This page exists on your local site.

Go there now
Stay here
X
Teal abstract honeycomb background with white line art overlay

āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡ (machine learning)

āļ™āļīāļĒāļēāļĄāđāļĨāļ°āļ„āļ§āļēāļĄāļŠāļģāļ„āļąāļ

āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļŦāļĢāļ·āļ­ machine learning āļ™āļąāđ‰āļ™ āđ€āļ›āđ‡āļ™āļĢāļđāļ›āđāļšāļšāļŦāļ™āļķāđˆāļ‡āļ‚āļ­āļ‡āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļ‚āđ‰āļ­āļĄāļđāļĨ āļ—āļĩāđˆāļ”āļģāđ€āļ™āļīāļ™āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļ”āđ‰āļ§āļĒāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ­āļĒāđˆāļēāļ‡āđ€āļ›āđ‡āļ™āļ­āļąāļ•āđ‚āļ™āļĄāļąāļ•āļī āļ‹āļķāđˆāļ‡āđ€āļ›āđ‡āļ™āļŠāļēāļ‚āļēāļŦāļ™āļķāđˆāļ‡āļ‚āļ­āļ‡āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩāļ”āđ‰āļēāļ™ AI (artificial intelligence) āļ‹āļķāđˆāļ‡āļ•āļąāđ‰āļ‡āļ­āļĒāļđāđˆāļšāļ™āļĢāļēāļāļāļēāļ™āđāļ™āļ§āļ„āļīāļ”āļ—āļĩāđˆāļ§āđˆāļē āļĢāļ°āļšāļšāļ•āđˆāļēāļ‡ āđ† āļ™āļąāđ‰āļ™ āļŠāļēāļĄāļēāļĢāļ–āļ—āļĩāđˆāļˆāļ°āđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđāļĨāļ°āļĄāļĩāļ›āļāļīāļŠāļąāļĄāļžāļąāļ™āļ˜āđŒāļāļąāļšāļŠāļļāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāļ•āđˆāļēāļ‡ āđ† āļĢāļ§āļĄāļ–āļķāļ‡āļŠāļēāļĄāļēāļĢāļ–āļĢāļ°āļšāļļ āđāļĨāļ°āļ—āļĢāļēāļšāļĢāļđāļ›āđāļšāļšāļ•āđˆāļēāļ‡ āđ† āļ—āļĩāđˆāđ€āļāļīāļ”āļ‚āļķāđ‰āļ™ āđāļĨāļ°āļ™āļģāđ„āļ›āļŠāļđāđˆāļāļēāļĢāļ•āļąāļ”āļŠāļīāļ™āđƒāļˆāđ„āļ”āđ‰āđ€āļ­āļ‡āđ‚āļ”āļĒāđ„āļĄāđˆāļˆāļģāđ€āļ›āđ‡āļ™āļ•āđ‰āļ­āļ‡āļžāļķāđˆāļ‡āļžāļēāļĄāļ™āļļāļĐāļĒāđŒāļ­āļĩāļāļ•āđˆāļ­āđ„āļ›

āļ§āļīāļ§āļąāļ’āļ™āļēāļāļēāļĢāļ‚āļ­āļ‡ machine learning

āļ§āļīāļ—āļĒāļēāļāļēāļĢāļ”āđ‰āļēāļ™āļāļēāļĢāļ„āļģāļ™āļ§āļ“āđāļĨāļ°āļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāļ™āļąāđ‰āļ™āļĄāļĩāļžāļąāļ’āļ™āļēāļāļēāļĢāļ­āļĒāđˆāļēāļ‡āļ•āđˆāļ­āđ€āļ™āļ·āđˆāļ­āļ‡āļ­āļĒāļđāđˆāđ€āļŠāļĄāļ­ āļ‹āļķāđˆāļ‡āļŠāđˆāļ‡āļœāļĨāđƒāļŦāđ‰āļ„āļ§āļēāļĄāļāđ‰āļēāļ§āļŦāļ™āđ‰āļēāļ‚āļ­āļ‡āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩ machine learning āđƒāļ™āļ›āļąāļˆāļˆāļļāļšāļąāļ™āļ™āļĩāđ‰āļĢāļļāļ”āļŦāļ™āđ‰āļēāļāļ§āđˆāļēāđƒāļ™āļ­āļ”āļĩāļ•āļ­āļĒāđˆāļēāļ‡āļĄāļēāļ āļ§āļīāļ—āļĒāļēāļāļēāļĢāļ”āđ‰āļēāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ™āļĩāđ‰āđ€āļĢāļīāđˆāļĄāļ•āđ‰āļ™āļ‚āļķāđ‰āļ™āļˆāļēāļāļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļĢāļđāļ›āđāļšāļšāļŦāļĢāļ·āļ­ pattern recognition āđāļĨāļ°āļ—āļĪāļĐāļŽāļĩāļ—āļĩāđˆāļ§āđˆāļē āļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāļ­āļēāļˆāļŠāļēāļĄāļēāļĢāļ–āđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđāļĨāļ°āļ„āđˆāļ­āļĒ āđ† āļžāļąāļ’āļ™āļēāļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ•āđˆāļēāļ‡ āđ† āļ”āđ‰āļ§āļĒāļ•āļ™āđ€āļ­āļ‡āđ„āļ”āđ‰ āđ‚āļ”āļĒāļĄāļīāļ•āđ‰āļ­āļ‡āļ­āļēāļĻāļąāļĒāļāļēāļĢāļ•āļąāđ‰āļ‡āđ‚āļ›āļĢāđāļāļĢāļĄāļ­āļĒāļđāđˆāļ•āļĨāļ­āļ”āđ€āļ§āļĨāļē āļ‹āļķāđˆāļ‡āļ™āļĩāđˆāđ€āļ›āđ‡āļ™āļ•āđ‰āļ™āļāļģāđ€āļ™āļīāļ”āļ—āļĩāđˆāļ—āļģāđƒāļŦāđ‰āļ™āļąāļāļ§āļīāļˆāļąāļĒāļ”āđ‰āļēāļ™ AI āđ€āļāļīāļ”āļ„āļ§āļēāļĄāļŠāļ™āđƒāļˆāļ§āđˆāļē āļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāđāļĨāļ°āļĢāļ°āļšāļšāļ™āļąāđ‰āļ™ āļŠāļēāļĄāļēāļĢāļ–āļ—āļĩāđˆāļˆāļ°āđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļˆāļēāļāļāļēāļĢāļĄāļĩāļ›āļāļīāļŠāļąāļĄāļžāļąāļ™āļ˜āđŒāļāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāđ„āļ”āđ‰āļŦāļĢāļ·āļ­āđ„āļĄāđˆ āļ—āļąāđ‰āļ‡āļ™āļĩāđ‰ āļ„āļļāļ“āļĨāļąāļāļĐāļ“āļ°āļŠāļģāļ„āļąāļāļ‚āļ­āļ‡āļ§āļīāļ—āļĒāļēāļāļēāļĢāļ™āļĩāđ‰āļ„āļ·āļ­āļāļēāļĢāļ—āļģāļ‡āļēāļ™āđāļšāļšāļ‹āđ‰āļģ (iterative process) āļ‹āļķāđˆāļ‡āđ€āļ›āđ‡āļ™āļŦāļąāļ§āđƒāļˆāļ‚āļ­āļ‡āļāļēāļĢāļžāļąāļ’āļ™āļēāļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ– āđ€āļ™āļ·āđˆāļ­āļ‡āļˆāļēāļāļĢāļ°āļšāļšāđāļĨāļ°āđāļšāļšāļˆāļģāļĨāļ­āļ‡āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļˆāļ°āļĄāļĩāđ‚āļ­āļāļēāļŠāļ›āļĢāļąāļšāļ•āļąāļ§āļ•āļēāļĄāļŠāļļāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāđ„āļ”āđ‰āļžāļš āđāļĨāļ°āļ™āļģāđ„āļ›āļŠāļđāđˆāļāļēāļĢāļžāļąāļ’āļ™āļēāļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ”āđ‰āļ§āļĒāļ•āļ™āđ€āļ­āļ‡ āļĢāļ°āļšāļšāļˆāļ°āđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđāļĨāļ°āļ›āļĢāļąāļšāđāļāđ‰āđ„āļ‚āļ„āļ§āļēāļĄāļ„āļĨāļēāļ”āđ€āļ„āļĨāļ·āđˆāļ­āļ™āļˆāļēāļāļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāļœāđˆāļēāļ™ āđ† āļĄāļē āļˆāļ™āļāļĢāļ°āļ—āļąāđˆāļ‡āļŠāļēāļĄāļēāļĢāļ–āļŠāļĢāđ‰āļēāļ‡āļœāļĨāļĨāļąāļžāļ˜āđŒāļ—āļĩāđˆāđ€āļŠāļ·āđˆāļ­āļ–āļ·āļ­āđ„āļ”āđ‰āđāļĨāļ°āļ—āļģāļ‹āđ‰āļģāđ„āļ”āđ‰āļ­āļĒāđˆāļēāļ‡āļŠāļĄāđˆāļģāđ€āļŠāļĄāļ­ āđ€āļ›āđ‡āļ™āļ—āļĩāđˆāļ™āđˆāļēāļŠāļ™āđƒāļˆāļ§āđˆāļē āļ™āļĩāđˆāđ„āļĄāđˆāđƒāļŠāđˆāļ§āļīāļ—āļĒāļēāļāļēāļĢāļ—āļĩāđˆāđ€āļžāļīāđˆāļ‡āđ€āļāļīāļ”āļ‚āļķāđ‰āļ™āļĄāļēāđƒāļŦāļĄāđˆ āļŦāļēāļāđāļ•āđˆāđ€āļ›āđ‡āļ™āļ§āļīāļ—āļĒāļēāļāļēāļĢāļ—āļĩāđˆāļāļģāļĨāļąāļ‡āđ€āļāļīāļ”āļāļēāļĢāļžāļąāļ’āļ™āļēāļ­āļĒāđˆāļēāļ‡āļāđ‰āļēāļ§āļāļĢāļ°āđ‚āļ”āļ” āđāļĨāļ°āļĄāļĩāļžāļĨāļ§āļąāļ•āļ­āļĒāđˆāļēāļ‡āļ•āđˆāļ­āđ€āļ™āļ·āđˆāļ­āļ‡

