미지 크레딧 : toptal.io

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://datafloq.com/read/deep-learning-vs-machine-learning-how-emerging-field-influences-traditional-computer-programming/13652

계속 읽기

인공 지능

엑스트라 크런치 라운드 업 : Deliveroo의 록키 IPO 인 Tonal EC-1, Substack은 정말 $ 650M의 가치가 있습니까?

화신

게재

on

오늘 아침 칼럼, Alex Wilhelm은 지난 몇 달 동안 뜨거운 4 년 2020 분기를 뒤따른 "기술 종료로 바쁜 계절"을 되돌아 보았습니다.

우리는 냉각 될 수있는 IPO 시장의 징후를보고 있지만 그렇다고해도 "최근 Y Combinator 클래스 전체를 공개하기에 충분한 SPAC가 있습니다."라고 그는 말합니다.

돈이 가득한 사모 펀드를 고려해 보면, 후반기 기업이 레벨 업을위한 세 가지 확실한 선택을 할 수 있다는 것이 분명합니다.

이러한 유동성 옵션에 대한 더 많은 통찰력을 얻기 위해 Alex는 다음과 같이 인터뷰했습니다.

  • 회사가 IPO를 통해 상장 된 DigitalOcean CEO Yancey Spruill;
  • CFO Garth Mitchell은 자신의 스타트 업과 부동산 SPAC $ TSIA의 합병에 대해 논의했습니다.
  • 최근 사모 펀드에 매각 한 AlertMedia의 설립자이자 CEO 인 Brian Cruver.

거래를 요약 한 후 각 경영진은 회사가 어떤 빨간색 "EXIT"기호를 따라야할지 결정한 방법을 설명합니다. Alex가 말했듯이 "뷔페의 가능성 중에서 가장 좋은 옵션을 선택하는 것은 흥미로운 작업입니다."

Extra Crunch를 읽어 주셔서 감사합니다! 좋은 주말 보내세요.

월터 톰슨
TechCrunch 수석 편집자
안녕하세요.


전체 엑스트라 크런치 기사는 회원에게만 제공됩니다.
할인 코드 사용 ECFriday 20 년 또는 XNUMX 년 구독 XNUMX % 할인


톤 EC-1

이미지 크레딧 : 나이젤 서스 만

화요일에 우리는 200 년에 시작된 이래 2018 억 달러를 모금 한 홈 피트니스 스타트 업 Tonal에 대한 2,995 부작 시리즈를 발표했습니다.이 회사의 특허 하드웨어는 XNUMX 달러에 판매되는 벽걸이 형 시스템에 디지털 웨이트, 코칭 및 AI를 결합했습니다.

어떤 측면에서든 성공할 준비가되어 있습니다. 매출 800 % 증가 2019 년 2020 월부터 60 년까지 그리고 올해 말까지 XNUMX 개의 소매점을 갖게 될 것입니다. 수요일에, Tonal은 250 억 XNUMX 천만 달러 시리즈 E를보고했습니다. 그 회사의 가치는 1.6 억 달러였습니다.

우리의 심층 분석은 Tonal의 기원, 제품 개발 일정, 시장 진출 전략 및 투자자의 관심과 고객 만족을 자극하기 위해 결합 된 기타 측면을 검토합니다.

이 형식을 "EC-1,”이러한 이야기는 S-1 폼 스타트 업이 공개되기 전에 SEC에 제출해야하는 것처럼 포괄적이고 조명이 밝기 때문입니다.

Tonal EC-1이 분해되는 방법은 다음과 같습니다.

우리는 큰 일을 잘하고 그 과정에서 뉴스를 만드는 다른 후기 단계의 스타트 업에 대한 작업에 더 많은 EC-1을 보유하고 있습니다.

Deliveroo의 거친 IPO 데뷔를 어떻게 만들까요?

Deliveroo가 거래를 시작했을 때 왜 어려움을 겪었습니까? 고성장 모델과 보수적 인 유럽 투자자 간의 문화적 불협화음으로 고통 받고 있습니까?

숫자를 들여다보고 알아 봅시다.

Kaltura는 데뷔를 보류합니다. 기술 IPO 창이 닫히나요?

Exchange는 많은 사람들이 IPO 기후가 예고없이 너무 추울 것이라고 예상했다고 의심합니다. 그러나 우리는 기술 데뷔를위한 이전의 혹독한 기후 속에서 2 분기에 잠시 멈출 수 있습니다.

Substack은 정말 $ 650M의 가치가 있습니까?

65 년 기준에도 불구하고 2021 만 달러 규모의 시리즈 B는 놀랍습니다. 그러나 a16z가 대체 미디어 공간에 더 많은 자본을 쏟아 붓고 있다는 사실은 놀라운 일이 아닙니다.

Substack은 출판물이 잘 알려진 재능을 피하여 미디어의 무게 중심을 바꾸는 곳입니다. Substack의 역사적 성장을 살펴 보겠습니다.

RPA 시장은 투자자, 공급 업체가 유행에 따른 기술 변화를 활용함에 따라 급증합니다.

비즈니스 프로세스 구성 및 분석. 비즈니스 프로세스 시각화 및 표현, 자동화 된 워크 플로 시스템 개념. 벡터 개념 창조적 인 그림

이미지 크레딧 : 비주얼 생성 / 게티 이미지

로봇 프로세스 자동화는 기업이 디지털 혁신을위한 조치를 취함에 따라 대유행 기간 동안 전면에 나타났습니다. 직원들이 같은 사무실에 함께있을 수 없을 때, 더 적은 수의 사람들을 필요로하는 자동화 된 워크 플로우를 함께 결합하는 것이 중요해졌습니다.

