方(fang)案概述

政府(fu)和企業的信(xin)息(xi)化積(ji)累(lei)了大量的數據,涵蓋其(qi)業務、運營、財務等各個方(fang)面(mian),隨著(zhou)數據維度的增(zeng)多和關聯度的增(zeng)強(qiang),傳統BI的分析(xi)方(fang)法(fa)已經(jing)無法(fa)充分zhi)耐誥蚴 zhong)的價值(zhi)。人工智(zhi)能(neng)的再次興起(qi)為數據提供(gong)了新的應(ying)用模式,能(neng)夠從高維度的數據中(zhong)發現深層的關聯關系,精確地進行分類、預測等分析(xi),從而為政府(fu)和企業的決策(ce)提供(gong)依據。同(tong)時,人工智(zhi)能(neng)也對政府(fu)和企業應(ying)用的建設(she)者提出(chu)了新的要求。

首(shou)先(xian),人工智(zhi)能(neng)在(zai)政府(fu)和企業的應(ying)用要求建設(she)者具備(bei)將業務映射到數據的能(neng)力。建設(she)者一方(fang)面(mian)要熟悉業務過程、內容和需求,另一方(fang)面(mian)需要了解當前所能(neng)夠掌(zhang)握的數據資(zi)源,並將業務的需求與數據資(zi)源關聯起(qi)來。

其(qi)次,人工智(zhi)能(neng)在(zai)政府(fu)和企業的應(ying)用要求建設(she)者具備(bei)數據和算(suan)法(fa)建模的能(neng)力。建設(she)者需要具備(bei)統計、機器(qi)學習(xi)、深度學習(xi)等領域的專業知識(shi),能(neng)夠針對業務場景的需求建立數據的模型(xing)和算(suan)法(fa)的模型(xing),並對模型(xing)進行訓練、驗證和優化,使其(qi)能(neng)夠滿足業務應(ying)用的要求。

除此之外,政府(fu)和企業的應(ying)用建設(she)者還需要轉變傳統的應(ying)用建設(she)思維,從人工智(zhi)能(neng)的層面(mian)理解應(ying)用的內容和工作方(fang)式,從數據的準備(bei)、標(biao)注,到模型(xing)的更新,實現面(mian)向回歸、分類、預測、關聯發現zhi)壤嘈xing)場景的新型(xing)應(ying)用。
因此,政府(fu)和企業迫(po)切需要一個能(neng)夠幫助其(qi)簡(jian)單、快速(su)使用人工智(zhi)能(neng)模型(xing)和算(suan)法(fa)方(fang)案,釋放數據中(zhong)的價值(zhi)。

金蝶天燕人工智(zhi)能(neng)應(ying)用解決方(fang)案是一個集成了大數據緩存、大數據分析(xi)處理引擎、人工智(zhi)能(neng)算(suan)法(fa)模型(xing)以(yi)及大數據分析(xi)與建模平(ping)台的整體解決方(fang)案,能(neng)夠幫助用戶簡(jian)單、快捷的實現zhi)郵蕕牟杉  捍嫻椒治xi)建模以(yi)及應(ying)用與可視化的全(quan)過程,降低人工智(zhi)能(neng)在(zai)政府(fu)和企業中(zhong)應(ying)用的技術門檻。

客(ke)戶價值(zhi)

1. 涵蓋主流的人工智(zhi)能(neng)算(suan)法(fa)模型(xing)

金蝶天燕人工智(zhi)能(neng)應(ying)用解決方(fang)案包含了主流的機器(qi)學習(xi)、深度學習(xi)算(suan)法(fa),支(zhi)持聚類與降維、分類分析(xi)、回歸預測、關聯發現、統計分析(xi)以(yi)及數據可視化等的智(zhi)能(neng)分析(xi)應(ying)用場景,同(tong)時提供(gong)面(mian)向算(suan)法(fa)流程訓練、優化的主流算(suan)法(fa)和模型(xing)。

2. 提供(gong)所見即(ji)所得(de)的算(suan)法(fa)流程建模方(fang)式

金蝶天燕人工智(zhi)能(neng)應(ying)用解決方(fang)案為用戶提供(gong)交(jiao)互式、可見即(ji)所得(de)的分析(xi)和流程建模界面(mian),可幫助用戶構(gou)建人工智(zhi)能(neng)分析(xi)的實驗床,通過直觀(guan)的方(fang)式嘗(chang)試不同(tong)的算(suan)法(fa),建立數據分析(xi)流程和模型(xing),訓練、測試、驗證和優化分析(xi)流程。

