يمكن لفريق علوم البيانات الخاص بك أن يساعد ادارات متعددة، وذلك باستخدام مجموعة متنوعة من الأدوات والتقنيات المتاحة في IBM Data Science Platform. في هذا العرض التوضيحي، يجب التعرف على كيفية مساعدة علوم البيانات في قياس النماذج التنبؤية، والتنبؤ بنشر برنامج الضبط والمطالبات الاحتيالية.

تعرف من Gartner على كيف يمكن لعلوم البيانات والتعلم الآلي أن تحقق نتائج الأعمال

ستحصل على:

  • نصائح حول قيادة مشروعات علوم البيانات الناجحة
  • تحقيق العائد على الاستثمار من التعلم الآلي
  • سبل تمكين محللي البيانات بخبرة قليلة في مجال الرياضيات أو الاحصاءات
  • حالات استخدام التحليلات التنبؤية القوية

الامكانيات

التحليلات التنبؤية

توقع بثقة ما سيحدث بعد ذلك، حتى تتمكن من اتخاذ قرارات أذكى لمؤسستك. IBM هي الشركة الرائدة في منصات علوم البيانات.

التعلم الآلي

لدى شركة IBM أحد منصات علوم البيانات الرائدة التي تتيح لك امكانية المشاركة بسهولة عبر فرق العمل، واستخدام الأدوات مفتوحة المصدر والتكيف بالسرعة التي يتطلبها العمل لديك.

التحليلات الوصفية

لمساعدة المؤسسات في اتخاذ قرارات أفضل عن طريق حل مشاكل التحسين المعقدة التي تنطوي على المفاضلة بين أهداف الأعمال والقيود.

قيادة فرق علوم البيانات الحديثة

من كارلو ابوجلييزي
@CAppugliese

في حين أن علوم البيانات والذكاء الاصطناعى تعد جديدة نسبيا في السوق، الا أن مفهوم استخلاص القيمة من البيانات كان موجودا لبعض الوقت. لكن مع الوقت تغيرت الأشياء - وأصبح القادة يتعاملون مع مجموعة متنوعة من الأدوات (خيارات المصادر المفتوحة باستخدام Rand Python ومجموعات البرامج المتاحة، مثل SAS و SPSS)، ومهارات وتقنيات (التعلم الآلي، والتحسين، والاحصائيات وغيرها) ومجموعة متنوعة من خيارات أعباء العمل التي تتعامل مع البيانات الكبيرة (EDW، ‏Hadoop وغيرها). ولم تعد فرق علوم البيانات تجد هذا بالأمر السهل، وقد طرح العديد منهم أسئلة حول كيفية تعظيم قيمة أعمالهم اليوم. ويشارك كارلو ابوجلييزي الرؤى الثاقبة من تجارب فريقه التي تساعد مئات الشركات على تعزيز ممارساتها في مجال علوم البيانات، والتي تتدرج من كيفية تقصير الوقت الى التأثير في كيفية استخراج أفضل عمل من فريق العمل لديك.

كارلو يشارك بست خطوات لقيادة فعالة لفريق علوم البيانات:

  1. أولاً والأكثر أهمية، يجب التركيز على أهداف أعمالك ومشاكلك؛ ولا تكن أسيرا للتكنولوجيا. لا تقم بتطبيق التكنولوجيا من أجل التكنولوجيا.
  2. لا تبالغ في تحليل ما تحاول القيام به. تتقدم بعض من المشاريع الناجحة عن طريق القيام بذلك فقط. يجب تحديد مشكلة الأعمال لديك/حالة الاستخدام، ووضع فريق العمل معا وانطلق.
  3. لا تضع حدود للبيانات المتاحة لفريق العمل لديك. علماء البيانات بحاجة الى الاستكشاف، وأحيانا سيتغير نهجهم بناء على النتائج. امنح العلماء لديك امكانية توصل لكل البيانات.
  4. فكر في الطريقة التي سيتم بها تشغيل مشروعك في البداية. لا تقم بوضع كود للحل بالكامل ثم قم باعادة كتابة النموذج في تطبيق رقمي. وبناء الحل بتقنية يمكنك تشغيلها.
  5. لا تخشى استخدام أحدث أطر العمل من Python. أطر العمل المفتوحة هي من تطوير المجتمع وتتفوّق على النهج التقليدية. ما عليك سوى مسح بعض الفائزين في Kaggle -Python وهو رائد بارز، لذلك يجب عدم القلق بشأن المصدر المفتوح. ؟ تعرف على الفائزين في Kaggle (الرابط يوجد خارج ibm.com)
  6. يجب أن يتم تمكين فريقك، حتى يتمكن أقل العلماء من استخدام أطر العمل المفتوحة لحل مشكلات أعمالك. بعض أعضاء فريقي الأكثر انتاجية يحققون الهدف مباشرة من برامج الدراسات العليا.
صورة من ملف بيانات تعريف كارلو ابوجلييزى

الحصول على نسخة مجانية من Machine Learning For Dummies

الفصول تتضمن:

  • وضع التعلم الآلي في السياق
  • تنفيذ نهج التعلم الآلي
  • البدء باستراتيجية
  • فهم تقنيات التعلم الآلي
  • ربط طرق التعلم الآلي مع النتائج
  • تطبيق التعلم الآلي على متطلبات الأعمال
دالاس كراوفورد

هل علم البيانات يمثل قيمة للأعمال؟

استمع لعلم البيانات والتحليل وقادة الأعمال في Revelwood، و QueBit و Liberty Seguros في مقطع الفيديو هذا.

نجاح العميل

نجاح العميل

Enghouse Interactive

جهة اتاحة كبيرة لتكنولوجيا مركز الاتصال باستخدام فريق IBM Data Science و AI Elite لاعادة تصور تجربة مركز الاتصال والحصول على معلومات قيمة من العملاء.

Geisinger Health System

انتقلت عيادة الرعاية العاجلة في ولاية بنسلفانيا الى علماء بيانات IBM لتطوير نموذج تنبؤي لتحديد المؤشرات الحيوية لوفيات التسمم وجمع أحدث الأبحاث السريرية لمساعدة مقدمي الخدمات في مراقبة واتخاذ الاجراءات الوقائية بنشاط لتحسين المحافظة على حياة المرضى.

JPMC

تستخدم بنوك اليوم النماذج المالية للتنبؤ بالأداء واصدار أحكام السوق استنادا الى بيانات تاريخية ومالية ـ ولكن ماذا يحدث اذا كانت وسائل النقل غير دقيقة؟ تعاونت شركة JPMC مع علماء بيانات IBM لاجراء تحسينات رئيسية على بيئة التشغيل الخاصة بتقليل المخاطر باستخدام تقنية التعلم الآلي للمساعدة في ادارة مخاطر النموذج.