lnwshop logo
  • ตอบกระทู้
  • ตั้งกระทู้ใหม่
QUOTE 

เขียนเมื่อ รันทุก: IoT เครื่องเรียนกะจากเทคโนโลยีที่เป็นกรรมสิทธิ์ข้อมูล-

assortedairport
assortedairport (Guest)
IP: 58.10.55.x
1 เดือนที่ผ่านมา
  • 123 หุ้น
  • IoT Machine Learning Shift ในขณะที่โปรแกรมปัญญาประดิษฐ์ต้น (AI) เป็นม้าตัวเดียวโดยปกติแล้วสามารถทำได้เพียงอย่างเดียวในงานเดียวเท่านั้น แต่วันนี้ก็กลายเป็นจุดขายของการค้าทั้งหมด หรืออย่างน้อยนั่นคือเจตนา เป้าหมายคือการเขียนโปรแกรมหนึ่งที่สามารถแก้ปัญหาหลายตัวแปรได้โดยไม่จำเป็นต้องเขียนใหม่เมื่อเงื่อนไขเปลี่ยน - เขียนเพียงครั้งเดียวทำงานที่ใดก็ได้ วืดสะดุดตาดิจิตอล Amazon, Google, IBM, และไมโครซอฟท์กำลังเปิดการจัดหาเครื่องของพวกเขาเรียนรู้ (ML) ห้องสมุดในการแสวงหาเป้าหมายที่แรงกดดันแข่งขันเปลี่ยนโฟกัสจากเทคโนโลยีที่เป็นกรรมสิทธิ์ของข้อมูลที่เป็นกรรมสิทธิ์สำหรับความแตกต่าง การเรียนรู้ด้วยเครื่องคือการศึกษาอัลกอริทึมที่เรียนรู้จากตัวอย่างและประสบการณ์มากกว่าการใช้กฎที่เข้ารหัสยากซึ่งไม่เหมาะกับสภาพแวดล้อมในโลกแห่งความจริง ABI Research คาดการณ์ว่ารายได้จากการวิเคราะห์ IoT ของ ML จะเพิ่มขึ้นจาก 2 พันล้านเหรียญในปี 2016 เป็นมากกว่า 19 พันล้านเหรียญสหรัฐในปี 2564 โดยมีรายได้มากกว่า 90% ของรายได้ในปี พ.ศ. 2564 ตามขั้นตอนการวิเคราะห์ขั้นสูง อย่างไรก็ตามในขณะที่ ML เป็นวิธีการที่ใช้งานง่ายและอินทรีย์กับสิ่งที่ครั้งหนึ่งเคยเป็นพื้นฐานและเป็นพื้นฐานของการวิเคราะห์ข้อมูลเป็นที่น่าสังเกตว่ากระบวนการสร้างแบบจำลอง ML / AI เองอาจเป็นเรื่องที่ซับซ้อนมาก Data เทคนิคที่ใช้ในการพัฒนาอัลกอริทึมการเรียนรู้ของเครื่องอยู่ใต้ร่ม 2 อัน: วิธีที่พวกเขาเรียนรู้: ตามประเภทของข้อมูลป้อนข้อมูลที่มีให้กับอัลกอริทึม ( การเรียนรู้ที่ได้รับการดูแลการเรียนรู้ที่ไม่ได้รับการยกเว้นการเรียนรู้เสริมและการเรียนรู้แบบกึ่ง -supervised การเรียนรู้ )

  • วิธีการทำงาน: ขึ้นอยู่กับชนิดของการดำเนินงานหรือดำเนินการปัญหา เกี่ยวกับข้อมูล I / O ( การจัดหมวดหมู่การถดถอยการจัดกลุ่มการตรวจจับความผิดปกติและเครื่องมือแนะนำ )