RPA를 통해 경영진은 모든 산업 워크 플로의 일부인 일상적인 수동 작업을 많이 줄이면서보다 현대적인 접근 방식으로 시스템을 업데이트하는 데 시간을 벌 수있는 수준의 자동화를 제공 할 수 있습니다.

전자 상거래 롤업은 소비재의 차세대 혁신 물결입니다.

파란색 배경에 많은 화장실 롤의 상승 된보기

이미지 크레딧 : Javier Zayas 사진 (새 창에서 열림) / 게티 이미지

올해는 롤업, 소규모 회사를 대기업으로 통합하여 주식 가치에 대한 잠재적 인 매력적인 경로를 만드는 것입니다. 전자 상거래 브랜드를 통한 가치 창출에 대한 관심은 특히 두드러집니다.

불과 XNUMX 년 전만해도 많은 사람들이 벤처 규모의 수익을 창출하지 못한 후 디지털 네이티브 브랜드가 벤처 자본가들에게 선호되지 않았습니다. 그렇다면 롤업 과대 광고는 무엇입니까?

Hack take : CISO와 해커가 Exchange 침해에 대응하는 방법을 자세히 설명합니다.

데이터 유출, 기밀 데이터 도용, 사이버 공격의 3d 평면 아이소 메트릭 벡터 개념.

이미지 크레딧 : TarikVision (새 창에서 열림) / 게티 이미지

사이버 세계는 공격이 그 어느 때보 다 더 자주 발생하고 대규모로 발생하는 새로운 시대에 접어 들었습니다. 수천 개의 고위 미국 기업과 기관에 영향을 미치는 대규모 해킹이 최근 뉴스를 지배했습니다. 이 중 가장 중요한 것은 XNUMX 월 SolarWinds / FireEye 침해와 최근의 Microsoft Exchange 서버 침해입니다.

모두가 알고 싶어합니다. Exchange 보안 침해를 당했다면 어떻게해야합니까?

비 기술적 리더가 이해해야하는 5 가지 기계 학습 필수 요소

흰색 배경 위에 직선으로 풀리는 여러 가지 빛깔 전선의 뒤죽박죽. 남아프리카 공화국 케이프 타운. 2019 년 XNUMX 월.

이미지 크레딧 : 데이비드 말란 (새 창에서 열림) / 게티 이미지

머신 러닝은이 분야의 놀라운 변화와 개발 속도로 인해 비즈니스 및 성장 가속화의 기초가되었습니다.

그러나 ML 배경이없는 엔지니어링 및 팀 리더의 경우 이는 압도적이고 위협적 일 수 있습니다.

다음은 XNUMX 개의 실용적이고 쉽게 적용 할 수있는 강의로 분류 된 모범 사례와 반드시 알아야 할 구성 요소입니다.

임베디드 조달은 모든 회사를 자체 시장으로 만들 것입니다.

경제인 데이터 및 경제 성장 그래프 차트를 분석하는 휴대 전화를 사용합니다. 기술 디지털 마케팅 및 네트워크 연결.

이미지 크레딧 : Busakorn Pongparnit / 게티 이미지

임베디드 조달은 임베디드 핀 테크의 자연스러운 진화입니다.

이 다음 물결에서 기업은 영업 담당자, 유통 업체 또는 개별 판매자의 웹 사이트를 통하지 않고 수직 B2B 앱을 통해 필요한 것을 구매할 것입니다.

스타트 업이 비즈니스 개발에 올인해야하는시기 파악

비즈니스 또는 금융 성장 차트 캔버스에서 분리 된 화살표 머리가있는 빨간색 선 하나.

이미지 크레딧 : twomeows / 게티 이미지

스타트 업 성장의 고통이나 확장 문제는 비즈니스 개발을 통해 해결할 수 있다는 오류가 지속적으로 발생합니다.

그것은 사실이 아닙니다.

Dear Sophie : 결혼을 통해 prenups 및 영주권 취득에 대해 무엇을 알아야합니까?

중앙에 미국 국기가있는 미로 울타리 입구의 고독한 인물

이미지 크레딧 : 브라이스 더빈 / TechCrunch

친애하는 소피 :

저는 E-2 투자자 비자로 스타트 업의 창립자이고 방금 약혼했습니다! 곧 나의 배우자가 영주권을 위해 나를 후원 할 것입니다.

그녀가 나를 후원하기위한 최소 급여 요건이 있습니까? 영주권 절차를 시작하기 전에 염두에 두어야 할 사항이 있습니까?

— 벨몬트에서 약혼

스타트 업은 민첩한 데이터 거버넌스를 보장하기 위해 관료주의를 억제해야합니다.

컴퓨터, 전화 및 책상에 시계의 이미지는 빨간 테이프에 묶여있다.

이미지 크레딧 : RichVintage / 게티 이미지

많은 조직은 데이터 관리를 데이터 거버넌스와 유사하다고 인식합니다. 여기서 책임은 통제 및 감사 절차를 수립하는 데 집중되고 상황은 방어적인 관점에서 볼 수 있습니다.

특히 데이터 관리 오류 및 유출로 인한 잠재적 인 재정적 및 평판 적 손해를 감안할 때 이러한 방어는 정당화됩니다.