āđāļĄāđ‰āļ§āđˆāļēāļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāļŠāļģāļŦāļĢāļąāļšāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļˆāļģāļ™āļ§āļ™āļĄāļēāļāļˆāļ°āļĄāļĩāļ­āļĒāļđāđˆāļĄāļēāļ™āļēāļ™āđāļĨāđ‰āļ§ āđāļ•āđˆāļžāļąāļ’āļ™āļēāļāļēāļĢāļ—āļĩāđˆāļŠāļģāļ„āļąāļāļĒāļīāđˆāļ‡āđƒāļ™āļ›āļąāļˆāļˆāļļāļšāļąāļ™āļ„āļ·āļ­āļāļēāļĢāđ€āļāļīāļ”āļ‚āļķāđ‰āļ™āļ‚āļ­āļ‡āļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđƒāļ™āļāļēāļĢāļ™āļģāļāļēāļĢāļ„āļģāļ™āļ§āļ“āļ—āļēāļ‡āļ„āļ“āļīāļ•āļĻāļēāļŠāļ•āļĢāđŒāļ—āļĩāđˆāļĄāļĩāļ„āļ§āļēāļĄāļ‹āļąāļšāļ‹āđ‰āļ­āļ™āļŠāļđāļ‡āļĒāļīāđˆāļ‡āļĄāļēāđƒāļŠāđ‰āļ‡āļēāļ™āļŠāļģāļŦāļĢāļąāļš big data āđƒāļ™āļāļēāļĢāļ—āļģāļ‡āļēāļ™āđāļšāļšāļ‹āđ‰āļģāļ—āļĩāđˆāļ•āđˆāļ­āđ€āļ™āļ·āđˆāļ­āļ‡ āļ‹āļķāđˆāļ‡āļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āļ‚āļ­āļ‡āļāļēāļĢāļ™āļģāđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩ machine learning āļĄāļēāđƒāļŠāđ‰āļ‡āļēāļ™āļ—āļĩāđˆāđ‚āļ”āļ”āđ€āļ”āđˆāļ™āđāļĨāļ°āđāļžāļĢāđˆāļŦāļĨāļēāļĒāļ‹āļķāđˆāļ‡āļ„āļļāļ“āļ­āļēāļˆāļĢāļđāđ‰āļˆāļąāļāļŦāļĢāļ·āļ­āļ„āļļāđ‰āļ™āđ€āļ„āļĒāļ”āļĩāļ™āļąāđ‰āļ™ āļĄāļĩāļ”āļąāļ‡āļ•āđˆāļ­āđ„āļ›āļ™āļĩāđ‰:

  • āļ„āļļāļ“āļ­āļēāļˆāđ„āļ”āđ‰āļ—āļĢāļēāļšāļ–āļķāļ‡āļāļĢāļ°āđāļŠāļ„āļ§āļēāļĄāļ•āļ·āđˆāļ™āļ•āļąāļ§āđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļĢāļ–āļĒāļ™āļ•āđŒāļ‚āļąāļšāđ€āļ„āļĨāļ·āđˆāļ­āļ™āļ­āļąāļ•āđ‚āļ™āļĄāļąāļ•āļīāļ—āļĩāđˆāļžāļąāļ’āļ™āļēāļ‚āļķāđ‰āļ™āđ‚āļ”āļĒ Google āļ‹āļķāđˆāļ‡āļ™āļąāđˆāļ™āļ„āļ·āļ­āļŦāļ™āļķāđˆāļ‡āđƒāļ™āļ™āļ§āļąāļ•āļāļĢāļĢāļĄāļŠāļģāļ„āļąāļāļ—āļĩāđˆāļĄāļĩāļĢāļēāļāļāļēāļ™āļšāļ™āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩ machine learning āļ™āļĩāđ‰
  • āļŦāļēāļāļ„āļļāļ“āđ€āļŦāđ‡āļ™āļāļēāļĢāđāļ™āļ°āļ™āļģāļ§āļīāļ”āļĩāđ‚āļ­āļŦāļĢāļ·āļ­āļ āļēāļžāļĒāļ™āļ•āļĢāđŒāļ—āļĩāđˆāđ€āļŦāļĄāļēāļ°āļŠāļģāļŦāļĢāļąāļšāļ„āļļāļ“āļšāļ™ Amazon āļŦāļĢāļ·āļ­ Netflix āļ™āļąāđˆāļ™āļāđ‡āļ„āļ·āļ­āļ­āļĩāļāļŦāļ™āļķāđˆāļ‡āļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āļ‚āļ­āļ‡āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™ machine learning āļ—āļĩāđˆāļžāļšāđ€āļŦāđ‡āļ™āđ„āļ”āđ‰āđƒāļ™āļŠāļĩāļ§āļīāļ•āļ›āļĢāļ°āļˆāļģāļ§āļąāļ™
  • āđāļĄāđ‰āđāļ•āđˆāļāļēāļĢāļ—āļĩāđˆāļ„āļļāļ“āđ„āļ”āđ‰āļ—āļĢāļēāļšāļ–āļķāļ‡āļāļĢāļ°āđāļŠāļ„āļ§āļēāļĄāļĢāļđāđ‰āļŠāļķāļāļ‚āļ­āļ‡āļĨāļđāļāļ„āđ‰āļēāļ—āļĩāđˆāļāļĨāđˆāļēāļ§āļ–āļķāļ‡āļ„āļļāļ“āđƒāļ™ Twitter āļāđ‡āļ„āļ·āļ­āļœāļĨāļˆāļēāļāļāļēāļĢāļœāļŠāļĄāļœāļŠāļēāļ™ machine learning āđ€āļ‚āđ‰āļēāļāļąāļšāļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļ—āļēāļ‡āļ āļēāļĐāļēāļŦāļĢāļ·āļ­ linguistic rule creation
  • āļāļēāļĢāļ•āļĢāļ§āļˆāļˆāļąāļšāļāļēāļĢāļ—āļļāļˆāļĢāļīāļ• āļ‹āļķāđˆāļ‡āđ€āļ›āđ‡āļ™āļĢāļđāļ›āđāļšāļšāļāļēāļĢāđƒāļŠāđ‰āļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāļˆāļēāļāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ—āļĩāđˆāđ€āļ›āđ‡āļ™āļ—āļĩāđˆāļ™āļīāļĒāļĄāđƒāļ™āļ—āļļāļāļ§āļąāļ™āļ™āļĩāđ‰

 

Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
  • Chapters
  • descriptions off, selected

    āļ„āļ§āļēāļĄāđ€āļŠāļ·āđˆāļ­āļĄāđ‚āļĒāļ‡āļĢāļ°āļŦāļ§āđˆāļēāļ‡ Machine Learning āđāļĨāļ° Artificial Intelligence

    āļ‚āđ‰āļ­āđāļ•āļāļ•āđˆāļēāļ‡āļŠāļģāļ„āļąāļāļ›āļĢāļ°āļāļēāļĢāļŦāļ™āļķāđˆāļ‡āļ‚āļ­āļ‡āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩāļ—āļąāđ‰āļ‡āļŠāļ­āļ‡ āļ„āļ·āļ­ AI āļ™āļąāđ‰āļ™ āđ€āļ›āđ‡āļ™āļ§āļīāļ—āļĒāļēāļāļēāļĢāđƒāļ™āđ€āļŠāļīāļ‡āļāļ§āđ‰āļēāļ‡āļ—āļĩāđˆāļĄāļļāđˆāļ‡āđ€āļ™āđ‰āļ™āļāļēāļĢāđƒāļŦāđ‰āļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāļžāļąāļ’āļ™āļēāļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđƒāļ™āļāļēāļĢāļ—āļģāļ‡āļēāļ™āđ€āļĨāļĩāļĒāļ™āđāļšāļšāļĄāļ™āļļāļĐāļĒāđŒ āđƒāļ™āļ‚āļ“āļ°āļ—āļĩāđˆ machine learning āļ„āļ·āļ­āļāļēāļĢāđƒāļŠāđ‰āļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđ€āļ‰āļžāļēāļ°āļšāļēāļ‡āļ”āđ‰āļēāļ™āļ‚āļ­āļ‡āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩ AI āđ€āļžāļ·āđˆāļ­āļāļķāļāļ—āļąāļāļĐāļ°āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđāļāđˆāļĢāļ°āļšāļšāđāļĨāļ°āļ­āļļāļ›āļāļĢāļ“āđŒ āđ€āļĢāļēāļ‚āļ­āđ€āļŠāļīāļāļ„āļļāļ“āļĢāļąāļšāļŠāļĄāļ§āļīāļ”āļĩāđ‚āļ­āļ™āļĩāđ‰āđ€āļžāļ·āđˆāļ­āļŠāđˆāļ§āļĒāđƒāļŦāđ‰āļ„āļļāļ“āđ€āļ‚āđ‰āļēāđƒāļˆāļ–āļķāļ‡āļ„āļ§āļēāļĄāļŠāļąāļĄāļžāļąāļ™āļ˜āđŒāļ‚āļ­āļ‡āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩāļ—āļąāđ‰āļ‡āļŠāļ­āļ‡āļ™āļĩāđ‰āđ„āļ”āđ‰āļ”āļĩāļĒāļīāđˆāļ‡āļ‚āļķāđ‰āļ™ āļ§āļīāļ”āļĩāđ‚āļ­āļ‚āļ­āļ‡āđ€āļĢāļēāļˆāļ°āļ—āļģāļāļēāļĢāļ­āļ˜āļīāļšāļēāļĒāļĢāļēāļĒāļĨāļ°āđ€āļ­āļĩāļĒāļ”āđƒāļ™āļ āļēāļžāļĢāļ§āļĄāļ‚āļ­āļ‡āļ—āļąāđ‰āļ‡āļŠāļ­āļ‡āļŠāļēāļ‚āļēāļœāđˆāļēāļ™āļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āđāļĨāļ°āđ€āļāļĢāđ‡āļ”āļ„āļ§āļēāļĄāļĢāļđāđ‰āļ—āļĩāđˆāļŠāļ™āļļāļāļŠāļ™āļēāļ™