3. 支(zhi)持zhong)髁韉氖菁撲suan)引擎

金蝶天燕人工智(zhi)能(neng)應(ying)用解決方(fang)案支(zhi)持zhong)髁韉募撲suan)框架,包括主流的Tensorflow、Theano、Keras等人工智(zhi)能(neng)計算(suan)框架,支(zhi)持zhi)嬡uda架構(gou)的GPU計算(suan),可適應(ying)不同(tong)數據量、不同(tong)類型(xing)業務應(ying)用對計算(suan)框架、資(zi)源類型(xing)和tu)撲suan)能(neng)力的要求。

產品組合(he)及特性

1. 快速(su)上手

用戶通過可見即(ji)所得(de)的拖拽式操作,建立數據分析(xi)流程

2. 快速(su)建模

模型(xing)組件通過黑盒方(fang)式運行,用戶可通過兼容的組件進行建模,無需具備(bei)很深的理論基礎

3. 快速(su)洞察(cha)

用戶可對數據樣本進行交(jiao)互式的分析(xi),樣本分析(xi)結果隨模型(xing)變化即(ji)時生成

客(ke)戶案例

中(zhong)船物(wu)貿

中(zhong)船物(wu)貿是中(zhong)船重工負責物(wu)資(zi)集中(zhong)采購的單位,需要管(guan)理近千家ye)稍鋇?簧賢蚋銎防轡wu)資(zi)的采購、供(gong)應(ying)的流程。為實現物(wu)資(zi)采購及管(guan)理的過程,中(zhong)船物(wu)貿建設(she)了物(wu)料采購平(ping)台,用于處理集團(tuan)成員單位的采購需求、審批(pi)流程以(yi)及與供(gong)應(ying)商(shang)對接(jie)的過程。

在(zai)執(zhi)行物(wu)資(zi)采購申請的過程中(zhong),成員單位需要在(zai)物(wu)資(zi)的上萬個類別(bie)中(zhong)查找到當前所申請物(wu)料的類別(bie),按類別(bie)相應(ying)的模板(ban)填(tian)寫物(wu)料申請。由于物(wu)資(zi)種(zhong)類繁多,物(wu)資(zi)的申請過程容易(yi)出(chu)錯(cuo),且處理效(xiao)率較低,大量的時間花費在(zai)了物(wu)資(zi)類別(bie)的查找過程中(zhong)。

基于人工智(zhi)能(neng)應(ying)用解決方(fang)案,我們對中(zhong)船物(wu)貿積(ji)累(lei)的近百萬條用戶物(wu)資(zi)申請的歷史數據進行了特征(zheng)化處理,從中(zhong)提取了用戶申請物(wu)資(zi)過程中(zhong)對物(wu)資(zi)描述的行為特征(zheng),形成shang)卣zheng)數據集。通過對機器(qi)學習(xi)算(suan)法(fa)的訓練,我們使機器(qi)學習(xi)算(suan)法(fa)獲取了用戶輸(shu)入物(wu)資(zi)描述的語言習(xi)慣,並固化為特定的模型(xing),從而能(neng)夠根(gen)據用戶輸(shu)入物(wu)資(zi)描述的特征(zheng),智(zhi)能(neng)的生成用戶所需物(wu)資(zi)的類別(bie)。經(jing)過多次的迭代(dai)訓練,在(zai)中(zhong)船物(wu)貿的物(wu)資(zi)shou)遠 擲嗍shi)別(bie)系統中(zhong),機器(qi)學習(xi)模型(xing)對物(wu)資(zi)類別(bie)的識(shi)別(bie)率可達95%。通過物(wu)資(zi)shou)遠 擲嗍shi)別(bie)模型(xing)與物(wu)資(zi)采購平(ping)台的集成,我們實現了物(wu)資(zi)的智(zhi)能(neng)自動歸類,系統能(neng)夠自動根(gen)據用戶對物(wu)資(zi)的描述識(shi)別(bie)物(wu)資(zi)類別(bie),使集團(tuan)成員單位的物(wu)資(zi)申請處理效(xiao)率大幅提高。

甘肃快3 | 下一页