그럼에도 불구하고 여기에는 근시의 요소가 있으며, 지나치게 조심하면 조직이 특히 소프트웨어 및 제품 개발과 관련하여 데이터 기반 공동 작업의 이점을 실현하지 못할 수 있습니다.

CISO를 최고 경영진으로 끌어 들여 사이버 보안을 기업 문화에 적용

혼합 된 인종 사업가 태블릿 컴퓨터를 사용하여 서버 룸

이미지 크레딧 : 제타 프로덕션 Inc (새 창에서 열림) / 게티 이미지

사이버 전략과 기업 전략은 뗄래야 뗄 수없는 관계입니다. 결과적으로 C-Suite의 최고 정보 보안 책임자는 주주 가치를 극대화하는 데 CFO만큼이나 일반적이고 영향력이 있습니다.

edtech는 추가 자본을 어떻게 지출합니까?

머니 트리 : 성인 손이 잎이없는 나무에서 자라는 달러 지폐에 도달

이미지 크레딧 : 테트라 이미지 (새 창에서 열림) / 게티 이미지

에드 텍 유니콘은 2020 년에이 부문에 대한 자본 증가에 따라 사용할 수있는 많은 현금을 보유하고 있습니다. 그 결과 edtech M & A 활동이 계속 증가하고 있습니다.

핵심 사업을 보완하기 위해 경쟁사를 구매하는 자본이 풍부한 스타트 업 아이디어는 새로운 것이 아니지만, 스타트 업을 구입하는 데 사용되는 돈이 원격 교육에 대한 전염병의 영향으로 볼 수 있기 때문에이 부문의 출구는 주목할 만합니다.

그러나 지난주 통합 환경은 분명한 진술을했습니다. 전염병이 입증 된 신생 기업이 인재를 빠르게 확보하고 있습니다.

멕시코의 기술 : 라틴 아메리카, 미국 및 아시아의 합류점

라인으로 연결된 군중의 항공보기

이미지 크레딧 : 오르 본 알리자 (새 창에서 열림)/ 게티 이미지

지식 이전은 미국-아시아-중남미 넥서스에서 흐르는 유일한 추세가 아닙니다. 경쟁도 진행 중입니다.

유사한 시장 상황으로 인해 아시아의 거대 기술 기업들은 멕시코 및 기타 LatAm 국가로 직접 확장하고 있습니다.

30 분기 동안 순 유지율을 2 포인트 이상 향상시킨 방법

점퍼 케이블에 연결된 미국 달러 지폐에서 나오는 불꽃

이미지 크레딧 : 스티븐 푸에 처 (새 창에서 열림) / 게티 이미지

리더들이 집중하는 SaaS 성능 지표는 확실히 부족하지 않지만 NRR (순 수익 유지)은 의심 할 여지없이 가장 과소 평가 된 지표입니다.

NRR은 단순히 총 수익에서 수익 이탈과 업그레이드, 교차 판매 또는 상향 판매로 인한 수익 확장을 뺀 값입니다. NRR이 클수록 회사는 더 빨리 확장 할 수 있습니다.

제작자가 Roblox에서 새로운 게임을 만드는 5 가지 실수

브라질-2021/03/24 :이 사진 삽화에서 스마트 폰에 표시된 Roblox 로고. (사진 일러스트 : Rafael Henrique / SOPA Images / LightRocket via Getty Images)

이미지 크레딧 : SOPA 이미지 (새 창에서 열림) / 게티 이미지

모바일 F2P 비즈니스에서 가장 경험이 많고 재능있는 게임 디자이너조차도 Robloxians에게 중요한 기능이 무엇인지 이해하지 못합니다.

Roblox 게임 개발의 여정을 막 시작한 사람들에게 이것은 게임 전문가가 Roblox에서하는 가장 일반적인 실수입니다.

CEO Manish Chandra, 투자자 Navin Chaddha가 Poshmark의 Series A 데크가 노래하는 이유를 설명합니다.

CEO Manish Chandra, 투자자 Navin Chaddha가 Poshmark의 Series A 데크가 이미지를 노래하는 이유를 설명합니다.

"사랑으로 인도하면 돈이옵니다." Poshmark의 초석 가치 중 하나입니다. Extra Crunch Live의 최신 에피소드에서 Chandra와 Chaddha는 우리와 함께 앉아 오리지널 Series A 피치 데크를 안내했습니다.

대유행이 도시의 현명한 재 탄생에 박차를가할까요?

새로운 대 오래된 건물-현대적인 새로운 외관의 창에 반영된 오래된 벽돌 건물

이미지 크레딧 : Hopsalka (새 창에서 열림) / 게티 이미지

도시는 사람들이 살고, 일하고, 즐기는 번화 한 허브입니다. 전염병이 닥쳤을 때 일부 사람들은 소규모 도시를 위해 주요 대도시 시장을 떠나 도시의 미래 타당성에 대한 질문을 제기했습니다.

그러나 COVID-19가 주요 도시 공동체를 파괴 할 것이라고 예측 한 사람들은 이러한 지방 자치 단체의 회복력을 단축하는 것을 멈추고 유행병 이후의 미래가 어떻게 보이는지 오래 지속하기를 원할 것입니다.

NFT 열풍은 변호사에게 혜택이 될 것입니다

복사 공간 밝은 파란색 배경에 옆에 누워 망치와 들리는 블록에 서 핑크 돼지 저금통의 3d 렌더링. 돈 문제. 돈에 대한 소송. 경매 입찰.