    āļĢāļ°āļšāļšāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļĩāļ„āļ§āļēāļĄāļŠāļģāļ„āļąāļāļ­āļĒāđˆāļēāļ‡āđ„āļĢ

    āļāļĢāļ°āđāļŠāļ„āļ§āļēāļĄāļŠāļ™āđƒāļˆāđ€āļāļĩāđˆāļĒāļ§āļāļąāļš machine learning āđƒāļ™āļ—āļļāļāļ§āļąāļ™āļ™āļĩāđ‰āđ€āļāļīāļ”āļ‚āļķāđ‰āļ™āđ„āļ”āđ‰āļˆāļēāļāļ›āļąāļˆāļˆāļąāļĒāđ€āļ”āļĩāļĒāļ§āļāļąāļ™āļāļąāļšāļ—āļĩāđˆāļāļĢāļ°āļ•āļļāđ‰āļ™āđƒāļŦāđ‰āļāļēāļĢāļ—āļģāđ€āļŦāļĄāļ·āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨāđāļĨāļ°āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāđāļšāļš Bayesian Analysis āđ„āļ”āđ‰āļĢāļąāļšāļ„āļ§āļēāļĄāļ™āļīāļĒāļĄāļĄāļēāļāļ­āļĒāđˆāļēāļ‡āđ„āļĄāđˆāđ€āļ„āļĒāļĄāļĩāļĄāļēāļāđˆāļ­āļ™ āđ€āļāļīāļ”āļ›āļĢāļēāļāļāļāļēāļĢāļ“āđŒāļ•āđˆāļēāļ‡ āđ† āđ€āļŠāđˆāļ™āļāļēāļĢāļ‚āļĒāļēāļĒāļ•āļąāļ§āļ‚āļ­āļ‡āļ—āļąāđ‰āļ‡āļ›āļĢāļīāļĄāļēāļ“āđāļĨāļ°āļ„āļ§āļēāļĄāļŦāļĨāļēāļāļŦāļĨāļēāļĒāļ‚āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨ āļŦāļĢāļ·āļ­āļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļ—āļēāļ‡āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩāļāļēāļĢāļ›āļĢāļ°āļĄāļ§āļĨāļœāļĨāļ—āļĩāđˆāļ—āļąāđ‰āļ‡āļĄāļĩāļ•āđ‰āļ™āļ—āļļāļ™āļ•āđˆāļģāļĨāļ‡āđāļĨāļ°āļ—āļĢāļ‡āļžāļĨāļąāļ‡āļāļ§āđˆāļēāļ—āļĩāđˆāđ€āļ„āļĒāļĄāļĩāļĄāļē āļĢāļ§āļĄāļ–āļķāļ‡āļĢāļ°āļšāļšāļāļēāļĢāļˆāļąāļ”āđ€āļāđ‡āļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļ›āļĢāļ°āļŦāļĒāļąāļ”āđāļĨāļ°āđ€āļ›āļĩāđˆāļĒāļĄāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļž

    āļŠāļīāđˆāļ‡āđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āđ€āļ›āđ‡āļ™āļ›āļąāļˆāļˆāļąāļĒāļ—āļĩāđˆāļ—āļģāđƒāļŦāđ‰āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āđāļĨāļ°āđƒāļŠāđ‰āļ‡āļēāļ™āđāļšāļšāļˆāļģāļĨāļ­āļ‡āđ€āļ›āđ‡āļ™āđ„āļ›āđ„āļ”āđ‰āļ”āđ‰āļ§āļĒāļ„āļ§āļēāļĄāļĢāļ§āļ”āđ€āļĢāđ‡āļ§āļ­āļĒāđˆāļēāļ‡āļ­āļąāļ•āđ‚āļ™āļĄāļąāļ•āļī āđ€āļžāļ·āđˆāļ­āļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļŠāļģāļŦāļĢāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļĄāļĩāļ›āļĢāļīāļĄāļēāļ“āļĄāļŦāļēāļĻāļēāļĨāđāļĨāļ°āļĄāļĩāļ„āļ§āļēāļĄāļ‹āļąāļšāļ‹āđ‰āļ­āļ™āļŠāļđāļ‡āļĒāļīāđˆāļ‡ āļ”āđ‰āļ§āļĒāļœāļĨāļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāđāļĄāđˆāļ™āļĒāļģāđāļĨāļ°āļĢāļ§āļ”āđ€āļĢāđ‡āļ§āđāļĄāđ‰āđ€āļĄāļ·āđˆāļ­āļĢāļąāļšāļĄāļ·āļ­āļāļąāļšāļ‡āļēāļ™āļ‚āļ™āļēāļ”āđƒāļŦāļāđˆāļāđ‡āļ•āļēāļĄ āđāļĨāļ°āļ­āļ‡āļ„āđŒāļāļĢāļ•āđˆāļēāļ‡ āđ† āļˆāļ°āđ„āļ”āđ‰āļĢāļąāļšāļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāļˆāļēāļāļāļēāļĢāļžāļąāļ’āļ™āļēāđāļĨāļ°āđƒāļŠāđ‰āļ‡āļēāļ™āđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ—āļĩāđˆāļĄāļĩāļ„āļ§āļēāļĄāđāļĄāđˆāļ™āļĒāļģ āđ‚āļ”āļĒāđ€āļžāļīāđˆāļĄāđ‚āļ­āļāļēāļŠāļāļēāļĢāļ„āđ‰āļ™āļžāļšāļŠāđˆāļ­āļ‡āļ—āļēāļ‡āļŠāļĢāđ‰āļēāļ‡āļāļģāđ„āļĢāļ­āļąāļ™āļ‡āļ”āļ‡āļēāļĄāļ—āļēāļ‡āļ˜āļļāļĢāļāļīāļˆ āđāļĨāļ°āļ›āđ‰āļ­āļ‡āļāļąāļ™āļ„āļ§āļēāļĄāđ€āļŠāļĩāđˆāļĒāļ‡āļ—āļĩāđˆāļ‹āđˆāļ­āļ™āļ­āļĒāļđāđˆ

     

    āļŠāļīāđˆāļ‡āļˆāļģāđ€āļ›āđ‡āļ™āđƒāļ™āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āļĢāļ°āļšāļšāđ€āļžāļ·āđˆāļ­āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ—āļĩāđˆāļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļž

    • āļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđƒāļ™āļāļēāļĢāļˆāļąāļ”āļāļēāļĢāđāļĨāļ°āļˆāļąāļ”āđ€āļ•āļĢāļĩāļĒāļĄāļ‚āđ‰āļ­āļĄāļđāļĨ
    • āļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāđ€āļžāļ·āđˆāļ­āļāļēāļĢāļ—āļģāļ‡āļēāļ™ āļ—āļąāđ‰āļ‡āļĢāļ°āļ”āļąāļšāļžāļ·āđ‰āļ™āļāļēāļ™āđāļĨāļ°āļĢāļ°āļ”āļąāļšāļŠāļđāļ‡
    • āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ—āļģāļ‡āļēāļ™āđāļšāļšāđ€āļ›āđ‡āļ™āļ­āļąāļ•āđ‚āļ™āļĄāļąāļ•āļīāđāļĨāļ°āļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ‹āđ‰āļģāđāļšāļšāļ•āđˆāļ­āđ€āļ™āļ·āđˆāļ­āļ‡
    • āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđƒāļ™āļāļēāļĢāļĒāļāļĢāļ°āļ”āļąāļšāļāļēāļĢāļ—āļģāļ‡āļēāļ™
    • āļāļēāļĢāđƒāļŠāđ‰āđ€āļ—āļ„āļ™āļīāļ„ Ensemble Modeling
    āļ­āļīāļ™āđ‚āļŸāļāļĢāļēāļŸāļŸāļīāļāđ€āļāļĩāđˆāļĒāļ§āļāļąāļš Machine Learning

    āļ„āļ§āļēāļĄāļĢāļđāđ‰āđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄ āļ„āļļāļ“āļĢāļđāđ‰āļŦāļĢāļ·āļ­āđ„āļĄāđˆāļ§āđˆāļē

    • āđƒāļ™āđāļ§āļ”āļ§āļ‡ Machine Learning āļ™āļąāđ‰āļ™ āđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāļˆāļ°āđ€āļĢāļĩāļĒāļāļ§āđˆāļē label
    • āļŠāđˆāļ§āļ™āđƒāļ™āļ§āļ‡āļāļēāļĢāļ”āđ‰āļēāļ™āļŠāļ–āļīāļ•āļī āđ€āļĢāļĩāļĒāļāđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāļ§āđˆāļē dependent variable
    • āļ•āļąāļ§āđāļ›āļĢāđƒāļ™āļ—āļēāļ‡āļŠāļ–āļīāļ•āļīāļ™āļąāđ‰āļ™ āđ€āļĄāļ·āđˆāļ­āļ­āļĒāļđāđˆāđƒāļ™āļŠāļēāļ‚āļē Machine Learning āļˆāļ°āđ€āļĢāļĩāļĒāļāļ§āđˆāļē feature
    • āđāļĨāļ°āļāļēāļĢāđāļ›āļĨāļ‡āļ•āļąāļ§āđāļ›āļĢāđƒāļ™āļ—āļēāļ‡āļŠāļ–āļīāļ•āļī āļŠāļēāļ‚āļē Machine Learning āļˆāļ°āđƒāļŠāđ‰āļ„āļģāļ§āđˆāļē feature creation

