Фреймворк для сокрушения конкуренции с помощью машинного обучения
Когда каждый из ваших конкурентов использует машинное обучение, как вы находите преимущество, чтобы победить их? (особенно при ограниченных ресурсах).
В ходе сотен обсуждений, которые мы провели с предпринимателями, мы увидели, что наиболее сообразительные основатели находят конкурентное преимущество, настраивая стратегию машинного обучения своих компаний, чтобы УЗНАТЬ конкурентов. И мы видим их даже в сравнении с такими гибкими операторами, как Facebook или Google, у которых есть более внушительные информационные ресурсы.
Мы видим, что возникает закономерность: «узко» сосредотачивайтесь на «правильных задачах» и добивайтесь единственного, что имеет значение, ПРОИЗВОДИТЕЛЬНОСТИ. Разбивая его, мы думаем, что уравнение можно разделить на три части:
- ОПЫТ: сосредоточьтесь на «небольших» данных - если вы можете точно определить «правильные» данные для обучения и новых наблюдений, вы сможете опередить конкурентов. Пока они проходят с шумом, вы передать сигнал! Это сложно сделать (поскольку вся предпосылка машинного обучения заключается в НЕ знании того, какие данные верны!), но даже попытки передать более чистые данные могут дать отличные результаты .
- ЗАДАЧА: точно определите задачи. Используйте бизнес-подход и четко определите задачи, которые действительно важны для клиентов лучше, чем ваши конкуренты, и смоделируйте их соответствующим образом. Для этого вам необходимо лучше, чем конкуренты, понимать потребности своих клиентов и свою отрасль.
- ПРОИЗВОДИТЕЛЬНОСТЬ: обладание стержнем производительности - если вы добиваетесь улучшения показателей, когда конкуренция не так или не так однозначно сосредоточена, вы сможете постоянно улучшать обучающий компонент вашего алгоритма. Без этого вы не сможете добиться успеха в непрерывном машинном обучении. Иногда это может быть так же просто, как наличие человека в цикле (например, когда продавцы оценивают качество понимание в режиме реального времени), или после факта отправки любой обратной связи модели для улучшения. Ключевым моментом является владение как выходными данными, так и возможность передавать выходные данные о производительности в качестве входных данных для обучения обратно в модель для улучшения.
Создание лучшего цикла обратной связи - это то, как стартапы сегодня могут получить конкурентное преимущество, имея еще меньше данных. Речь идет о владении метриками производительности системы и их использовании для улучшения всей машины. Итак, как предприниматель, не сокращайте себя из-за недостатка данных для обучения или несовершенного алгоритма. Сосредоточьтесь на том, чтобы ставить перед алгоритмами более сложные задачи и повышать их производительность с помощью творческих циклов обратной связи для постоянного улучшения.
С этой целью мы также видим множество новых возможностей для предпринимателей, которые могут извлечь выгоду за счет развития машинного обучения (и мы рады услышать о многих других!). Что касается запросов на создание стартапов, мы ищем хороших предпринимателей в нескольких областях:
- Маркировка данных на основе краудсорсинга (или производства) - разработка творческих способов передачи маркировки или добавления характеристик данных на аутсорсинг или альтернативных подходов к «производству предварительно размеченных данных».
- Приложения с узкой ориентацией на рентабельность инвестиций, которые обеспечивают измеримые улучшения производительности и стремятся к росту, гораздо проще внедрить в существующие методы ведения бизнеса, поскольку они создают ценность, которую вы можете получить. Это делает сложность машинного обучения ощутимой, увязывая ее с результатами, которые бизнес-лидеры могут распознать.
- Тестирование и оптимизация машинного обучения - в мире, где трудно «заглянуть под капот» или даже лучше всего измерить производительность по сравнению с другими моделями - мы заинтересованы в решении для тестирования производительности, ( A / B) тестирование и развертывание нескольких моделей.
Мы всегда рады встретить смелых предпринимателей в Underscore, поэтому расскажите нам, как вы думаете о получении преимущества с помощью машинного обучения? Какое преимущество или возможность вы видите?
Если вам это понравилось, нажмите 💚 ниже, чтобы другие люди увидели это здесь, на Medium.
