技術論壇
發文時間 2019/08/26 作者 j;6u045j6
瀏覽次數 1583 留言數量 7 按讚 0
數據分析類
AI大師李開復在很多場演講中都有提到所謂的海量數據,龐大的數據資料庫真的決定了AI的競爭力嗎?這些數據又都是如何進行分析的呢?
發文時間 2019/08/26 作者 omnixri
按讚 0
大數據的類型很多,用途亦有不同,但不是數據越多就越好,而是被清洗過且被整理過的資料越多越好,不然只是垃圾進垃圾出。當有好的品質資料來源就有機會透過大數據分析或人工智慧算法加以預測,找出問題及對策。
舉例來說,電商交易記錄,為格式化資料(就像EXCEL每個欄位都被填滿),可能會有客戶基本資料(生日、性別、地址、電話等)、交易記錄(採購時間、採購內容、金額等)、瀏覽(查詢)記錄等。當有大量客戶及交易記錄後,即可設定目標,比方說想了解誰是VIP客戶,客戶喜好及可能推薦清單,特定類型產品訂購週期(高峰),產品銷售關連性,甚至消費金額、產品銷量預測等。
以工廠大數據來說,可能會從整個生產線的每部機器上取得各式狀態(轉速、電壓、電流、溫度等)、生產數據(產能、停機時間等)及工單執行進度等。透過這些數據就可適當預測生產時間、保養週期、產品不良率、甚至訂單衝突處理等。
以智慧交通而言,大量的視頻從各個路口傳回,此時透過人工智慧算法可計算出車輛種類、數量及流量,依此可進行人力介入或自動調整號誌時間以分散車流,或者適當調配大型公共交通工具或者公共腳踏車增加交通流暢性。
簡單來說先要有目標,再想辨法從數據中統計出關連,再依此產生對策。待資料流暢運作後就可開始設計自動化分析工具,當一切趨於成熟後就有機會自動產生對策甚至執行工作,真正達到人工智慧帶來的智能生活及競爭力。
發文時間 2019/08/30 作者 allen chen
按讚 0
資料分析大概有下面這幾種
1.分類分析(Classification)
2.群集分析(Clustering)
3.迴歸分析(Regression)
4.時間序列分析(Time Series Analysis)
5.關聯分析(Associative Analysis)
6.順序型態分析(Sequential Pattern Analysis)
發文時間 2019/09/01 作者 laisan86
按讚 0
這個問題其實有點籠統, 不過看來是不少人的問題! 事實上, 不少人都想說根據自家生產的硬體, 或者一些雲端服務廠商為了找人幫忙開發Solution給他們推廣服務用, 就擠破頭來做應用. 而其實, 應該是根據場域、用途、目的三者, 來進行規劃分析! 好比要讓特定的作物(例如 : 地瓜), 在種植的成果上會標準化(比方 : 甜度、大小、色澤、口感...等)會很接近, 而且能適應大眾對於這種作物的印象、讓大眾深刻認為這類商品有其價值, 其關鍵點就數理統計來說, 就是讓作物的評比達到常態分布Normal distribution的效果, 因此反倒是得要針對樣品作物進行了解、分析比較其生長數據, 再根據這些生長數據當作模型Model, 其後才讓感測器、無人機...等這些道具針對這些生長數據裡面含有的項目去收集與匹配和處理, 比較妥當!
發文時間 2019/09/14 作者 chuckmails
按讚 0
數據的定義是Volume(容量)、Velocity(速度)和Variety(多樣性),但也有人另外加上Veracity(真實性)和Value(價值)兩個V
大致可分為
傳統企業數據(Traditional enterprise data):包括 CRM systems的消費者數據,傳統的ERP數據,庫存數據以及帳目數據等。
機器和傳感器數據(Machine-generated /sensor data):包括呼叫記錄(Call Detail Records),智能儀表,工業設備傳感器,設備日誌(通常是Digital exhaust),交易數據等。
社交數據(Social data):包括用戶行為記錄,反饋數據等。如Twitter,Facebook這樣的社交媒體平台。
發文時間 2019/09/30 作者 yinghsuan1217
按讚 0
機器是利用統計的方式來下判斷的,
因此資料庫內的數據越多~判斷的結果就越精準!
只要輸入正確答案,機器就能根據資料庫去比對出相對應的東西
發文時間 2019/10/30 作者 mileen.tsai
按讚 0
在網路上找到了一個作者寫的蠻詳細的,感覺能回答到你的問題,給你參考:https://ithelp.ithome.com.tw/users/20111566/ironman/1626?page=2,可以看資料分析的那幾篇文章~