    Machine Learning āđƒāļ™āđ‚āļĨāļāļ›āļąāļˆāļˆāļļāļšāļąāļ™

    āđƒāļ™āļ—āļļāļāļ§āļąāļ™āļ™āļĩāđ‰ āļ­āļ‡āļ„āđŒāļāļĢāđāļĨāļ°āļ˜āļļāļĢāļāļīāļˆāļ•āđˆāļēāļ‡ āđ† āļŠāļēāļĄāļēāļĢāļ–āļ™āļģāļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāļĄāļēāđƒāļŠāđ‰āđ€āļžāļ·āđˆāļ­āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āđāļšāļšāļˆāļģāļĨāļ­āļ‡āļŠāļģāļŦāļĢāļąāļšāļŦāļēāļ„āļ§āļēāļĄāļŠāļąāļĄāļžāļąāļ™āļ˜āđŒāļ‚āļ­āļ‡āļ•āļąāļ§āđāļ›āļĢāļ•āđˆāļēāļ‡ āđ† āļ‹āļķāđˆāļ‡āļŠāđˆāļ§āļĒāđƒāļŦāđ‰āđ„āļ”āđ‰āļœāļĨāļĨāļąāļžāļ˜āđŒāļ‚āđ‰āļ­āļĄāļđāļĨāļŠāļģāļŦāļĢāļąāļšāļāļēāļĢāļ•āļąāļ”āļŠāļīāļ™āđƒāļˆāđ€āļŠāļīāļ‡āļāļĨāļĒāļļāļ—āļ˜āđŒ āđ‚āļ”āļĒāļĨāļ”āļāļēāļĢāļžāļķāđˆāļ‡āļžāļēāļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļˆāļēāļāđāļĢāļ‡āļ‡āļēāļ™āļ„āļ™āļĨāļ‡ āļ‚āļ­āđ€āļŠāļīāļāļ„āļļāļ“āļĢāļąāļšāļŠāļĄāļ‚āđ‰āļ­āļĄāļđāļĨāđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩāļŠāļģāļ„āļąāļ āļ‹āļķāđˆāļ‡āļāļģāļĨāļąāļ‡āđ€āļ›āļĨāļĩāđˆāļĒāļ™āđāļ›āļĨāļ‡āđ‚āļĨāļāļ‚āļ­āļ‡āđ€āļĢāļēāļ­āļĒāļđāđˆāđƒāļ™āļ‚āļ“āļ°āļ™āļĩāđ‰

    āđ€āļ­āļāļŠāļēāļĢāļ‚āđ‰āļ­āļĄāļđāļĨ

    āđ‚āļ­āļāļēāļŠāđāļĨāļ°āļ„āļ§āļēāļĄāļ—āđ‰āļēāļ—āļēāļĒāļŠāļģāļŦāļĢāļąāļšāļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™ Machine Learning āđƒāļ™āđ€āļŠāļīāļ‡āļ˜āļļāļĢāļāļīāļˆ

    āđ€āļ­āļāļŠāļēāļĢ white paper āđ‚āļ”āļĒ O'Reilly āļ‰āļšāļąāļšāļ™āļĩāđ‰ āđ„āļ”āđ‰āļĢāļ§āļšāļĢāļ§āļĄāđāļ™āļ§āļ—āļēāļ‡āđāļĨāļ°āļ„āļģāđāļ™āļ°āļ™āļģāļ—āļĩāđˆāļĄāļĩāļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāļŠāļģāļŦāļĢāļąāļšāļāļēāļĢāļ™āļģ machine learning āļĄāļēāđƒāļŠāđ‰āļ‡āļēāļ™āļˆāļĢāļīāļ‡āđƒāļ™āļ­āļ‡āļ„āđŒāļāļĢāļ‚āļ­āļ‡āļ„āļļāļ“

    āļ­āđˆāļēāļ™āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĩāļĒāļ”āđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄ

    āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āļĢāļ°āļšāļš credit scoring āļ”āđ‰āļ§āļĒāļžāļĨāļąāļ‡āđāļŦāđˆāļ‡ Machine Learning

    machine learning āļ™āļąāđ‰āļ™ āļŠāđˆāļ§āļĒāļžāļąāļ’āļ™āļēāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāļ‚āļ­āļ‡āļāļēāļĢāļ—āļģ credit scoring āđ„āļ”āđ‰āđƒāļ™āļŦāļĨāļēāļĒāđāļ™āļ§āļ—āļēāļ‡āļ”āđ‰āļ§āļĒāļāļąāļ™ āļ‚āļ­āđ€āļŠāļīāļāļ„āļļāļ“āļĢāļąāļšāļŠāļĄāļ‚āđ‰āļ­āļĄāļđāļĨāļ§āđˆāļē āļŦāļ™āđˆāļ§āļĒāļ‡āļēāļ™āļ—āļĩāđˆāļ—āļģāļ‡āļēāļ™āđ€āļāļĩāđˆāļĒāļ§āļāļąāļš credit scoring āļŠāļēāļĄāļēāļĢāļ–āđƒāļŠāđ‰āļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļ”āđ‰āļēāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āđƒāļ™āļāļēāļĢāļ›āļĢāļ°āđ€āļĄāļīāļ™āļāļīāļˆāļāļĢāļĢāļĄāļ‚āļ­āļ‡āļĨāļđāļāļ„āđ‰āļē āđ€āļžāļ·āđˆāļ­āđ€āļ›āđ‡āļ™āļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļĄāļĩāļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāļ•āđˆāļ­āļœāļĨāļ›āļĢāļ°āļāļ­āļšāļāļēāļĢāļ‚āļ­āļ‡āļœāļđāđ‰āđƒāļŦāđ‰āļāļđāđ‰āđ„āļ”āđ‰āļ­āļĒāđˆāļēāļ‡āđ„āļĢāļšāđ‰āļēā

    āđ€āļ‚āđ‰āļēāļŠāļđāđˆāļšāļ—āļ„āļ§āļēāļĄāđ„āļ”āđ‰āļ—āļĩāđˆāļ™āļĩāđˆ

    āļ„āļ§āļēāļĄāđ€āļ›āđ‡āļ™āđ„āļ›āđ„āļ”āđ‰āļ‚āļ­āļ‡āļāļēāļĢāđ€āļ›āļĨāļĩāđˆāļĒāļ™āđāļ›āļĨāļ‡ āļ—āļĩāđˆ Machine Learning āļ­āļēāļˆāļŠāļĢāđ‰āļēāļ‡āđāļāđˆāļ­āļ‡āļ„āđŒāļāļĢāļ‚āļ­āļ‡āļ„āļļāļ“

    āļĢāļēāļĒāļ‡āļēāļ™āļˆāļēāļ Harvard Business Review Insight Center āđ„āļ”āđ‰āļ—āļģāļāļēāļĢāļĻāļķāļāļĐāļēāļ§āđˆāļēāļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļ”āđ‰āļēāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ™āļąāđ‰āļ™āļˆāļ°āļŠāļĢāđ‰āļēāļ‡āļāļĢāļ°āđāļŠāļāļēāļĢāđ€āļ›āļĨāļĩāđˆāļĒāļ™āđāļ›āļĨāļ‡āļ„āļĢāļąāđ‰āļ‡āđƒāļŦāļāđˆāđƒāļŦāđ‰āļāļąāļšāļšāļĢāļīāļĐāļąāļ—āļ•āđˆāļēāļ‡ āđ† āđāļĨāļ°āļ­āļ‡āļ„āđŒāļ„āļ§āļēāļĄāļĢāļđāđ‰āļ”āđ‰āļēāļ™āļāļēāļĢāļšāļĢāļīāļŦāļēāļĢāļ˜āļļāļĢāļāļīāļˆāļ­āļĒāđˆāļēāļ‡āđ„āļĢāđ„āļ”āđ‰āļšāđ‰āļēā  

     āļ”āļēāļ§āļ™āđŒāđ‚āļŦāļĨāļ”āđ€āļ­āļāļŠāļēāļĢāļĢāļēāļĒāļ‡āļēāļ™

    āļāļēāļĢāļ›āļĢāļ°āļĒāļļāļāļ•āđŒāđƒāļŠāđ‰ machine learning āđ€āļ‚āđ‰āļēāļāļąāļš IoT

    āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļˆāļēāļāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ™āļąāđ‰āļ™āļŠāļēāļĄāļēāļĢāļ–āļ–āļđāļāļ™āļģāļĄāļēāđƒāļŠāđ‰āđ€āļžāļ·āđˆāļ­āļĒāļāļĢāļ°āļ”āļąāļšāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāđƒāļ™āļāļēāļĢāļ—āļģāļ‡āļēāļ™āđ„āļ”āđ‰āļ­āļĒāđˆāļēāļ‡āļĄāļēāļ āđ‚āļ”āļĒāđ€āļ‰āļžāļēāļ°āļ­āļĒāđˆāļēāļ‡āļĒāļīāđˆāļ‡āđ€āļĄāļ·āđˆāļ­āļœāļŠāļēāļ™āđ€āļ‚āđ‰āļēāļāļąāļšāļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ”āđ‰āļēāļ™ IoT āļŦāļĢāļ·āļ­ internet of things āļ‹āļķāđˆāļ‡āļšāļ—āļ„āļ§āļēāļĄāļ™āļĩāđ‰āļˆāļ°āļ—āļģāļāļēāļĢāļŠāļģāļĢāļ§āļˆāļ›āļĢāļ°āđ€āļ”āđ‡āļ™āļ”āļąāļ‡āļāļĨāđˆāļēāļ§

    āđ€āļ‚āđ‰āļēāļŠāļđāđˆāļšāļ—āļ„āļ§āļēāļĄ IoT āļ™āļĩāđ‰

    yellow and orange abstract art

    Advanced analytics from SAS


    Machine learning isn't a specific technology per se; it involves software such as data mining and advanced analytics to comb through large amounts of data and unearth insights. SASÂŪ solutions are infused with innovative algorithms that easily get the job done.