이미지 크레딧 : Gearstd (새 창에서 열림) / 게티 이미지

저작권 문제, 사기 및 성인용 콘텐츠를 둘러싼 많은 불확실성이 있으며 법적 영향이 NFT 추세의 핵심입니다.

법원이 주어진 파일에 대한 영수증 소유자의 소유권을 보호할지 여부는 다양한 요인에 따라 다릅니다. 이러한 모든 우려는 아티스트가 변호사를 선임해야한다는 것을 의미합니다.

Carvana의 앞 유리를 통해 Cazoo의 제안 된 SPAC 데뷔보기

그것은 합리적인 질문입니다. Carvana가 더 수익성이 있고 그게 뭐가 아니라면 왜 오늘날 누가 Cazoo에 그렇게 많은 돈을 지불하겠습니까? 글쎄, 성장. 어쨌든 그것은 논쟁입니다.

코인 스마트. 유로파 최고의 비트 코인-보르 스
Source: https://techcrunch.com/2021/04/02/extra-crunch-roundup-tonal-ec-1-deliveroos-rocky-ipo-is-substack-really-worth-650m/

계속 읽기

AI

COVID는 모든 모델에 어떤 영향을 주었습니까?

화신

게재

on

COVID는 모든 모델에 어떤 영향을 주었습니까?

변경 관리, 복잡성, 해석 가능성 및 AI가 인류를 장악 할 위험에 대해 Dean Abbott 및 John Elder와의 인터뷰.


By 헤더 파이 슨, KNIME

COVID는 모든 모델에 어떤 영향을 주었습니까?

후 KNIME 가을 정상, 공룡들은 집으로 돌아갔습니다… 음, 노트북의 전원을 껐습니다. 딘 애보트 와 존 엘더, 오랜 데이터 과학 전문가 인 Fall Summit에 마이클 토론에 그와 함께 데이터 과학의 미래 : 산업 공룡과의 노변 대화. 그 결과 데이터 과학 과제와 새로운 트렌드에 대한 흥미로운 대화가 나왔습니다. 스튜디오 조명을 끄고 나서 Rosaria 데이터 과학 세계에서 변경 관리, 복잡성, 해석 가능성 등에 대한 몇 가지 하이라이트를 추출하고 확장했습니다. 그것이 우리를 어디로 가져 왔는지 봅시다.

현실 변화와 모델을 업데이트해야 할 때 AI의 변경 관리에 대한 경험은 무엇입니까? COVID는 모든 모델에 어떤 영향을 주었습니까?

 
[학장] 머신 러닝 (ML) 알고리즘은 과거와 미래의 일관성을 가정합니다. 상황이 바뀌면 모델이 실패합니다. COVID는 우리의 습관과 데이터를 변화 시켰습니다. Pre-COVID 모델은 새로운 상황을 처리하는 데 어려움을 겪습니다.

[남자] 간단한 예는 Google지도의 교통 레이어입니다. 2020 년 폐쇄 조치가 국가별로 강타한 후 Google지도 트래픽 추정치는 한동안 매우 정확하지 않았습니다. 상당히 안정적인 훈련 데이터를 기반으로 구축되었지만 이제는 시스템이 완전히 엉망이되었습니다.

세상이 언제 바뀌고 모델이 더 이상 작동하지 않는지 어떻게 알 수 있습니까?

 
[학장] 제가 사용하는 약간의 트릭이 있습니다. 시간별로 데이터를 분할하고 레코드에 "이전"과 "이후"라는 레이블을 지정합니다. 그런 다음 모델이 사용하는 동일한 입력에서 "이후"와 "이전"을 구별하는 분류 모델을 구축합니다. 차별이 가능하다면“이후”는“이전”과 다르며 세상이 바뀌고 데이터가 변경되었으며 모델을 재교육해야합니다.

특히 수년 간의 사용자 정의 후 프로젝트에서 모델을 재교육하는 것이 얼마나 복잡합니까?

 
[남자] 훈련 모델은 일반적으로 가장 쉬운 단계입니다! 성공한 대부분의 프로젝트 주사위 구현 단계에서. 가장 큰 시간 데이터 정리 및 준비 단계에 사용됩니다. 그리고 가장 문제 비즈니스 이해 / 프로젝트 정의 단계에서 누락되거나 이루어집니다. 따라서 결함이 무엇인지 이해하고 새로운 데이터를 얻고 구현 프레임 워크를 마련 할 수 있다면 새로운 모델을 만드는 것은 비교적 간단합니다.

수십 년간의 경험을 바탕으로 실제로 작동하는 데이터 과학 애플리케이션을 구성하는 것이 얼마나 복잡합니까?

 
[남자] 물론 복잡성에 따라 다를 수 있습니다. 우리 프로젝트의 대부분은 최소한 몇 달 안에 작동하는 프로토 타입을 얻습니다. 그러나 모두에게 피드백의 중요성을 충분히 강조 할 수는 없습니다. 원하는 것보다 훨씬 더 자주 사람들과 대화해야합니다. 그리고 들어! 우리는 매번 비즈니스 문제, 데이터 또는 제약에 대해 새로운 것을 배웁니다. 우리 모두가 인간과 대화하는 데 능숙한 것은 아니기 때문에 종종 팀이 필요합니다. 그러나 모든 이해 관계자 팀은 동일한 언어를 말하는 법을 배워야합니다.

