Tarinat kulissien takaa

Asiantuntijamme avautuvat

Kategoria: Koneoppiminen

Ylisovittaminen ja kuinka sen kanssa voi tulla toimeen

  Mika Laukkanen sivusi aiemmin blogikirjoituksessaan ylisovittamista (http://www.louhia.fi/2017/10/23/koneoppiminen-vaatii-osaamista/). Ajattelin että tästä aiheesta voisi kirjoittaa vähän laajemminkin, koska se on yksi isoimmista ennustavaan analytiikkaan liittyvistä haasteista.   Over-fitting vaanii joka nurkan takana Ylisovittaminen eli over-fitting tarkoittaa yksinkertaisesti sitä, että malli sopii dataan liian hyvin. Joku voisi tässä kysyä, että miten niin liian hyvin? Eikö hyvä ”istuvuus”aaa

Mitä haluaisit tietää koneoppimisesta?

Meidän blogissa on ollut melkoista radiohiljaisuutta. Kaverit ovat olleet rintamalla, pari soluttautunut syvälle vihol… asiakkaan organisaatioon. On tehty onneksi tilalle pätevämpiä rekryjä ja se yksi markkinointiosaston hörhö on kadonnut startup-maailmaan. Nyt se on kuitenkin raahattu autotallista toimistoon tekemään jotain osakkuutensa eteen. Markkinointiin saatiin myös uutta verta kun Jyväskylän toimistolla aloitti Tia. Nyt lähdetään yhdessä Tianaaa

Onko perinteisistä tietovarastoista hyötyä tekoälyn kehittämisessä?

Otsikon mukainen kysymys tuli mieleeni, kun eräänä päivänä katselin lävitse Louhian tekemiä koneoppimis- ja AI-projekteja. Kävi nimittäin ilmi, että kymmenistä eri harjoituksista vain murto-osassa datat olivat tulleet yrityksen tietovarastosta tai tietovarastoista (DW, EDW). Noihin tietovarastoihin on kuitenkin upotettu miljoonia, mutta ensimmäisten AI-kokeilujen osalta ne olivat pääosin hyödyttömiä. Aloin selvitellä asiaa tarkemmin ja syyksi ”hyödyttömyyteen” paljastuivataaa

Välitön liiketoimintahyöty vai organisaation oppiminen?

Kun olemme tehnyt data Science / machine learning -ratkaisuja asiakkaille, saadaan niistä usein kaksi tuotosta: välitön liiketoimintahyöty oppiminen ja oivallukset Usein asiakas lähtee hakemaan ensimmäistä eli pikavoittoja mutta isommat hyödyt ovat usein jälkimmäisessä eli organisaation oppimisessa. Välitön liiketoimintahyöty tuo lisämyyntiä tai vähentää kuluja heti

Koneoppiminen vaatii osaamista

Tässä taannoin meille tuli projekti, jossa asiakas oli tehnyt koneoppimisharjoituksen (ennustemallinnus) erään toisen kumppanin kanssa. Asiakas oli skeptinen tulosten suhteen ja halusi ns. toisen mielipiteen, mutta eri ohjelmistolla tehtynä. Joskaan senhän ei pitäisi vaikuttaa olennaisesti tuloksiin. Jo heti alkuvaiheessa huomattiin, että homma olikin alunperin mennyt pieleen väärin muodostetun opetus- ja testiaineiston vuoksi.  Alkuperäinen tekijä eiaaa

Mainonnan optimointi koneälyn avulla

Vähittäiskauppiaat ja kaupan alaa tuntevat huomio Teimme jo pari vuotta sitten mainonnan optimoinnin -sovelluksen. Kyseessä on joukko algoritmeja, jotka opettamalla voidaan kertoa mitä tuotteita mainoskampanjaan kannattaa laittaa, jotta siitä saataisiin mahdollisimman suuri tuotto. Se toimii niin perinteisessä printtimainonnassa, suoramainonnassa kuin web-mainonnassa. Missä tahansa tilanteessa missä kauppiaalla on iso määrä tuotteita, joista pitäisi päättää mitkä laittaaaaa

Kampanjan vaikutuksen estimointi R-ohjelmalla

Blogikirjoituksen tarkoituksena on esitellä yksi keino estimoida kampanjan vaikutusta myyntiin. Aineistona on yrityksen ”Lassen lelutehdas” myyntieurot vuodesta 1996 vuoteen 2003. Lelutehtaalla on vuosien saatossa ollut vain yksi kampanja tammikuusta (1997) elokuun (1997) alkuun saakka. Kampanjan todellinen vaikutus myyntiin tunnetaan, mutta sitä tietoa käytetään vain ennustetarkkuuden laskennasta, ts. käytämme vain tietoa kampanjan alkamisajankohdasta (ja ripauksen loppumisajankohdastaaaa

Hintajoustoanalyysi monimuuttujaisen regressiomallin avulla

Hintajoustoanalyysi on helpoimmillaan regressioanalyysiä ja regressiomallin oikeanlaista tulkintaa. Artikkelissa (http://www.dataapple.net/?author=1) käsitellään aihetta selkeästi ja melko yksityiskohtaisesti. Tässä blogissa esitellään edellä mainitun artikkelin pääkohdat eli hintajoustoanalyysin päävaiheet, tulokset ja tulkinnat R-ohjelmoinnin sovelluksena. Käytämme tässä generoitua aineistoa, jonka struktuuri on sama kuin artikkelissa. Hintajoustoanalyysillä haetaan vastauksia muun muassa seuraaviin kysymyksiin: Mitkä tarkasteltavat tuotteet ovat toistensa substituutteja/komplementteja​? Mikä onaaa

Yhteydenotto

Mikäli olet kiinnostunut yrityskohtaisista palveluista tai sinulla kysyttävää palvelujemme sisällöstä, niin ota yhteyttä oheisella lomakkeella tai soita Mikalle numeroon 040 845 8432.