    Learn more about analytics solutions from SAS

    āļœāļđāđ‰āđƒāļŠāđ‰āļ‡āļēāļ™āļŦāļĨāļąāļ

    āļ āļēāļ„āļŠāđˆāļ§āļ™āļ˜āļļāļĢāļāļīāļˆāđāļĨāļ°āļ­āļļāļ•āļŠāļēāļŦāļāļĢāļĢāļĄāļ•āđˆāļēāļ‡ āđ† āļ—āļĩāđˆāļ•āđ‰āļ­āļ‡āļ—āļģāļ‡āļēāļ™āļāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ›āļĢāļīāļĄāļēāļ“āļĄāļŦāļēāļĻāļēāļĨāļĨāđ‰āļ§āļ™āđāļ•āđˆāļ•āļĢāļ°āļŦāļ™āļąāļāļ–āļķāļ‡āļ„āļ§āļēāļĄāļŠāļģāļ„āļąāļāļ‚āļ­āļ‡āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩāļ”āđ‰āļēāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļŦāļĢāļ·āļ­ machine learning āļ™āļĩāđ‰ āđ‚āļ”āļĒāļŦāļēāļāļ­āļ‡āļ„āđŒāļāļĢāđƒāļ”āļĄāļĩāļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđƒāļ™āļāļēāļĢāļŠāļāļąāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāđ€āļŠāļīāļ‡āļĨāļķāļāđāļĨāļ°āļ™āļąāļĒāļĒāļ°āļ—āļēāļ‡āļĒāļļāļ—āļ˜āļĻāļēāļŠāļ•āļĢāđŒāļ­āļ­āļāļˆāļēāļāļāļĢāļ°āđāļŠāļ‚āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāđ€āļāļīāļ”āļ‚āļķāđ‰āļ™āđ„āļ”āđ‰āļ™āļąāđ‰āļ™ āļĒāđˆāļ­āļĄāļ™āļģāļĄāļēāļ‹āļķāđˆāļ‡āļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāđƒāļ™āļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāļŠāļđāļ‡āļ‚āļķāđ‰āļ™āđāļĨāļ°āļŠāđˆāļ‡āļœāļĨāļ–āļķāļ‡āļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđƒāļ™āļāļēāļĢāđāļ‚āđˆāļ‡āļ‚āļąāļ™āļ—āļĩāđˆāđ„āļ”āđ‰āđ€āļ›āļĢāļĩāļĒāļšāļ„āļđāđˆāđāļ‚āđˆāļ‡āđ‚āļ”āļĒāļ›āļĢāļīāļĒāļēāļĒ āļ āļēāļ„āļŠāđˆāļ§āļ™āļŠāļģāļ„āļąāļāļ—āļĩāđˆāđ€āļ›āđ‡āļ™āļœāļđāđ‰āđƒāļŠāđ‰āļ‡āļēāļ™āļŦāļĨāļąāļ āļĄāļĩāļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āļ”āļąāļ‡āļ•āđˆāļ­āđ„āļ›āļ™āļĩāđ‰:

    āļ āļēāļ„āļāļēāļĢāļšāļĢāļīāļāļēāļĢāļ—āļēāļ‡āļāļēāļĢāđ€āļ‡āļīāļ™

    āļ˜āļ™āļēāļ„āļēāļĢāđāļĨāļ°āļ˜āļļāļĢāļāļīāļˆāļ—āļēāļ‡āļāļēāļĢāđ€āļ‡āļīāļ™āļ•āđˆāļēāļ‡ āđ† āđ„āļ”āđ‰āļ™āļģāđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩāļ—āļĩāđˆāđ€āļāļĩāđˆāļĒāļ§āļ‚āđ‰āļ­āļ‡āļāļąāļšāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļēāđƒāļŠāđ‰āļ‡āļēāļ™āđƒāļ™āļŠāļ­āļ‡āļ§āļąāļ•āļ–āļļāļ›āļĢāļ°āļŠāļ‡āļ„āđŒāļŦāļĨāļąāļ āļ™āļąāđˆāļ™āļ„āļ·āļ­āđ€āļžāļ·āđˆāļ­āļŠāļāļąāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāđ€āļŠāļīāļ‡āļĨāļķāļāļ—āļĩāđˆāļĄāļĩāļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāļ•āđˆāļ­āļāļēāļĢāļ•āļąāļ”āļŠāļīāļ™āđƒāļˆāļ•āđˆāļēāļ‡ āđ† āđāļĨāļ°āđ€āļžāļ·āđˆāļ­āļ›āđ‰āļ­āļ‡āļāļąāļ™āļāļēāļĢāļ—āļļāļˆāļĢāļīāļ• āļ‚āđ‰āļ­āļĄāļđāļĨāđāļĨāļ°āļ™āļąāļĒāļĒāļ°āļ•āđˆāļēāļ‡āđ† āļ—āļĩāđˆāđ„āļ”āđ‰āļĢāļąāļšāļ™āļąāđ‰āļ™āļŠāļēāļĄāļēāļĢāļ–āđ€āļ›āļīāļ”āđ€āļœāļĒāđ‚āļ­āļāļēāļŠāļ—āļēāļ‡āļāļēāļĢāļĨāļ‡āļ—āļļāļ™āļ—āļĩāđˆāļ‹āđˆāļ­āļ™āļ­āļĒāļđāđˆ āđāļĨāļ°āļĒāļąāļ‡āđ€āļ›āđ‡āļ™āļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāđāļāđˆāļ™āļąāļāļĨāļ‡āļ—āļļāļ™āļ‹āļķāđˆāļ‡āļˆāļ°āļŠāļēāļĄāļēāļĢāļ–āļ—āļĢāļēāļšāđ„āļ”āđ‰āļ§āđˆāļēāđ€āļ§āļĨāļēāđƒāļ”āđ€āļŦāļĄāļēāļ°āļŠāļĄāļ•āđˆāļ­āļāļēāļĢāļ—āļģāļ˜āļļāļĢāļāļĢāļĢāļĄāļ‹āļ·āđ‰āļ­āļ‚āļēāļĒāļ•āđˆāļēāļ‡āđ† āļ™āļ­āļāļˆāļēāļāļ™āļĩāđ‰ āļāļēāļĢāļ—āļģāđ€āļŦāļĄāļ·āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨāļĒāļąāļ‡āļŠāđˆāļ§āļĒāđƒāļŦāđ‰āļŠāļēāļĄāļēāļĢāļ–āļˆāļąāļšāļ•āļēāļ”āļđāļĨāļđāļāļ„āđ‰āļēāļ—āļĩāđˆāļ­āļĒāļđāđˆāđƒāļ™āļāļĨāļļāđˆāļĄāļ„āļ§āļēāļĄāđ€āļŠāļĩāđˆāļĒāļ‡āļŠāļđāļ‡ āļŦāļĢāļ·āļ­āđƒāļŠāđ‰āļāļēāļĢāļ•āļĢāļ§āļˆāļ•āļĢāļēāļœāđˆāļēāļ™āļĢāļ°āļšāļšāļŦāļĢāļ·āļ­ cybersurveillance āđ€āļžāļ·āđˆāļ­āļ•āļīāļ”āļ•āļēāļĄāļŠāļąāļāļāļēāļ“āļ­āļąāļ™āļ•āļĢāļēāļĒāđāļĨāļ°āļŠāļāļąāļ”āļāļąāđ‰āļ™āļžāļĪāļ•āļīāļāļĢāļĢāļĄāļ—āļĩāđˆāđ„āļĄāđˆāļ™āđˆāļēāđ„āļ§āđ‰āļ§āļēāļ‡āđƒāļˆāļ­āļąāļ™āļ­āļēāļˆāļ™āļģāđ„āļ›āļŠāļđāđˆāļāļēāļĢāļ—āļļāļˆāļĢāļīāļ•āđ„āļ”āđ‰

