Gépi tanulás, mesterséges intelligencia

Machine learning, mesterséges intelligencia

A digitális transzformáció eredményeként elérhető adatok feldolgozása megnyitja az utat korábban fel nem ismert lehetőségek kiaknázása felé. Az adatmennyiség feldolgozása és az abban rejlő összefüggések feltárása humán intelligenciával már nem kezelhető. Ezért adat alapú döntéshozatalban, az adatvezérelt vállalati kultúra kialakításában jelentős szerepe van a gépi tanuló (machine learning), illetve mesterséges intelligencia (MI) megoldásoknak, hiszen a cél az óriási mennyiségű adat feldolgozásával üzleti érték, illetve információ előállítása. Ezekkel a folyamatosan fejlődő, innovatív technikákkal felruházva jelentős hatékonyságnövelés érthető el, amely technikák bevezetéséhez a T-Systems számos utat kínál ügyfelei számára, elsősorban üzleti stratégiák és pilot projektek megvalósításával.

Azonban elmondható, hogy a gépi tanuló, MI megoldások több évtizedes múltra tekintenek vissza, korábban adatbányászatként (data mining) hivatkoztunk rájuk. Az elmúlt években a Big Data, az adatok ugrásszerű növekedése, az adatok eltávolodása a relációs struktúráktól, az IoT, M2M forradalom új lendületet adott a területnek, mivel a gépi tanulás és MI adta lehetőségek segítségével a felgyűlt, nagy mennyiségű adatokból olyan következtetések vonathatók le, amelyek mentén közvetlenül, konkrét akciókkal támogathatók az üzleti folyamatok, illetve támogatható az üzleti döntéshozatal.

A gépi tanulás, MI számos területen bevehető, akár egy smart-city, smat-home, smart-health megoldás részeként, digitális ügyfélszolgálati asszisztens formájában, prediktív karbantartáshoz kapcsolódóan, vagy egyéb Ipar 4.0 rendszerhez kötődően vagy említhetjük akár a klasszikus ügyfél analitikai elemzéseket, termék affinitás elemzésre épülő ajánló motorokat.

Néhány sikeres projektünk:

  • Digitális ügyfélszolgálati asszisztens (Vanda) bevezetése, illetve hang alapú azonosítás implementációja.
  • Ipari környezeteben turbina élettartam előrejelzés: A turbina szenzoradatai alapján a várható élettartam minél pontosabb előrejelzése érdekében.
  • Prediktív autóipari megoldás: karosszéria hézagok prediktív elemzése a célból, hogy a termelés során a hézagok a határértékeken belül maradjanak és minél előbb elvégezhetők azok a karbantartások, amely révén a toleranciahatárokon túli illesztések minimalizálhatók.
  • Termékajánló rendszer: Webshop ajánlórendszer támogatása az ügyfelekre vonatkozó affinitáselemzés segítségével annak érdekében, hogy minél célzottabb termékajánlások elhelyezése történjen meg.
  • Mobil cellainformációk alapján lakhely, munkahely elemzés, és lakhelyek és munkahelyek közötti közlekedési útvonalak elemzése, vizualizációja.

Megosztás