ВВЕДЕНИЕ 5
ГЛАВА 1 6
1.1 Актуальность проблемы 6
1.2 Индустрия 4.0 7
1.3 Искусственный интеллект 8
1.4 Области искусственного интеллекта 11
1.5 Применение ИИ 14
1.6 Проблемы внедрения ИИ 14
1.7 Организационные возможности, необходимые для внедрения 16
1.8 ML и когда он нужен, принцип работы 17
1.9 ML в бизнесе 20
1.10 Преимущества от использования машинного обучения 25
1.11 Машинное обучение как сервис 30
1.12 Существующий инструментарий для выбора сервисов машинного обучения 31
1.13 Недостатки методик в отношении выбора сервиса 33
1.14 Существующие методологии по внедрению машинного обучения 34
Выводы по главе 1 40
ГЛАВА 2 41
2.1. Получение бизнес-ценности с помощью платформ Data Science и машинного обучения 41
2.2. Преодоление возможных проблем в процессе подготовки и реализации проектов машинного обучения 42
2.3. Обзор сервисов для машинного обучения 43
2.4. Анализ отзывов и данных о системах 52
2.5. Критерии для выбора сервиса 58
2.6. Выбор сервиса машинного обучения 63
Выводы по главе 2 64
ГЛАВА 3 64
3.1. Особенности и ключевые составляющие методологии 64
3.2. Жизненный цикл методологии внедрения 67
3.3. Роли 78
3.4. Ограничения и рекомендации по применению методологии 78
3.5. Оценка по шкале из файла 78
3.6. Сравнение с имеющимися методиками 78
Выводы по главе 3 78
ЗАКЛЮЧЕНИЕ 78
СПИСОК ИСТОЧНИКОВ 78
ПРИЛОЖЕНИЯ 78
Стремительное развитие цифровых технологий и рост количества генерируемых данных создают совершенно новые условия конкуренции во всех секторах экономики и ставят непростые задачи перед бизнесом по реорганизации внутренних процессов и внедрению релевантных инструментов. С увеличением объемов информации растет и ценность ее анализа и извлечения полезных знаний, применяемых для решения различных задач, что и является одним из основных векторов развития IT-технологий. Одной из ключевых технологий является искусственный интеллект и возможность компьютеров выполнять многие задачи, ранее доступные только человеку, непрерывно обучаясь при этом с использованием собираемых в больших объемах данных. Согласно прогнозам ABI Research, рынок решений для машинного обучения и искусственного интеллекта вырастет в 10 раз в денежном выражении к 2026 году и достигнет более 10 миллиардов долларов.
Правильное использование данных технологий открывает новые возможности и является большим шагом вперед для многих компаний, однако, внедрение машинного обучения в организации создает немало проблем, которые необходимо решать, используя комплексный подход. Материалы исследований и существующих методик покрывают многие аспекты, связанные с проектами по внедрению систем искусственного интеллекта и машинного обучения, но с ростом актуальности и расширением рынка появляется все больше игроков, предлагающих технологические решения и сервисы для работы с машинным обучением, что делает технологию более доступной, но повышает сложность выбора поставщика таких решений и конкретного сервиса.
В данной работе будут рассмотрены существующие методологии по внедрению машинного обучения для решения управленческих задач компании, а также сервисы, предоставляющие возможности применения данной технологии, и существующие инструменты для их выбора. На основе анализа соответствующей литературы и актуальных данных по рынку будет сформулирована методология по выбору сервиса для машинного обучения для применения в комплексе с рядом мер по внедрению проектов машинного обучения.
Объект исследования: машинное обучение в бизнесе и сервисы машинного обучения.
Предмет исследования: применение сервисов машинного обучения для автоматизации принятия управленческих решений.
Цель: разработка методологии, которая позволит систематизировать и структурировать информацию о выборе и применении различных сервисов машинного обучения для автоматизации принятия управленческих решений.
Задачи:
Провести анализ имеющейся литературы по выбору и внедрению сервисов машинного обучения;
Провести анализ рынка сервисов машинного обучения;
Провести анализ отзывов пользователей различных сервисов машинного обучения;
Разработать методологию для выбора сервиса под цели организации и пошагового его применения.
Работа включает в себя 3 главы. Первая глава посвящена определению ключевых технологий, которые лежат в основе машинного обучения, рассмотрению проблемы применения искусственного интеллекта и машинного обучения в бизнесе, изучению существующих методик по выбору сервисов машинного обучения и их применению в бизнес-процессах организации. Во второй главе был проведен обзор рынка сервисов машинного обучения, а также проанализированы отзывы пользователей и лиц, ответственных за принятие решений по выбору сервиса машинного обучения. На основе анализа отзывов и литературы были выделены ключевые критерии для выбора сервиса, а также критерии-фильтры, и был разработан инструмент, позволяющий с помощью ответов на вопросы получить список подходящих решений. В третьей главе были определены способы нивелирования проблем, связанных с внедрением машинного обучения, и была разработана пошаговая методология для выбора и применения сервиса машинного обучения для автоматизации принятия управленческих решений.
Использование технологий искусственного интеллекта и машинного обучения могут принести компаниям значительные выгоды как в краткосрочной, так и в долгосрочной перспективе, а развитие данных технологий делает их применение более доступными даже для небольших организаций. Для использования ценности приложений, основанных на компьютерном анализе данных и извлечении знаний, необходим комплексный подход и пересмотр существующих в организации процессов.
В данной работе была освещена проблема выбора подходящего решения и получения пользы от его применения. В качестве основных сервисов, рекомендуемых для принятия решения были выбраны компании, являющиеся лидерами в отрасли, согласно исследованиям Gartner и Forrester. Далее в работе были проанализированы отзывы пользователей решений и существующая теоретическая литература и выделены критерии для анализа компаний. На их основе был разработан инструмент для получения рекомендованных решений.
Далее в работе была разработана методология для использования данного инструмента в цикле управления проектом машинного обучения и реализации этого цикла от этапа подготовки до этапа извлечения уроков, что и являлось реализацией основной задачи работы.