    āļ āļēāļ„āļĢāļąāļ

    āļŦāļ™āđˆāļ§āļĒāļ‡āļēāļ™āļ āļēāļ„āļĢāļąāļāļ•āđˆāļēāļ‡ āđ† āđ€āļŠāđˆāļ™āļŦāļ™āđˆāļ§āļĒāļ‡āļēāļ™āļ—āļĩāđˆāļĢāļąāļšāļœāļīāļ”āļŠāļ­āļšāļ”āđ‰āļēāļ™āļŠāļēāļ˜āļēāļĢāļ“āļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāđāļĨāļ°āļāļēāļĢāļ›āđ‰āļ­āļ‡āļāļąāļ™āļŠāļēāļ˜āļēāļĢāļ“āļ āļąāļĒāļ•āđˆāļēāļ‡ āđ† āļ„āļ·āļ­āļāļĨāļļāđˆāļĄāļ—āļĩāđˆāļˆāļ°āđ„āļ”āđ‰āļĢāļąāļšāļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāļˆāļēāļāļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™ machine learning āļ­āļĒāđˆāļēāļ‡āļĄāļēāļ āđ€āļ™āļ·āđˆāļ­āļ‡āļˆāļēāļāļ­āļ‡āļ„āđŒāļāļĢāļĨāļąāļāļĐāļ“āļ°āļ”āļąāļ‡āļāļĨāđˆāļēāļ§āļĄāļĩāļ—āļąāđ‰āļ‡āđ‚āļ­āļāļēāļŠāļāļēāļĢāđ€āļ‚āđ‰āļēāļ–āļķāļ‡āļ‚āđ‰āļ­āļĄāļđāļĨāļ›āļĢāļīāļĄāļēāļ“āļĄāļŦāļēāļĻāļēāļĨ āđāļĨāļ°āļ„āļ§āļēāļĄāļˆāļģāđ€āļ›āđ‡āļ™āđƒāļ™āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āļ‚āđ‰āļ­āļĄāļđāļĨāđ€āļŦāļĨāđˆāļēāļ™āļąāđ‰āļ™āđ€āļžāļ·āđˆāļ­āļāļēāļĢāļŠāļāļąāļ”āļ™āļąāļĒāļĒāļ°āđ€āļŠāļīāļ‡āļ™āđ‚āļĒāļšāļēāļĒ āļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āđ€āļŠāđˆāļ™ āļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāđ„āļ”āđ‰āļĢāļąāļšāļˆāļēāļāđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ•āļĢāļ§āļˆāļ§āļąāļ”āļŦāļĢāļ·āļ­ sensor āļ•āđˆāļēāļ‡ āđ† āļ‹āļķāđˆāļ‡āļŠāļēāļĄāļēāļĢāļ–āļ™āļģāļĄāļēāļœāđˆāļēāļ™āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāđ€āļžāļ·āđˆāļ­āļžāļąāļ’āļ™āļēāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāļ”āđ‰āļēāļ™āļāļēāļĢāļ”āļģāđ€āļ™āļīāļ™āļ‡āļēāļ™ āđāļĨāļ°āļĨāļ”āļ•āđ‰āļ™āļ—āļļāļ™ āļœāļĨāļĨāļąāļžāļ˜āđŒāļ—āļĩāđˆāđ„āļ”āđ‰āļˆāļēāļāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĒāļąāļ‡āļŠāļēāļĄāļēāļĢāļ–āļŠāđˆāļ§āļĒāļĨāļ”āļāļēāļĢāļ—āļļāļˆāļĢāļīāļ• āđāļĨāļ°āļāļēāļĢāļŠāļ§āļĄāļĢāļ­āļĒāđ€āļžāļ·āđˆāļ­āļ‚āđ‚āļĄāļĒāļ•āļąāļ§āļ•āļ™āļ—āļēāļ‡āļ­āļīāđ€āļĨāđ‡āļ„āđ‚āļ—āļĢāļ™āļīāļāļŠāđŒāļ‚āļ­āļ‡āļœāļđāđ‰āļ­āļ·āđˆāļ™āđ„āļ”āđ‰āļ­āļĩāļāļ”āđ‰āļ§āļĒ

    āļ˜āļļāļĢāļāļīāļˆāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļŠāļļāļ‚āļ āļēāļž

    āđƒāļ™āļ āļēāļ„āļŠāđˆāļ§āļ™āļ”āđ‰āļēāļ™āļāļēāļĢāđāļžāļ—āļĒāđŒ āļŠāļļāļ‚āļ āļēāļž āđāļĨāļ°āļāļēāļĢāļŠāļēāļ˜āļēāļĢāļ“āļŠāļļāļ‚āļ™āļąāđ‰āļ™ machine learning āļāđ‡āļāļģāļĨāļąāļ‡āđ€āļ›āđ‡āļ™āļ—āļĩāđˆāļŠāļ™āđƒāļˆāđāļĨāļ°āļĄāļĩāļāļēāļĢāđ€āļ•āļīāļšāđ‚āļ•āļ­āļĒāđˆāļēāļ‡āļĢāļ§āļ”āđ€āļĢāđ‡āļ§āļ­āļĩāļāļ”āđ‰āļ§āļĒ āļ­āļąāļ™āđ€āļ™āļ·āđˆāļ­āļ‡āļĄāļēāļˆāļēāļāļāļēāļĢāļžāļąāļ’āļ™āļēāđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩāļ­āļļāļ›āļāļĢāļ“āđŒāļ”āđ‰āļēāļ™āļŠāļļāļ‚āļ āļēāļžāđāļšāļšāļŠāļ§āļĄāđƒāļŠāđˆāļ•āļīāļ”āļ•āļąāļ§ (wearable devices) āļ‹āļķāđˆāļ‡āļˆāļ°āđ€āļāđ‡āļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ”āđ‰āļēāļ™āļŠāļļāļ‚āļ āļēāļžāļĢāđˆāļēāļ‡āļāļēāļĒāļ‚āļ­āļ‡āļ„āļ™āđ„āļ‚āđ‰āđƒāļ™āđāļšāļšāđ€āļĢāļĩāļĒāļĨāđ„āļ—āļĄāđŒ āļ‹āļķāđˆāļ‡āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩāļ”āļąāļ‡āļāļĨāđˆāļēāļ§āļ™āļĩāđ‰āļˆāļ°āļŠāđˆāļ§āļĒāđƒāļŦāđ‰āđāļžāļ—āļĒāđŒāđāļĨāļ°āļšāļļāļ„āļĨāļēāļāļĢāļ—āļēāļ‡āļāļēāļĢāđāļžāļ—āļĒāđŒāļŠāļēāļĄāļēāļĢāļ–āļ•āļĢāļ§āļˆāļ•āļĢāļēāļŠāļļāļ‚āļ āļēāļžāļ‚āļ­āļ‡āļ„āļ™āđ„āļ‚āđ‰āđāļĨāļ°āļ•āļĢāļ§āļˆāļˆāļąāļšāļŠāļąāļāļāļēāļ“āđ€āļ•āļ·āļ­āļ™āļ—āļēāļ‡āļŠāļļāļ‚āļ āļēāļžāļ•āđˆāļēāļ‡ āđ† āđ€āļžāļ·āđˆāļ­āļ™āļģāđ„āļ›āļŠāļđāđˆāļāļēāļĢāļ•āļĢāļ§āļˆāļ§āļīāļ™āļīāļˆāļ‰āļąāļĒāđ‚āļĢāļ„āđāļĨāļ°āđāļ™āļ§āļ—āļēāļ‡āļāļēāļĢāļĢāļąāļāļĐāļēāļ—āļĩāđˆāļ—āļąāļ™āļ—āđˆāļ§āļ‡āļ—āļĩāļ•āđˆāļ­āđ„āļ› 

    āļ āļēāļ„āļŠāđˆāļ§āļ™āļ”āđ‰āļēāļ™āļāļēāļĢāļ•āļĨāļēāļ”

    āļ„āļļāļ“āļ­āļēāļˆāđ€āļ„āļĒāđ€āļŦāđ‡āļ™āļāļēāļĢāđāļ™āļ°āļ™āļģāļŠāļīāļ™āļ„āđ‰āļēāļŦāļĢāļ·āļ­āđ‚āļ†āļĐāļ“āļēāļ•āđˆāļēāļ‡ āđ† āļ—āļĩāđˆāđ€āļ§āđ‡āļšāđ„āļ‹āļ•āđŒāļ›āļĢāļ°āđ€āļĄāļīāļ™āļ§āđˆāļē āļ­āļēāļˆāđ€āļ›āđ‡āļ™āļ—āļĩāđˆāļŠāļ™āđƒāļˆāļ‚āļ­āļ‡āļ„āļļāļ“ āđ‚āļ”āļĒāļāļēāļĢāđāļ™āļ°āļ™āļģāđ‚āļ†āļĐāļ“āļēāđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āļāđ‡āđ€āļāļīāļ”āļ‚āļķāđ‰āļ™āļˆāļēāļāļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™ machine learning āđ€āļžāļ·āđˆāļ­āļ›āļĢāļ°āđ€āļĄāļīāļ™āļ„āļ§āļēāļĄāļŠāļ™āđƒāļˆāļ‚āļ­āļ‡āļ„āļļāļ“āļˆāļēāļāļŠāļīāļ™āļ„āđ‰āļēāļ—āļĩāđˆāļ„āļļāļ“āđ„āļ”āđ‰āđ€āļ„āļĒāļ‹āļ·āđ‰āļ­āļŦāļĢāļ·āļ­āļŠāļ·āļšāļ„āđ‰āļ™āļ‚āđ‰āļ­āļĄāļđāļĨāļāđˆāļ­āļ™āļŦāļ™āđ‰āļēāļ™āļĩāđ‰ āļ‹āļķāđˆāļ‡āļ—āļģāđƒāļŦāđ‰āļĢāļ°āļšāļšāļŠāļēāļĄāļēāļĢāļ–āļ›āļĢāļ°āđ€āļĄāļīāļ™āđāļĨāļ°āđāļŠāļ”āļ‡āļœāļĨāļŠāļīāļ™āļ„āđ‰āļēāļ­āļ·āđˆāļ™ āđ† āļ—āļĩāđˆāļ„āļļāļ“āļ­āļēāļˆāļˆāļ°āļŠāļ™āđƒāļˆāļ‹āļ·āđ‰āļ­āđ€āļžāļīāđˆāļĄāđ€āļ•āļīāļĄāļ•āđˆāļ­āđ„āļ›āđ„āļ”āđ‰ āļ‹āļķāđˆāļ‡āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđƒāļ™āļāļēāļĢāđ€āļāđ‡āļšāļĢāļ§āļĄāļĢāļ§āļĄāļ‚āđ‰āļ­āļĄāļđāļĨ āđ„āļ›āļˆāļ™āļ–āļķāļ‡āļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāđāļĨāļ°āļŠāļĢāđ‰āļēāļ‡āļĢāļđāļ›āđāļšāļšāļŠāļģāļŦāļĢāļąāļšāļĨāļđāļāļ„āđ‰āļēāđāļ•āđˆāļĨāļ°āļĢāļēāļĒ (personalized shopping experience) āļ•āļēāļĄāļĢāļŠāļ™āļīāļĒāļĄāđāļĨāļ°āļ„āļ§āļēāļĄāļŠāļ™āđƒāļˆāļ™āļąāđ‰āļ™ āļ­āļēāļˆāļāļĨāđˆāļēāļ§āđ„āļ”āđ‰āļ§āđˆāļēāđ€āļ›āđ‡āļ™āđāļ™āļ§āđ‚āļ™āđ‰āļĄāļŠāļģāļŦāļĢāļąāļšāļāļēāļĢāļ„āđ‰āļēāļ›āļĨāļĩāļāđƒāļ™āļĒāļļāļ„āļ­āļ™āļēāļ„āļ•āļ™āļąāļšāļˆāļēāļāļ™āļĩāđ‰

