“Artificial Intelligence for Business” - это книга, которая поможет читателям понять, как внедрять технологии искусственного интеллекта в свой бизнес. Она предоставляет простую и понятную карту действий для того, чтобы помочь организациям пройти через процесс внедрения ИИ. В книге рассматривается, как определить, какие бизнес-проблемы и возможности подходят для использования ИИ и как их ранжировать, чтобы максимизировать вероятность успеха. Также авторы рассказывают о методах поиска критически важных данных внутри организации и о том, как заполнить пробелы в данных, если они есть. После того, как данные получены, можно создать ограниченный прототип, чтобы ограничить риски и обеспечить реальную ценность для организации в целом, чтобы оправдать дальнейшие инвестиции. Наконец, в книге описывается, как создать систему ИИ на производственном уровне с использованием лучших практик, чтобы обеспечить качество не только кода приложения, но и моделей ИИ. Авторы также показывают, что после завершения этого процесса внедрения ИИ можно получить дополнительную выгоду от итераций жизненного цикла внедрения ИИ и улучшения других частей организации.
Электронная Книга «Artificial Intelligence for Business» написана автором Jason L. Anderson в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119651802
Описание книги от Jason L. Anderson
Artificial Intelligence for Business: A Roadmap for Getting Started with AI will provide the reader with an easy to understand roadmap for how to take an organization through the adoption of AI technology. It will first help with the identification of which business problems and opportunities are right for AI and how to prioritize them to maximize the likelihood of success. Specific methodologies are introduced to help with finding critical training data within an organization and how to fill data gaps if they exist. With data in hand, a scoped prototype can be built to limit risk and provide tangible value to the organization as a whole to justify further investment. Finally, a production level AI system can be developed with best practices to ensure quality with not only the application code, but also the AI models. Finally, with this particular AI adoption journey at an end, the authors will show that there is additional value to be gained by iterating on this AI adoption lifecycle and improving other parts of the organization.