[학장] 비즈니스 담당자와 대화하는 것이 중요합니다. 사람들은 변화를 두려워하고 현재 상태를 바꾸고 싶어하지 않습니다. 한 가지 핵심 문제는 실제로 심리적입니다. 분석가는 종종 성가심으로 간주됩니다. 따라서 우리는 비즈니스 파트너와 분석 전문가 간의 신뢰를 구축해야합니다. 프로젝트 시작에는 항상 다음 단계가 포함되어야합니다. 도메인 전문가 / 프로젝트 관리자, 분석가, IT 및 인프라 (DevOps) 팀을 동기화하여 모든 사람이 프로젝트의 목표와 실행 방법을 명확하게 알 수 있도록합니다. 분석가는 매일 만나야하는 상위 11 명의 사람들 목록에서 10 위입니다! 데이터 과학자의 오만함을 구현하지 마십시오. "비즈니스는 우리 / 우리의 기술을 이해할 수 없지만 무엇이 가장 효과적인지 알고 있습니다." 그러나 우리가 이해하지 못하는 것은 도메인 전문가가 실제로 우리가 일하고있는 도메인의 전문가라는 것입니다! 데이터 과학 가정과 접근 방식을 도메인 전문가가 이해하는 언어로 번역하는 것이 핵심입니다!

현재 최신 트렌드는 딥 러닝으로 모든 것을 해결할 수 있습니다. 최근 한 학생으로부터 질문을 받았습니다. "딥 러닝이 데이터 과학 문제를 해결하기위한 최첨단 기술인 경우 다른 ML 알고리즘을 배워야하는 이유는 무엇입니까?"

 
[학장] 딥 러닝은 방 밖으로 많은 산소를 빨아 들였습니다. 1990 년대 초반 신경망이 비슷한 낙관주의로 상승한 느낌이 듭니다! 딥 러닝은 확실히 강력한 기술 세트이지만 구현 및 최적화하기가 어렵습니다. 나무의 앙상블 인 XGBoost도 강력하지만 현재는 더 주류입니다. 고급 분석을 사용하여 해결해야하는 대부분의 문제는 실제로 복잡한 솔루션이 필요하지 않으므로 간단하게 시작하십시오. 이러한 상황에서 딥 러닝은 과잉입니다. Occam의 면도기 원칙을 사용하는 것이 가장 좋습니다. 두 모델이 동일하게 작동하는 경우 가장 간단한 것을 채택하십시오.

복잡성에 대해. 딥 러닝과 반대되는 다른 추세는 ML 해석 가능성입니다. 여기에서 설명 할 수 있도록 모델을 크게 (과도하게?) 단순화합니다. 해석 가능성이 그토록 중요합니까?

 
[남자] 나는 종종 해석 가능성과 싸우고 있습니다. 물론 훌륭하지만 가장 중요한 모델 속성 인 신뢰할 수있는 정확도의 비용이 너무 많이 듭니다. 그러나 많은 이해 관계자가 해석 가능성이 필수적이라고 믿기 때문에 수용의 장벽이됩니다. 따라서 어떤 종류의 해석이 필요한지 알아내는 것이 중요합니다. 아마도 가장 중요한 변수가 무엇인지 아는 것일까 요? 이는 많은 비선형 모델에서 가능합니다. 신용 신청자에게 거절 된 이유를 설명하는 것처럼 한 번에 하나의 사례에 대한 결과를 해석하면 될까요? 주어진 점에 대한 선형 근사치를 만들 수 있습니다. 또는 블랙 박스 모델에서 데이터를 생성하고 해당 데이터에 맞는 복잡한 "해석 가능한"모델을 구축 할 수 있습니다.

마지막으로, 연구에 따르면 사용자가 모델을 가지고 놀 수있는 기회, 즉 입력 값의 시험 값으로 그것을 찌르고 그 결과물을보고 시각화 할 수있는 기회가 있다면, 그들은 해석 가능성에 대해 똑같은 따뜻한 느낌을 갖게됩니다. 전반적으로 모델 뒤에있는 사람과 기술에 대한 신뢰는 수용을 위해 필요하며, 이는 정기적 인 의사 소통과 모델의 최종 사용자를 모델링 프로세스의 빌드 단계와 결정에 포함시킴으로써 강화됩니다.

[학장] 그런데 KNIME 분석 플랫폼은 Random Forest에서 입력 변수의 중요성을 정량화하는 훌륭한 기능을 가지고 있습니다! 그만큼 랜덤 포레스트 학습자 노드는 후보 및 분할 변수의 통계를 출력합니다. Random Forest Learner 노드를 사용할 때 기억하십시오.

모델이하는 일에 대한 설명 요청이 증가하고 있습니다. 예를 들어, 일부 보안 등급의 경우 유럽 연합은 모델이해서는 안되는 작업을 수행하지 않는다는 확인을 요구하고 있습니다. 우리가 모든 것을 설명해야한다면 기계 학습은 갈 길이 아닙니다. 더 이상 기계 학습이 없으십니까?

 
[학장]  완전한 설명 가능성을 얻기가 너무 어려울 수 있지만 모델 입력에 대한 그리드 검색을 수행하여 모델이 수행하는 작업을 설명하는 점수 카드와 같은 것을 생성하여 진행 상황을 달성 할 수 있습니다. 이것은 하드웨어 및 소프트웨어 QA의 회귀 테스트와 같습니다. 모델이하는 일에 대한 공식적인 증명이 불가능하다면, 테스트하고 테스트하고 테스트합시다! 입력 셔플 및 대상 셔플은 모델 동작을 대략적으로 표현하는 데 도움이 될 수 있습니다.

