你能想象如果今天你必须使用机器学习和人工智能来构建一个独立的业务流程吗？你从哪里开始？我是一名物流顾问，在我的职业生涯中，我一直致力于为与我共事的客户优化和实施业务流程的最佳实践。但是，我们非常非常接近这样一天：我们将被触发，与不断发展并最终接近业务的自主流程一起工作。太棒了，嗯？但是怎么做呢？让我们从以下理解开始。使用机器学习和人工智能的自由职业者进化过程仍然需要功能顾问，但肯定需要开发新的技能。经验主义将为分析决策腾出空间；大公司的管理活动部分已经发生了什么。*让我们开始建立概念。*机器学习：是指教机器执行某些任务的概念，一般使用数据作为数据库。这个过程可以被监督或不监督。要开始谈论机器学习是相关的，首先要了解，所有的机器学习都将基于一组数据，并从中有决策结构来执行操作*我的意思是，有几种可能的方法：基于规则或决策树：这里我们基本上讨论的是简单或复杂的规则和条件，因为我们经常使用结构化逻辑（例如BRF+），大数据分析应用，"基于神经网络，神经网络工作在非常相似的模型上大脑，部分模拟突触过程。对于每个决策，都有一个输入、称重、边界分析（或激活函数）和输出，具体取决于达到的值。图像来源：https://www.researchgate.net/publication/201549563通过账户进行个人身份识别的神经网络有进入的迹象，无论是从数据库捕获还是从任何数据采集设备（IoT）实时读取，都是源数据。这些输入信号被加权，并通过阈值结构。如果计算出的值超过某个限制，输出函数将被激活。*这其中的一个正常现象是，使用算法的决定将取决于应用程序的性质。执行信用分析的最佳选项也不一定是设置垃圾邮件的最佳选项还有其他形式和算法组，它们基本上经历了数学和统计方面的挑战，我在这里不提，但对于那些想详细了解的人来说，这取决于他们的学习。在这一点上，最重要的是要明确，根据具体情况和目标，职能顾问可能需要支持来提出最佳算法或数学模型；"知道如何提问"和"解释你需要什么"这条最大的原则是值得的。到目前为止，IA和机器学习项目对功能的需求还不小吗？"这些概念所强化的前提是，没有数据就没有自主的过程；许多数据允许识别模式，以寻求预期的改进。"在商业和实验性试点项目中吸取了一些经验教训，以及一些非常适合机器学习项目的分析项目的良好实践。开始收集数据……记住类比和按小时构建理性系统，需要数据来验证论文和假设。自信和学习的速度与可用的数据量成正比。要使机器做出决定，只有在你解救数学和统计概念时，才有可能实现它。通常情况下，神经网络会呈现迄今未知的"因果关系"场景，而这一场景一开始似乎不合逻辑。这就是神奇发生的地方。c.考虑到最初一切都应该被监督。正如拉丁语不是狗的语言（尽管名字听起来像狗），一个公司不会因为植入了人工智能项目而先于人类监督。至少在不久的将来不会。从小处着手，有明确合理的目标。如果爱因斯坦花了36年的时间建立了广义相对论。尽管你对你的系统和它的分析结构做出了卓越的评价，但改进总是渐进的。从明确的目标开始，随着时间的推移（或通过数据收集），记住最重要的问题：系统将满足的一些标准可能看起来不符合逻辑和合理，这不是一个绝对的规则，但这是一个正常的规则，应该加以考虑，如果运用得好，会对运营产生很大的积极影响。自治系统需要训练，如何学习大数据，因为权重和限制必须在实验或用户确定的基础上确定。
回到开头好吧，企业应用开发平台，在本文的开头，家庭人工智能，我问你，你将从哪里开始你的人工智能和机器学习项目。为了回答我问自己的问题，我将从简单的企业机器学习开始。数据科学在行动建立预测性客户流失模型要了解SAP在将机器学习与业务应用程序结合起来方面做了些什么，有必要先阅读《福布斯》"SAP是如何将机器学习用于其企业应用程序的"*这篇文章。《哈佛商业评论》（Harvard Business Review）发表了一篇题为"为什么salspeople需要开发机器智能"的文章，其中一条引起我注意的信息是，中国电信物联网，自动化商业活动的潜在客户增加了50%，成本降低了60%。你知道这个数字的影响吗？创新思维！调频