Несмотря на то, что машинное обучение обычно может дать лучшее качество в случае наличия большого количества подготовленных данных, нет ничего плохого в том, чтобы запускать проект, используя эвристические правила. Эвристические правила, эвристики — правила, придуманные экспертами для решения научных, инженерных и прикладных задач.
Для машинного обучения требуются данные, которые необходимо откуда-то взять. Если проект небольшой и данных ещё нет, лучше использовать эвристики. Со временем проект разрастается, появляется возможность доставать данные для машинного обучения, при этом эвристики усложняются. Усложнение происходит из-за желания повысить доходность производства.
Сначала, при запуске, мы могли использовать самые простые правила, затем появляются новые идеи, которые дают прирост качества. Однако реализация всё большего количества эвристических правил делает проект громоздким, ухудшая возможности для последующей поддержки и развития. В этот момент и стоит начинать применять машинное обучение. Оно сможет дать системе большую гибкость и повысить качество работы.
AI-трансформация
В Сбербанке принят план AI-трансформации, который касается и продуктов экосистемы, и платформ, и технологий. Это позволит улучшить клиентский опыт и повысить эффективность бизнеса. В рамках этого плана планируется увеличение численности специалистов в области ИИ, повышение вовлеченности руководящего состава Банка в проект транформации, включение результатов в KPI, а также развитие направления R&D.
✔ Не забываем ставить лайк и подписываться на мой канал: https://dzen.ru/lecturer_abramenkova?share_to=link
Впереди много познавательного!
✔ Будем дружить https://vk.com/lecturer_abramenkova
Благодарю каждого за репост!)