  • วิธีที่พวกเขาเรียนรู้: ตามประเภทของข้อมูลป้อนข้อมูลที่มีให้กับอัลกอริทึม ( การเรียนรู้ที่ได้รับการดูแลการเรียนรู้ที่ไม่ได้รับการยกเว้นการเสริมสร้างการเรียนรู้และการเรียนรู้แบบกึ่งกำกับดูแล ) วิธีการทำงาน: ตามประเภทการทำงานงานหรือปัญหาที่เกิดขึ้นกับข้อมูล I / O ( การจัดหมวดหมู่การถดถอยการจัดกลุ่มการตรวจจับความผิดปกติและการแนะนำเครื่องมือ )เมื่อมีการกำหนดหลักการพื้นฐานแล้วผู้จัดจำแนกประเภทสามารถผ่านการฝึกอบรมโดยอัตโนมัติเพื่อสร้างกฎสำหรับแบบจำลอง Th e ท้าทายอยู่ในการเรียนรู้และการใช้ขั้นตอนวิธีที่ซับซ้อนที่จำเป็นในการสร้างแบบจำลอง ML เหล่านี้ซึ่งอาจเป็นค่าใช้จ่ายยากและใช้เวลานานการมีส่วนร่วมของชุมชนโอเพนซอร์สแนะนำลำดับความสำคัญให้กับการพัฒนาและบูรณาการเทคโนโลยีการเรียนรู้ด้วยเครื่องโดยไม่จำเป็นต้องเปิดเผยข้อมูลที่เป็นกรรมสิทธิ์แนวโน้มที่ Amazon, Google, IBM และ Microsoft บุกเบิกอย่างรวดเร็วที่มากกว่า 1 ล้านล้านเหรียญสี่ บริษัท เหล่านี้มีขีดความสามารถในการรวมตลาดที่แคบกว่าผลิตภัณฑ์มวลรวมภายในประเทศประจำปีกว่า 90% ของประเทศทั่วโลก แต่ละคนยังได้เปิดแหล่งข้อมูลห้องสมุดการเรียนรู้ลึก ๆ ในช่วง 12 ถึง 18 เดือนที่ผ่านมานั่นคือเครื่องมือเครือข่าย Tensor Network ( DSSTNE "destiny") ของ TensorFlow ของไอบีเอ็ม SystemML ของ Microsoft และ Microsoft's Computational Network Toolkit (CNTK) และอื่น ๆ ได้อย่างรวดเร็วต่อไปนี้เหมาะรวมทั้ง Baidu, Facebook และ OpenAI แต่นี่เป็นเพียงจุดเริ่มต้นเท่านั้น เพื่อให้ได้รูปแบบ ML ที่ทันสมัยที่สุดที่ใช้ใน IoT ในระดับต่อไป ( ปัญญาประดิษฐ์ ) การสร้างแบบจำลองและชุดเครื่องมือเครือข่ายประสาท (เช่น syntax parsers) ต้องปรับปรุง การเปิดแหล่งจัดหาชุดเครื่องมือดังกล่าวเป็นอีกทางเลือกหนึ่งที่น่าสนใจและ Google เป็นผู้นำในการจัดหากรอบการทำงานของเครือข่ายประสาทเทียม SyntaxNet ของ Google ซึ่งเป็นตัวผลักดันให้วิวัฒนาการต่อไปของ IoT จากการวิเคราะห์ขั้นสูงไปสู่เครื่องอัจฉริยะแบบสมาร์ท แต่คนอื่น ๆ ควรจะยังคงกระโดดใน bandwagon นี้และพยายามที่จะเปลี่ยนจากเทคโนโลยีที่เป็นกรรมสิทธิ์และต่อข้อมูลที่เป็นกรรมสิทธิ์? บริษัท บางแห่งไม่ได้เป็นเจ้าของข้อมูลที่ Google เก็บรวบรวมผ่าน Android หรือ Search หรือ IBM ได้รับเลือกให้เข้าซื้อกิจการของ Web-properties แบบ B2B, mobile และ cloud-the Weather Company โชคดีที่กลยุทธ์ข้อมูลที่เป็นกรรมสิทธิ์ไม่ใช่ยาครอบจักรวาลสำหรับการแข่งขันในด้านข้อมูลและการวิเคราะห์ เมื่ออุปกรณ์เชื่อมต่อกันมากขึ้นเทคโนโลยีจะมีบทบาทสำคัญยิ่งขึ้นในการสร้างสมดุลระหว่างการสร้างข้อมูลเชิงลึกจากชุดข้อมูลที่ไม่ได้ใช้ก่อนหน้านี้และความสามารถในการหาค่าจากข้อมูลปริมาณสูงที่มีปริมาณสูงซึ่งมาพร้อมกับจุดสิ้นสุดใหม่เหล่านี้ในระดับเมฆ ศูนย์ปรับด้วยตนเอง การทำงานร่วมกัน collaborate-emailเศรษฐศาสตร์ร่วมเป็นองค์ประกอบที่สำคัญในกลยุทธ์การวิเคราะห์ผลิตภัณฑ์และบริการของ บริษัท ดิจิตอลชั้นนำทั้งสี่แห่งที่กำลังมองหาเพื่อสร้างการปรากฏตัวที่มากขึ้นใน IoT และการรวมกันของระบบดิจิทัลและทางกายภาพมากขึ้น แต่ " การทำงานร่วมกัน " ควรอยู่ในบริบท เมื่อ บริษัท หนึ่งเปิดแหล่งที่มาของไลบรารีของ ML แล้ว บริษัท อื่น ๆ ก็ถูกบังคับให้ออกผลิตภัณฑ์ด้วยเช่นกัน นักพัฒนานับล้าน ๆ คนมีอำนาจมากกว่าพนักงานในบ้านเพียงไม่กี่พันคน เช่นกันการเปิดการจัดหาให้ บริษัท เหล่านี้มีประโยชน์อย่างมากเพราะสามารถใช้เครื่องมือใหม่เพื่อเพิ่มประสิทธิภาพการทำงานของตนเองได้ ตัวอย่างเช่นซอฟต์แวร์ Paddle ML ของ Baidu กำลังมีการใช้งานในธุรกิจ Baidu ออนไลน์และออฟไลน์ 30 แบบตั้งแต่บริการด้านสุขภาพจนถึงบริการทางการเงิน และมีพื้นที่อื่น ๆ สำหรับ บริษัท เหล่านี้ในการลงทุนทรัพยากรที่นอกเหนือไปจาก toolsets การวิเคราะห์ บริการการจัดการเอกลักษณ์บริการแลกเปลี่ยนข้อมูลและห่วงโซ่ข้อมูลในการอารักขาเป็นประเด็นสำคัญสามประการที่จะมีความสำคัญอย่างยิ่งต่อการเติบโตของ IoT และการลู่เข้าแบบดิจิตอล / ทางกายภาพ การติดตามการเป็นเจ้าของหรือการเข้าถึงข้อมูลสำคัญที่เป็นกรรมสิทธิ์จะมีการอุทธรณ์ แต่โอกาสใหม่ ๆ ในแนวทัศนียภาพของ IoT จะอาศัยเทคโนโลยีที่ดีเยี่ยมและขนาดที่ บริษัท เหล่านี้มีไว้สำหรับโลกที่เชื่อมต่อกันซึ่งจะประสบความสำเร็จในหลายสิบปีนับหลายพันล้านจุด martin-ryan-hi-rez โดย Ryan Martin และ Dan Shey Ryan Martin นักวิเคราะห์อาวุโสของ ABI Research ครอบคลุมเทคโนโลยีโทรศัพท์มือถือใหม่ ๆ และที่เกิดขึ้นใหม่รวมถึงเทคโนโลยีที่สวมใส่ได้รถที่เชื่อมต่อการวิเคราะห์ข้อมูลขนาดใหญ่และ Internet of Things (IoT) / Internet of Everything (IoE) Ryan จบการศึกษาด้านเศรษฐศาสตร์และรัฐศาสตร์โดยมีความเข้มข้นเพิ่มเติมในการศึกษาระดับโลกจาก University of Vermont และ M.B.A จาก University of New Hampshire
  • ผู้แต่ง
  • เกี่ยวกับ CloudTweaksก่อตั้งขึ้นในปีพ. ศ. 2552 CloudTweaks ได้รับการยอมรับว่าเป็นหนึ่งในหน่วยงานชั้นนำด้านข้อมูลและบริการด้านเทคโนโลยีที่เชื่อมต่อกับระบบคลาวด์ เราโอบกอดและปลูกฝังความเข้าใจด้านความเป็นผู้นำด้านความคิดเรื่องราวที่เกี่ยวกับข่าวที่เกี่ยวข้องและทันเวลาการรายงานมาตรฐานที่เป็นกลางรวมทั้งข้อมูลที่เกี่ยวข้องกับเทคโนโลยีและการ์ตูน
    1
    แสดงความคิดเห็นที่ 0-0 จากทั้งหมด 0 ความคิดเห็น
    ข้อความ
    ชื่อผู้โพส
    ข้อมูลสำหรับการติดต่อกลับ (ไม่เปิดเผย เห็นเฉพาะเจ้าของร้าน)
    อีเมล
    เบอร์มือถือ
    • ตอบกระทู้