[남자] 모델이하는 일을 이해하는 것에 대해 이야기하면서 과학에서 재현성 문제를 제기하고 싶습니다. 모든 분야의 저널 기사 중 65 ~ 90 %는 복제 할 수없는 것으로 여겨집니다. 이것은 과학의 진정한 위기입니다. 의학 논문은 결과를 재현하는 방법을 알려줍니다. ML 논문은 아직 재현성에 관심이없는 것 같습니다. 최근 연구에 따르면 AI 논문의 15 %만이 코드를 공유합니다.

기계 학습 편향에 대해 이야기 해 봅시다. 차별하지 않는 모델을 만들 수 있습니까?

 
[남자] (잠시 괴상한 말은 안타깝게도 오버로드. ML 세계 단어에서 "차별"하는 것이 바로 목표입니다. 두 클래스를 구분하는 것입니다. 그러나 실제 질문에 대해서는 데이터 (분석가가 데이터의 약점을 조정할 수있을만큼 영리한지 여부에 따라 다릅니다.) ) : 모델은 그 안에 반영된 정보를 데이터에서 꺼냅니다. 컴퓨터는 앞에있는 데이터를 제외하고는 세상에 대해 아무것도 모릅니다. 따라서 분석가는 데이터를 선별해야합니다. 현실을 반영하는 사례에 대해 책임을 져야합니다. 예를 들어 특정 유형의 사람들이 과소 대표되면 모델은 그들에게 덜 관심을 기울이고 앞으로 더 정확하지 않을 것입니다. 나는 "여기에 도달하기 위해 데이터가 무엇을 거쳐야 했습니까?"라고 묻습니다. (이 데이터 세트에 들어가기 위해) 프로세스를 진행하는 동안 다른 케이스가 어떻게 탈락했는지 (즉, 생존자 편향) 생각합니다. 숙련 된 데이터 과학자는 이러한 문제를 찾고이를 조정 / 수정하는 방법을 생각할 수 있습니다.

[학장] 편향은 알고리즘에 없습니다. 편향은 데이터에 있습니다. 데이터가 편향된 경우 우리는 편향된 세계관으로 작업하고 있습니다. 수학은 단순한 수학 일뿐 편견이 아닙니다.

AI가 인류를 장악할까요?!

 
[남자] 저는 AI가 단지 좋은 엔지니어링이라고 믿습니다. AI가 인간의 지능을 능가할까요? 내 경험상 40 세 미만은 누구나 그렇다고 믿는다. 이것은 불가피하며, 대부분 40 세 이상 (분명히 나처럼) : 아니오! AI 모델은 빠르고 충실하며 순종적입니다. 훌륭한 독일 셰퍼드 개처럼 AI 모델은 공을 가져 가지만 보여준 데이터 외에는 세상에 대해 아무것도 모릅니다. 상식이 없습니다. 특정 작업에 대한 훌륭한 조수이지만 실제로는 매우 어둡습니다.

[학장] 그 메모에서 나는 AI의 미래를 잘 설명하고 있다고 생각하는 AI의 시작부터 1961 년과 1970 년에 Marvin Minsky가 쓴 두 가지 인용문을보고하고 싶습니다.

“우리 생애 내에서 일부 기계는 일반적인 지능에서 우리를 능가 할 수 있습니다.” (1961)

"XNUMX 년에서 XNUMX 년 후에 우리는 인간의 지능을 가진 기계를 갖게 될 것입니다." (1970)

이러한 아이디어는 오랫동안 존재 해 왔습니다. AI가 모든 문제를 해결하지 못하는 한 가지 이유는 다음과 같습니다. 우리는 하나의 숫자, 하나의 숫자만을 기준으로 행동을 판단합니다! (모델 오류) 예를 들어, 오류 메트릭으로 제곱 평균 제곱근 오차를 사용하여 모델을 구축하여 예측 한 향후 XNUMX 년 동안의 주가 예측은 데이터가 실제로 수행하는 작업에 대한 전체 그림을 그릴 수 없으며 모델을 심각하게 방해합니다. 패턴을 유연하게 발견하는 능력. 우리 모두는 RMSE가 너무 거칠다는 것을 알고 있습니다. 딥 러닝 알고리즘은 계속해서 나아질 것이지만, 모델이 실제로 얼마나 좋은지 판단하는데도 더 잘해야합니다. 그래서 안돼! AI가 인류를 장악 할 것이라고 생각하지 않습니다.

인터뷰가 끝났습니다. 시간과 지식의 약에 대해 Dean과 John에게 감사드립니다. 곧 다시 만나길 바랍니다!

Dean Abbott 및 John Elder 정보

COVID는 모든 모델에 어떤 영향을 미쳤습니까? 딘 애보트 SmarterHQ의 공동 창립자이자 최고 데이터 과학자입니다. 그는 옴니 채널 고객 분석, 사기 탐지, 위험 모델링, 텍스트 마이닝 및 설문 분석에서 문제를 해결 한 2014 년의 경험을 가진 데이터 과학 및 예측 분석 분야에서 국제적으로 인정받는 전문가이자 혁신가입니다. 선구적인 데이터 과학자 및 데이터 과학자 목록에 자주 포함되는 그는 전 세계 컨퍼런스에서 인기있는 기조 연설자이자 워크숍 강사이며 UC / Irvine 예측 분석 및 UCSD 데이터 과학 인증 프로그램에 대한 자문위원회에서도 활동하고 있습니다. 그는 Applied Predictive Analytics (Wiley, 2013)의 저자이자 The IBM SPSS Modeler Cookbook (Packt Publishing, XNUMX)의 공동 저자입니다.


