自2012年以来，风险投资、会议以及与商业相关的“机器学习”查询越来越受欢迎，这是很容易看到的——但大多数技术高管往往很难确定他们的企业在哪些方面可能会将机器学习(ML)应用到商业问题上。
随着每周都有新的人工智能流行语被创造出来，似乎很难搞清楚哪些应用是可行的，哪些是炒作、夸张或骗局。
在本文中，我们将对ML通常处理的业务问题进行分类，并提供可操作的建议，以便用正确的方法和视角开始ML计划(即使这是您在公司中进行的第一个此类项目)。
最重要的是，我们将参考真实的业务用例，用引号和观点以及有关从我们的人工智能研究人员和管理人员的网络“如何解决与ML业务问题”。通过这篇文章的末尾，你就会有一个很好的想法，您是否有任何公关...
您已经获得了Emerj Plus成员的独家内容
Emerj +会员
深入分析
跨部门的新兴人工智能能力的一致覆盖。
专属人工智能能力矩阵
一个可探索的，可视化的地图的人工智能应用跨部门。
数据和分析
数据快照、统计数据和趋势聚光灯。
最佳实践和执行指南
生成AI ROI与框架和指南的AI应用程序