    āļ­āļļāļ•āļŠāļēāļŦāļāļĢāļĢāļĄāļ™āđ‰āļģāļĄāļąāļ™ āđ€āļŠāļ·āđ‰āļ­āđ€āļžāļĨāļīāļ‡ āđāļĨāļ°āļāđŠāļēāļ‹āļ˜āļĢāļĢāļĄāļŠāļēāļ•āļī

    āđ„āļĄāđˆāļ§āđˆāļēāļˆāļ°āđ€āļ›āđ‡āļ™āļāļēāļĢāļŠāļģāļĢāļ§āļˆāđāļĨāļ°āļ„āđ‰āļ™āļŦāļēāđāļŦāļĨāđˆāļ‡āļžāļĨāļąāļ‡āļ‡āļēāļ™āđƒāļŦāļĄāđˆ āđ† āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļŠāđˆāļ§āļ™āļ›āļĢāļ°āļāļ­āļšāđāļĢāđˆāļ˜āļēāļ•āļļāđƒāļ™āļžāļ·āđ‰āļ™āļ—āļĩāđˆāļ•āđˆāļēāļ‡ āđ† āļŦāļĢāļ·āļ­āļāļēāļĢāļ•āļĢāļ§āļˆāļ•āļĢāļēāļ›āļąāļāļŦāļēāļāļēāļĢāđ€āļŠāļ·āđˆāļ­āļĄāļŦāļĢāļ·āļ­āļŠāļģāļĢāļļāļ”āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ•āļĢāļ§āļˆāļ§āļąāļ”āđƒāļ™āđ„āļ‹āļ—āđŒāļ‡āļēāļ™ āđ„āļ›āļˆāļ™āļ–āļķāļ‡āļāļēāļĢāđ€āļžāļīāđˆāļĄāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāđāļĨāļ°āļĨāļ”āļ•āđ‰āļ™āļ—āļļāļ™āļ‚āļ­āļ‡āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļŠāđˆāļ‡āļ–āđˆāļēāļĒāļ™āđ‰āļģāļĄāļąāļ™ āļ„āļļāļ“āļāđ‡āļˆāļ°āļžāļšāļ§āđˆāļē āļ›āļĢāļīāļĄāļēāļ“āļāļēāļĢāđƒāļŠāđ‰āļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāļˆāļēāļāļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļ”āđ‰āļēāļ™ machine learning āđƒāļ™āļ āļēāļ„āļ­āļļāļ•āļŠāļēāļŦāļāļĢāļĢāļĄāļ™āļĩāđ‰āđ„āļ”āđ‰āļāđˆāļ­āļ•āļąāļ§āļ‚āļķāđ‰āļ™āļ­āļĒāđˆāļēāļ‡āļĄāļŦāļēāļĻāļēāļĨ āđāļĨāļ°āļĒāļąāļ‡āļ„āļ‡āļĄāļĩāđāļ™āļ§āđ‚āļ™āđ‰āļĄāđ€āļžāļīāđˆāļĄāļ‚āļķāđ‰āļ™āļ­āļĒāđˆāļēāļ‡āļ•āđˆāļ­āđ€āļ™āļ·āđˆāļ­āļ‡

    āļ āļēāļ„āļ­āļļāļ•āļŠāļēāļŦāļāļĢāļĢāļĄāļāļēāļĢāļ‚āļ™āļŠāđˆāļ‡

    āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļ‚āđ‰āļ­āļĄāļđāļĨāđāļĨāļ°āļ•āļĢāļ§āļˆāļŦāļēāļĢāļđāļ›āđāļšāļšāđāļ™āļ§āđ‚āļ™āđ‰āļĄāļ—āļĩāđˆāļŠāļģāļ„āļąāļāļ•āđˆāļēāļ‡ āđ† āļ™āļąāđ‰āļ™ āđ„āļ”āđ‰āļāļĨāļēāļĒāđ€āļ›āđ‡āļ™āļŦāļąāļ§āđƒāļˆāļŠāļģāļ„āļąāļāļ‚āļ­āļ‡āļ āļēāļ„āļāļēāļĢāļ‚āļ™āļŠāđˆāļ‡ āļ‹āļķāđˆāļ‡āļˆāļģāđ€āļ›āđ‡āļ™āļ•āđ‰āļ­āļ‡āļ­āļēāļĻāļąāļĒāļāļēāļĢāļāļģāļŦāļ™āļ”āđ€āļŠāđ‰āļ™āļ—āļēāļ‡āļ—āļĩāđˆāļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāļŠāļđāļ‡āļŠāļļāļ” āđāļĨāļ°āļ„āļēāļ”āļāļēāļĢāļ“āđŒāđ€āļžāļ·āđˆāļ­āļ›āđ‰āļ­āļ‡āļāļąāļ™āļ›āļąāļāļŦāļēāļ•āđˆāļēāļ‡ āđ† āļ—āļĩāđˆāļ­āļēāļˆāđ€āļāļīāļ”āļ‚āļķāđ‰āļ™ āđ€āļžāļ·āđˆāļ­āļœāļĨāļ›āļĢāļ°āļāļ­āļšāļāļēāļĢāļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ” āļ”āđ‰āļ§āļĒāđ€āļŦāļ•āļļāļ™āļĩāđ‰ āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļ‚āđ‰āļ­āļĄāļđāļĨāđāļĨāļ°āļāļēāļĢāļ—āļģāđāļšāļšāļˆāļģāļĨāļ­āļ‡āđ‚āļ”āļĒāļ­āļēāļĻāļąāļĒāļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļ”āđ‰āļēāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡ āļˆāļķāļ‡āđ€āļ›āđ‡āļ™āļŠāļīāđˆāļ‡āļŠāļģāļ„āļąāļāļŠāļģāļŦāļĢāļąāļšāļāļīāļˆāļāļēāļĢāļ”āđ‰āļēāļ™āļāļēāļĢāļ‚āļ™āļŠāđˆāļ‡ āļĢāļ§āļĄāļ—āļąāđ‰āļ‡āļ āļēāļ„āļĢāļąāļāļ—āļĩāđˆāļ”āļđāđāļĨāļ”āđ‰āļēāļ™āļāļīāļˆāļāļēāļĢāļ‚āļ™āļŠāđˆāļ‡āļĄāļ§āļĨāļŠāļ™ āđāļĨāļ°āļŦāļ™āđˆāļ§āļĒāļ‡āļēāļ™āļ­āļ·āđˆāļ™ āđ† āļ—āļĩāđˆāđ€āļāļĩāđˆāļĒāļ§āļ‚āđ‰āļ­āļ‡āļāļąāļšāļāļēāļĢāļ„āļĄāļ™āļēāļ„āļĄ

    āļ§āļīāļ˜āļĩāļāļēāļĢāļ”āđ‰āļēāļ™ Machine Learning āļ—āļĩāđˆāđ€āļ›āđ‡āļ™āļ—āļĩāđˆāļ™āļīāļĒāļĄāđƒāļ™āļ›āļąāļˆāļˆāļļāļšāļąāļ™

    āđƒāļ™āļ—āļļāļāļ§āļąāļ™āļ™āļĩāđ‰ āļ§āļīāļ˜āļĩāļāļēāļĢāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ—āļĩāđˆāđ€āļ›āđ‡āļ™āļ—āļĩāđˆāđāļžāļĢāđˆāļŦāļĨāļēāļĒāļ—āļĩāđˆāļŠāļļāļ”āļŠāļ­āļ‡āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāđ„āļ”āđ‰āđāļāđˆāļ§āļīāļ˜āļĩ supervised learning āđāļĨāļ° unsupervised learning āđāļ•āđˆāđāļ™āđˆāļ™āļ­āļ™āļ§āđˆāļē āļĄāļĩāļ§āļīāļ˜āļĩāļāļēāļĢāđāļĨāļ°āđ€āļ—āļ„āļ™āļīāļ„āļ­āļ·āđˆāļ™ āđ† āļ­āļĩāļāļĄāļēāļāļĄāļēāļĒ āđāļĨāļ°āļ™āļĩāđˆāļ„āļ·āļ­āļ āļēāļžāļĢāļ§āļĄāļ‚āļ­āļ‡āđ€āļ—āļ„āļ™āļīāļ„āļ—āļĩāđˆāđ„āļ”āđ‰āļĢāļąāļšāļ„āļ§āļēāļĄāļ™āļīāļĒāļĄāļĄāļēāļāļ—āļĩāđˆāļŠāļļāļ”āđƒāļ™āļ›āļąāļˆāļˆāļļāļšāļąāļ™