COVID는 모든 모델에 어떤 영향을 미쳤습니까? 존 엘더 1995 년 미국에서 가장 크고 경험이 풍부한 데이터 과학 컨설팅 회사 인 Elder Research를 설립했습니다. Charlottesville VA, Baltimore MD, Raleigh, NC, Washington DC 및 London에 지사를두고 실행 가능한 지식을 추출하여 상업 및 정부 고객을위한 수백 가지 문제를 해결했습니다. 모든 유형의 데이터에서. Elder 박사는 실용적인 데이터 마이닝, 앙상블 및 텍스트 마이닝에 관한 세 권의 책을 공동 집필했으며 그 중 두 권은 "올해의 책"상을 수상했습니다. John은 데이터 마이닝 도구를 만들었고 앙상블 방법의 발견 자였으며 국제 회의의 의장이며 인기있는 워크샵 및 기조 연설자입니다.


 
바이오 : 헤더 파이 슨 KNIME의 블로그 편집자입니다. 처음에는 이벤트 팀에서 그녀의 배경이 실제로 번역 및 교정에 있었기 때문에 2019 년 블로그로 이동하여 텍스트 작업에 대한 진정한 열정으로 돌아 왔습니다. PS 그녀는 항상 새로운 기사에 대한 당신의 아이디어를 듣고 싶어합니다.

실물. 허가를 받아 다시 게시했습니다.

관련 :

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://www.kdnuggets.com/2021/04/covid-do-all-our-models.html

계속 읽기

AI

건강 관리를 재편하는 AI 트렌드

화신

게재

on

저자에 대해 자세히 알아 보려면 클릭하십시오. 벤 로리 카.

의료 분야에서 AI를 적용하면 다른 산업과 크게 다른 여러 가지 과제와 고려 사항이 있습니다. 그럼에도 불구하고 최첨단 기술을 활용하여 치료를 개선하는 AI를 작동시키는 데있어 리더 중 하나이기도합니다. 수치는 스스로를 말해줍니다 : 의료 시장 규모의 글로벌 AI는 4.9 년 2020 억 달러에서 XNUMX 년까지 성장할 것으로 예상됩니다. 45.2에 의해 $ 2026 억. 이러한 성장을 이끄는 몇 가지 주요 요인은 엄청난 양의 의료 데이터와 증가하는 데이터 세트의 복잡성, 증가하는 의료 비용을 줄여야 할 필요성, 변화하는 환자 요구 사항입니다.

깊은 학습예를 들어, 지난 몇 년 동안 임상 환경에 상당한 진출을했습니다. 특히 컴퓨터 비전은 검사 및 진단을 지원하는 의료 영상에서 그 가치가 입증되었습니다. 자연어 처리 (NLP) 텍스트 마이닝 및 데이터 공유를 통해 계약 및 규제 문제를 모두 해결하는 데 상당한 가치를 제공했습니다. COVID-19 이후 백신 및 약물 개발과 같은 이니셔티브를 촉진하기 위해 제약 및 생명 공학 회사가 AI 기술을 채택하는 것이 증가하는 것은 AI의 엄청난 잠재력을 예시 할뿐입니다.

우리는 이미 의료 AI에서 놀라운 진전을보고 있지만 아직 초기 단계이며 그 가치를 진정으로 발휘하기 위해 업계를 형성하는 과제, 도구 및 의도 된 사용자를 이해하기 위해 수행해야 할 많은 작업이 있습니다. 의 새로운 연구 John Snow Labs 및 Gradient Flow, 의료 조사 보고서의 2021 AI, 우리가 어디에 있고, 어디로 가고, 어떻게 거기에 도착하는지에 대해 조명합니다. 글로벌 설문 조사에서는 오늘날 의료 분야에서 AI의 상태를 광범위하게 살펴볼 수 있도록 다양한 단계의 AI 채택, 지역 및 기술 역량에있는 의료 기관에 대한 중요한 고려 사항을 조사합니다.               

가장 중요한 발견 중 하나는 AI 구현과 관련하여 어떤 기술이 가장 중요하다는 것입니다. 2021 년 말까지 어떤 기술을 도입 할 계획인지 묻는 질문에 거의 절반의 응답자가 데이터 통합. 약 XNUMX/XNUMX이 현재 사용 중이거나 연말까지 사용할 계획 인 기술 중 자연어 처리 (NLP) 및 비즈니스 인텔리전스 (BI)를 인용했습니다. 기술 리더로 간주되는 이들 중 절반은 데이터 통합, NLP, 비즈니스 인텔리전스 및 데이터웨어 하우징에 기술을 사용하고 있거나 곧 사용할 것입니다. 이러한 도구가 방대한 양의 데이터를 이해하는 데 도움이되는 힘을 가지고 있으며 규제 및 책임감있는 AI 관행을 염두에두고 있다는 점을 고려하면 이는 의미가 있습니다.

