作为人工智能和机器学习成为业务景观的更大部分，看看不同的垂直行业如何使用它是有趣的。
医疗保健如何与技术部门进行比较？地理位置和位置发挥作用吗？回答其中一些问题，我赶上了自己的问题斯蒂芬伍德来自我们的业务开发团队，他们主要在美国的东北地区照顾我们的客户。
JR：谢谢你今天的时间斯蒂芬。你能首先告诉我们 - 广泛的条款 - 你对不同组织有关人工智能和机器学习的哪些谈话？高级领导人如何考虑这些令人兴奋的技术？
SW：在不同部门中举行的机器学习活动肯定有一些有趣的例子，我将在一瞬间进行。但更广泛地，我想说我在与各种组织交谈方面有两个主要观察。
首先，东海岸的组织一直在寻找人工智能空间和西海岸的进步，如硅谷等地方。他们看到这种投资如何加速，他们认识到了这些技术可以带来竞争利益的机会。所以今天，我们目睹东海岸的组织在建造业务战略和战术时，在机器学习中开始投资更多。
第二次一般观察是目前熟练机器学习专业人士的短缺 - 资源，人民和经验行业在东海岸。我认为这是可以理解的，因为这场活动浪潮最近只开始于技术部门之外。以下是一个例子：美国银行的东北部确实使用机器学习的经验来创建电子商务应用程序，但没有然而拥有使用它的经验，以获得金融行业特定的目的。在明年或两两个人，我相信这将改变。
JR：在不同部门的AI产业方面这意味着什么？是否有转型？
SW：是的，完全正确。它说了很多关于机器学习领域的兴趣是：我们实际上是在AI空间中制作更大进展的组织的尖端。在过去的几年里，便士已经下降了，所以说话。公司现在将人工智能和机器学习策略放在一起，看着机器学习如何帮助他们推动效率，更快地推动市场，服务客户更好。
在某些情况下，组织在他们甚至将AI战略放在一起之前雇用数据科学家的团队！这是它被认为是多少命令。也是众所周知的咨询公司，也在寻求与AI和机器学习领导者合作，因为他们寻求发展他们的实践和帮助公司工艺战略和开始项目。
JR：伟大，所以现在你已经给了我们一个广泛的外观，你可以进入任何行业的例子，了解组织如何使用人工智能和机器学习，或者至少计划？
SW：当然。Over the last decade or so, the industry has seen a lot of data science, language, and technology expertise being applied in the areas of web search, eCommerce, and social media to improve the customer experience… But now we’re seeing a shift where non-technology companies are using artificial intelligence and machine learning to improve their product or service. Specifically, we’re now seeing AI planning and activity across a broader range of industries such as卫生保健那金融， 和运输。
我们正在谈论的一家保险公司正bob外围怎么样在寻求从现有记录中推断信息 - 在这种情况下为人寿保险储存纸质文件。这项业务正在喂食机器大量数据，以帮助公司通过预测分析做出更快的决策。bob外围怎么样他们希望提供更快的保险报价和提案，以有效地击败他们的市场竞争。在此示例中，通过机器学习的数据将帮助他们彻底加速定价组件，并给予它们竞争优势。那么我们在这里看到的是数据科学，为公司提供了更好的准确性和对积极的商业结果的信心。bob外围怎么样
制药行业是一个略有不同的故事。虽然保险部门可能拥有自己的数据，但制药公司购买数据，而不是创造它。其中一些数据是公开可用的，但在许多情况下，他们在许多情况下，他们从医院购买，或者从临床试验进行临床试验的合同研究组织购买并测试各种药物或化合物的可行性。然后通过机器学习再次施加该数据以提供预测分析，这在帮助Pharma公司决定是否追求毒品时非常重要，无论是否进一步投资，以及是否可能通过食品和药物管理局（FDA）。在这种情况下，机器学习正在帮助公司制作或节省数十亿美元的资助或产品发布成本，因此这是对商业现bob外围怎么样实的数据科学的一个关键例子。
在里面bob网页版业内人士，我们所指出的是有企业对消费者（B2C）单位的公司似乎更先进，人工智能和机器学习比纯粹商业到商业（B2B）的机器学习。良好的公开示例是美国的虚拟助手埃里卡银行，这对顾客提供有关银行产品的疑问。也许B2C在品牌和公关方面更加可见，或者它可以是成功的最短路径。无论如何，这就是今天的情况。但我们会看到，我相信，B2B金融服务组织很快就会增加机器学习的转变。bob网页版其中一个示例是瞬间从社交媒体等来源解释非结构化数据，以确保他们的客户不断地了解市场情绪，对产品的反应以及行业趋势的反应。
JR：我们知道机器学习需要大量的培训数据。bob体育手机下载您如何向客户提出建议，因为他们将其AI和数据策略放在一起？
SW：最重要的元素是质量 - 所以我们谈谈很多访问右侧，高质量数据。数据量也非常重要，但质量只是如此巨大的要求。一些组织看到高质量数据的价值比其他组织更多，并且一些几乎必须使用低质量数据进行学习曲线，并且在决定追求一个方面之前，看到项目并不完全达到预期。高质量机器学习数据策略。哪个是良好和可理解的 - 每个人都在这一领域学习和生长。
总体而言，当我们向客户建立建议时，它归结为深入研究，分析业务案例，然后评估预算，经验以及试验和测试的意愿。当然，Appen能够帮助客户提供良好的策略。我们可以帮助组织确保创建或改进依赖机器学习的产品和服务所需的合适类型的数据。
JR：那似乎是一个很好的地方，将其包装起来！非常感谢您今天花点时间与我们交谈，我非常感谢您与一系列组织交谈的见解。
SW：Anytime Jodie，谢谢。