    สถิติร้านค้า

    หน้าที่เข้าชม853,640 ครั้ง
    ผู้ชมทั้งหมด290,673 ครั้ง
    เปิดร้าน22 พ.ค. 2555
    ร้านค้าอัพเดท18 ส.ค. 2560

    หมวดหมู่สินค้า

    ระบบสมาชิก

    เข้าสู่ระบบด้วย
    เข้าสู่ระบบ
    สมัครสมาชิก

    ยังไม่มีบัญชีเทพ สร้างบัญชีใหม่ ไม่เกิน 5 นาที
    สมัครสมาชิก (ฟรี)

    เข้าร่วมร้านค้า

    ร้านแนนออโด้ประดับยนต์
    ร้านแนนออโด้ประดับยนต์
    www.lluuauto.com/
    สมัครสมาชิกร้านนี้ เพื่อรับสิทธิพิเศษ

    สินค้าขายดี

    สินค้าลดราคา

    250.00 บาท
    50.00 บาท
    • สั่งซื้อ
    ชุดหุ้มอุปกรณ์รถยนต์ 3 ชิ้น
    ชุดหุ้มอุปกรณ์รถยนต์ 3 ชิ้น
     ↳ สีน้ำตาล+ครีม
    250.00 บาท
    100.00 บาท
    สินค้าหมด
    ชุดหุ้มอุปกรณ์รถยนต์ 3 ชิ้น
    ชุดหุ้มอุปกรณ์รถยนต์ 3 ชิ้น
     ↳ สีเทา
    250.00 บาท
    100.00 บาท
    • สั่งซื้อ
    ชุดหุ้มอุปกรณ์รถยนต์ 5 ชิ้น มีหลายสี
    ชุดหุ้มอุปกรณ์รถยนต์ 5 ชิ้น มีหลายสี
     ↳ สีน้ำตาล+ครีม
    400.00 บาท
    200.00 บาท
    สินค้าหมด
    ชุดหุ้มอุปกรณ์รถยนต์ 5 ชิ้น มีหลายสี
    ชุดหุ้มอุปกรณ์รถยนต์ 5 ชิ้น มีหลายสี
     ↳ สีชมพู
    400.00 บาท
    200.00 บาท
    สินค้าหมด
    ชุดหุ้มอุปกรณ์รถยนต์ 5 ชิ้น มีหลายสี
    ชุดหุ้มอุปกรณ์รถยนต์ 5 ชิ้น มีหลายสี
     ↳ สีเทา
    400.00 บาท
    200.00 บาท
    สินค้าหมด
    หูฉลามติดรถยนต์
    หูฉลามติดรถยนต์
     ↳ หูฉลามติดรถยนต์ (สีดำ)
    200.00 บาท
    100.00 บาท
    สินค้าหมด
    หูฉลามติดรถยนต์
    หูฉลามติดรถยนต์
     ↳ หูฉลามติดรถยนต์ (สีขาว)
    200.00 บาท
    100.00 บาท
    • สั่งซื้อ
    250.00 บาท
    150.00 บาท
    • สั่งซื้อ
    250.00 บาท
    150.00 บาท
    • สั่งซื้อ

    ติดตามสินค้า

    Go to Top