AI 도구 및 기술의 대상 사용자에 대해 질문했을 때 응답자의 절반 이상이 대상 사용자 중에서 임상의를 식별했습니다. 이는 과거와 마찬가지로 기술자와 데이터 과학자뿐만 아니라 의료 서비스를 제공해야하는 사람들이 AI를 사용하고 있음을 나타냅니다. 이 숫자는 성숙한 조직이나 60 년 이상 생산에 AI 모델을 보유한 조직을 평가할 때 훨씬 더 높아집니다. 흥미롭게도 성숙한 조직의 응답자의 거의 XNUMX %는 환자가 AI 기술의 사용자이기도한다고 답했습니다. 챗봇과 원격 의료의 출현으로 향후 몇 년 동안 AI가 환자와 제공자 모두에게 어떻게 확산되는지 보는 것은 흥미로울 것입니다.

AI 솔루션 구축을위한 소프트웨어를 고려할 때 오픈 소스 소프트웨어 (53 %)가 퍼블릭 클라우드 제공 업체 (42 %)보다 약간 우위를 점했습니다. XNUMX ~ XNUMX 년을 내다 보면서 응답자들은 상용 소프트웨어와 상용 SaaS를 모두 사용할 수있는 개방성을 나타 냈습니다. 오픈 소스 소프트웨어는 클라우드 제공 업체가 할 수없는 데이터에 대한 자율성을 사용자에게 제공하므로 의료 서비스와 같이 규제가 엄격한 산업이 데이터 공유를 경계하는 것은 그리 놀라운 일이 아닙니다. 마찬가지로, AI 모델을 프로덕션에 배포 한 경험이있는 대부분의 회사는 타사 또는 소프트웨어 공급 업체의 평가가 아닌 자체 데이터 및 모니터링 도구를 사용하여 모델을 검증하기로 선택합니다. 초기 단계의 회사는 타사 파트너를 탐색하는 데 더 수용 적이지만 성숙한 조직은보다 보수적 인 접근 방식을 취하는 경향이 있습니다.                      

일반적으로 AI 솔루션, 소프트웨어 라이브러리 또는 SaaS 솔루션을 평가하는 데 사용되는 주요 기준 및 협력 할 컨설팅 회사에 대한 질문에 대한 태도는 동일하게 유지되었습니다. 기업, 자체 모델 교육 능력, 최첨단 정확성을 최우선 과제로 삼습니다. 솔루션 및 잠재적 파트너에 대한 질문에서 의료 데이터 엔지니어링, 통합 및 컴플라이언스 분야의 의료 관련 모델과 전문 지식이 XNUMX 위를 차지했습니다. 개인 정보 보호, 정확성 및 의료 경험은 AI 채택을 이끄는 원동력입니다. 데이터가 계속 증가하고 기술 및 보안 조치가 개선됨에 따라 AI가 더욱 성장할 준비가 된 것은 분명합니다. 빠른 채택에 뒤처져있는 의료 서비스가 AI로 옮겨 가고 있으며 이미 상당한 영향을 받고 있습니다. 접근 방식, 최고의 도구 및 기술, AI의 응용 프로그램은 다른 산업과 다를 수 있지만 내년 설문 조사 결과를 위해 무엇이 준비되어 있는지 보는 것은 흥미로울 것입니다.

코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://www.dataversity.net/the-ai-trends-reshaping-health-care/

계속 읽기
에스 포트4 일 전

Dota 2 패치 7.29는 새로운 영웅을 공개합니다

에스 포트5 일 전

Valorant Redeem Codes : 어떻게 사용하나요?

에스 포트5 일 전

TFT Fates 챔피언십 시청 방법

에스 포트4 일 전

최고의 Warzone 총 : Black Ops Cold War Season 2에서 사용해야하는 무기

에스 포트5 일 전

W33 팀 Nigma의 활성 명단에서 제거됨

블록체인5 일 전

플라 야 델 카르멘 : HODLversity의 크립토 핫스팟

블록체인4 일 전

Unternehmen gründen Crypto Council : Fidelity und Coinbase mit dabei

에스 포트4 일 전

오버 워치 아카이브 이벤트 2021 : 새로운 챌린지, 스킨 등

블록체인4 일 전

Evil Geniuses, Cryptocurrency Exchange Platform Coinbase와 파트너

Fintech2 일 전

Novatti의 Ripple 파트너십이 필리핀에 라이브

Fintech4 일 전

Standard Chartered는 투자 및 CurrencyFair와 Assembly Payments의 합병을 통해 디지털 결제 제안을 강화합니다.

에스 포트4 일 전

indiefoxx가 다시 Twitch에서 금지되었지만 그 이유는 무엇입니까?

에스 포트5 일 전

Fortnite : 친구를 재부팅하고 게임 내 보상을받는 방법

사이버 보안4 일 전

핀 테크는 랜섬웨어 표적입니다. 이를 방지하는 9 가지 방법이 있습니다.

블록체인4 일 전

비트 코인 가격 업데이트 : USD 59.500의 BTC 가격

블록체인3 일 전

Krypto-News Roundup 8. XNUMX 월

에스 포트4 일 전

100 Thieves, Enter Infinity Collection에서 NFT 공개

에스 포트5 일 전

Call of Duty League Stage 2 주요 미리보기 및 예측

에스 포트4 일 전

Astralis vs Gambit Esports : ESL Pro League 베팅 분석

블록체인4 일 전

Ripple Klage : CEO zeigt sich nach Anhörung positiv

인기순