П:
Како се процес у кинеском ресторану и други слични модели машинског учења могу применити на АИ предузећа?
А:Питање како кинески ресторански процес може да подучи предузеће АИ је занимљиво, јер тренутно компаније у свим врстама индустрије скупљају применљиве идеје из машинског учења уопште, а посебно оваквих процеса алгоритама.
Процес у кинеском ресторану део је теорије вероватноће, делом засноване на Дирицхлетовим стохастичким процесима, који могу усмеравати рандомизацију партиција.
| Бесплатно преузимање: Машинско учење и зашто је то важно |
Једноставан начин да се објасни кинески процес ресторана је да ће се у замишљеном кинеском ресторану са бесконачним столовима људи окупљати за тим столовима према датом скупу вероватноћа које користи алгоритам. Затим ће алгоритам моделирати колико ће људи седети за сваким столом у коме су табеле „партиције“. Случајност или вероватноћа аспекта кинеског ресторанског процеса може се приказати у математичком облику.
Како ови поступци алгоритама утичу на ИТ предузећа? Много је начина на које компаније могу да користе ове конструкте као помоћ при коришћењу великих података при машинском учењу или развијању вредне пословне интелигенције путем ове врсте моделирања. На пример, врло буквално, процес кинеског ресторана може се употребити за предвиђање групирања купаца за столовима у ресторану, на скочним продајним местима или било где другде. Међутим, можда би бољи пример био у домену трансакцијске малопродаје, где сложени алгоритми засновани на кинеском ресторанском процесу могу помоћи да се предвиди активност купаца, попут куповине / конверзије или потражње за постојећим или будућим залихама.
У врло општем смислу, ови стохастички процеси настоје да моделирају људско понашање, понашање људских маса, на начин који гради интелигенцију предузећа и директно одлучивање. У ЦРМ-у, контроли залиха, платним списковима, развоју производа и готово сваком другом аспекту пословања, кинески ресторански процес и сличне идеје могу се користити за предиктивну аналитику са правим врстама циљаног моделирања.
Међутим, још једна велика и непосредна употреба кинеског ресторанског процеса нема никакве везе са моделирањем људског понашања. Процес у кинеском ресторану такође се може користити за "дискриминирајући" рад на високом нивоу, као у обради слике. Развијање кластера слика према кинеском ресторанском процесу може помоћи програмима машинског учења да се боље прилагоде сетима правила тренинга и произведу дискриминаторне исходе. Дакле, у одређеном смислу, кинески процес ресторана може се користити или за моделе понашања, или за техничко моделирање, или за обоје.
