Kazalo:
Strojno učenje je bil eden največjih napredkov v zgodovini računalništva, zdaj pa naj bi bilo mogoče prevzeti pomembne vloge na področju velikih podatkov in analitike. Analiza velikih podatkov je z vidika podjetij velik izziv. Na primer, dejavnosti, kot so smiselnost velikega števila različnih formatov podatkov, priprava podatkov za analitiko in filtriranje odvečnih podatkov, lahko porabijo veliko virov. Najem znanstvenikov in strokovnjakov za podatke je drag predlog in ne v okviru vsakega podjetja. Strokovnjaki menijo, da je strojno učenje sposobno avtomatizirati številne naloge, povezane z analitiko - tako rutinsko kot kompleksno. Avtomatizacija strojnega učenja lahko sprosti veliko virov, ki jih je mogoče uporabiti pri bolj zapletenih in inovativnih delovnih mestih. Zdi se, da je strojno učenje šlo v to smer. (Če želite izvedeti več o uporabi strojnega učenja, glejte Obljube in pasti strojnega učenja.)
Avtomatizacija v kontekstu informacijske tehnologije
V okviru informacijske tehnologije je avtomatizacija povezovanje različnih sistemov in programske opreme, tako da lahko opravljajo določena dela brez človeškega posredovanja. V industriji IT lahko avtomatizirani sistemi opravljajo tako preprosta kot zapletena opravila. Primer preprostega opravila je lahko integracija obrazca z dokumentom PDF in pošiljanje dokumenta pravilnemu prejemniku, medtem ko je zagotavljanje varnostne kopije zunaj mesta lahko primer zapletenega opravila.
Za opravljanje svojega dela je treba programirati samodejni sistem ali dati izrecna navodila. Vsakič, ko je za spreminjanje obsega svojih opravil potreben samodejni sistem, mora človek posodobiti program ali niz navodil. Medtem ko so avtomatizirani sistemi učinkoviti na svojih delovnih mestih, se napake lahko pojavijo zaradi različnih razlogov. Kadar se pojavijo napake, je treba ugotoviti in odpraviti osnovni vzrok. Očitno so avtomatizirani sistemi za svoje delo popolnoma odvisni od ljudi. Bolj zapletena je vrsta dela, večja je verjetnost napak in težav.