    Supervised learning āļ™āļąāđ‰āļ™ āļ„āļ·āļ­āđ€āļĄāļ·āđˆāļ­āļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāđ„āļ”āđ‰āļĢāļąāļšāļāļēāļĢ "āļāļķāļāļāļ™" āļ”āđ‰āļ§āļĒāļāļēāļĢāđƒāļŠāđ‰āļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āđāļšāļšāļĄāļĩāđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāļŦāļĢāļ·āļ­ labeled example āđ€āļŠāđˆāļ™ āļāļēāļĢāđƒāļŦāđ‰āļ‚āđ‰āļ­āļĄāļđāļĨāļ‚āļēāđ€āļ‚āđ‰āļē (inputs) āđ‚āļ”āļĒāļĢāļ°āļšāļļāļ–āļķāļ‡āļœāļĨāļĨāļąāļžāļ˜āđŒāļ‚āļēāļ­āļ­āļ (outputs) āļ—āļĩāđˆāļ•āđ‰āļ­āļ‡āļāļēāļĢāđƒāļŦāđ‰āļ—āļĢāļēāļš āļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āđ€āļŠāđˆāļ™ āļ­āļļāļ›āļāļĢāļ“āđŒāļŠāļīāđ‰āļ™āļŦāļ™āļķāđˆāļ‡āļ­āļēāļˆāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđ‚āļ”āļĒāļāļģāļŦāļ™āļ”āļœāļĨāļĨāļąāļžāļ˜āđŒāđ€āļ›āđ‡āļ™āļŠāļ­āļ‡āļ—āļēāļ‡āļ„āļ·āļ­ "F = failed" āđāļĨāļ° "R = runs" āđ‚āļ”āļĒāļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāļāļēāļĢāļāļķāļāļāļ™āļ”āļąāļ‡āļāļĨāđˆāļēāļ§āļˆāļ°āđ„āļ”āđ‰āļĢāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ‚āļēāđ€āļ‚āđ‰āļēāļˆāļģāļ™āļ§āļ™āļŦāļ™āļķāđˆāļ‡ āļžāļĢāđ‰āļ­āļĄāļāļąāļšāļœāļĨāļĨāļąāļžāļ˜āđŒāļ‚āļēāļ­āļ­āļāļ—āļĩāđˆāļ–āļđāļāļ•āđ‰āļ­āļ‡ āđāļĨāļ°āđƒāļŦāđ‰āļĢāļ°āļšāļšāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ”āđ‰āļ§āļĒāļāļēāļĢāđ€āļ›āļĢāļĩāļĒāļšāđ€āļ—āļĩāļĒāļšāļœāļĨāļĨāļąāļžāļ˜āđŒāļ—āļĩāđˆāļ•āļ™āļ›āļĢāļ°āđ€āļĄāļīāļ™āļ­āļ­āļāļĄāļēāđ„āļ”āđ‰ āđ€āļ›āļĢāļĩāļĒāļšāđ€āļ—āļĩāļĒāļšāļāļąāļš "āđ€āļ‰āļĨāļĒ" āđ€āļžāļ·āđˆāļ­āļŦāļēāļ„āļ§āļēāļĄāđāļ•āļāļ•āđˆāļēāļ‡āđāļĨāļ°āļˆāļļāļ”āļ—āļĩāđˆāļœāļīāļ”āļžāļĨāļēāļ” āļˆāļēāļāļ™āļąāđ‰āļ™ āļĢāļ°āļšāļšāļˆāļķāļ‡āļ›āļĢāļąāļšāđāļāđ‰āđāļšāļšāļˆāļģāļĨāļ­āļ‡āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļ‚āļ­āļ‡āļ•āļ™āđ€āļ­āļ‡āļ•āļēāļĄāļ‚āđ‰āļ­āļĄāļđāļĨāļ™āļąāđ‰āļ™ āđ‚āļ­āļĒāļ­āļēāļĻāļąāļĒāđ€āļ—āļ„āļ™āļīāļ„āļŦāļĨāļēāļāļŦāļĨāļēāļĒāļ›āļĢāļ°āđ€āļ āļ— āđ„āļĄāđˆāļ§āđˆāļēāļˆāļ°āđ€āļ›āđ‡āļ™āļāļēāļĢāļˆāļģāđāļ™āļāđāļĒāļāđāļĒāļ°āļ‚āđ‰āļ­āļĄāļđāļĨ āļāļēāļĢāļ—āļģāļŠāļĄāļāļēāļĢāļ–āļ”āļ–āļ­āļĒ āļāļēāļĢāļ„āļēāļ”āļāļēāļĢāļ“āđŒ āļŦāļĢāļ·āļ­āđ€āļ—āļ„āļ™āļīāļ„ gradient boosting āļ‹āļķāđˆāļ‡āđ€āļ›āđ‡āļ™āļāļēāļĢāļ—āļĩāđˆāļāļĢāļ°āļšāļ§āļ™āļāļēāļĢ supervised learning āļ™āļĩāđ‰ āđƒāļŠāđ‰āļĢāļđāļ›āđāļšāļšāļ•āđˆāļēāļ‡ āđ† āļ—āļĩāđˆāļ•āļ™āļžāļšāđ€āļžāļ·āđˆāļ­āļ„āļēāļ”āļāļēāļĢāļ“āđŒ "āļ„āđˆāļē" āļ‚āļ­āļ‡āļ•āļąāļ§āđāļ›āļĢāļŦāļĢāļ·āļ­ labels āļ•āđˆāļēāļ‡ āđ† āđ€āļĄāļ·āđˆāļ­āđƒāļ”āļāđ‡āļ•āļēāļĄāļ—āļĩāđˆāļžāļšāļāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļĒāļąāļ‡āđ„āļĄāđˆāļĄāļĩāļāļēāļĢāđ€āļ‰āļĨāļĒāļŠāļļāļ”āļ•āđˆāļ­ āđ† āđ„āļ›āđƒāļ™āļ­āļ™āļēāļ„āļ• āđ‚āļ”āļĒāļāļĢāļ°āļšāļ§āļ™āļāļēāļĢ supervised learning āļ™āļĩāđ‰ āđ€āļ›āđ‡āļ™āļ—āļĩāđˆāļ™āļīāļĒāļĄāđƒāļŠāđ‰āļāļąāļ™āđƒāļ™āļŠāļ–āļēāļ™āļāļēāļĢāļ“āđŒāļ—āļĩāđˆāļ‚āđ‰āļ­āļĄāļđāļĨāđƒāļ™āļ­āļ”āļĩāļ•āļŠāļēāļĄāļēāļĢāļ–āđ€āļ›āđ‡āļ™āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ—āļģāļ™āļēāļĒāđ€āļŦāļ•āļļāļāļēāļĢāļ“āđŒāđƒāļ™āļ­āļ™āļēāļ„āļ•āđ„āļ”āđ‰āļ­āļĒāđˆāļēāļ‡āļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļž āđ€āļŠāđˆāļ™ āļĢāļ°āļšāļšāļ—āļĩāđˆāļāļķāļāļāļ™āļ­āļĒāđˆāļēāļ‡āļ”āļĩāđāļĨāđ‰āļ§āļˆāļ°āļŠāļēāļĄāļēāļĢāļ–āļ„āļēāļ”āļāļēāļĢāļ“āđŒāļĨāđˆāļ§āļ‡āļŦāļ™āđ‰āļēāđ„āļ”āđ‰āļ§āđˆāļēāļ˜āļļāļĢāļāļĢāļĢāļĄāļ—āļēāļ‡āļšāļąāļ•āļĢāđ€āļ„āļĢāļ”āļīāļ•āđƒāļ”āļšāđ‰āļēāļ‡āļ—āļĩāđˆāļĄāļĩāđāļ™āļ§āđ‚āļ™āđ‰āļĄāļˆāļ°āđ€āļ›āđ‡āļ™āļāļēāļĢāļ—āļļāļˆāļĢāļīāļ• āļŦāļĢāļ·āļ­āļ„āļēāļ”āļāļēāļĢāļ“āđŒāđ„āļ”āđ‰āļ§āđˆāļē āļœāļđāđ‰āđ€āļ­āļēāļ›āļĢāļ°āļāļąāļ™āļ āļąāļĒāļĢāļēāļĒāđƒāļ”āļĄāļĩāđ‚āļ­āļāļēāļŠāļ—āļĩāđˆāļˆāļ°āđ€āļšāļīāļāļ„āđˆāļēāļ›āļĢāļ°āļāļąāļ™āļ āļąāļĒāļĄāļēāļāļāļ§āđˆāļēāļĢāļēāļĒāļ­āļ·āđˆāļ™ āđ† āđ€āļ›āđ‡āļ™āļ•āđ‰āļ™

    āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđāļšāļš Unsupervised learning āļ™āļąāđ‰āļ™ āđƒāļŠāđ‰āļāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāđ„āļĄāđˆāļĄāļĩ label āļŠāļģāļŦāļĢāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāđƒāļ™āļ­āļ”āļĩāļ•āļĄāļēāļāđˆāļ­āļ™ āļĢāļ°āļšāļšāļˆāļ°āđ„āļĄāđˆāđ„āļ”āđ‰āļĢāļąāļšāļāļēāļĢāļšāļ­āļ "āđ€āļ‰āļĨāļĒ" āđāļĨāļ°āļ•āđ‰āļ­āļ‡āļ—āļģāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰ āļŦāļēāļ„āļģāļ•āļ­āļšāļ”āđ‰āļ§āļĒāļ•āļąāļ§āļ‚āļ­āļ‡āļĄāļąāļ™āđ€āļ­āļ‡ āđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāļ‚āļ­āļ‡āļāļēāļĢāļ—āļģāđ€āļŠāđˆāļ™āļ™āļĩāđ‰ āļ„āļ·āļ­āļāļēāļĢāļŠāļģāļĢāļ§āļˆāļŠāļļāļ”āļ‚āđ‰āļ­āļĄāļđāļĨ āđāļĨāļ°āļ„āđ‰āļ™āļŦāļēāļĢāļđāļ›āđāļšāļšāļŦāļĢāļ·āļ­āđ‚āļ„āļĢāļ‡āļŠāļĢāđ‰āļēāļ‡āļšāļēāļ‡āļ­āļĒāđˆāļēāļ‡āļ—āļĩāđˆāļ‹āđˆāļ­āļ™āļ­āļĒāļđāđˆāļ āļēāļĒāđƒāļ™ āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđāļšāļš unsupervised learning āļ™āļąāđ‰āļ™ āļ—āļģāļ‡āļēāļ™āđ„āļ”āđ‰āļ”āļĩāļŠāļģāļŦāļĢāļąāļšāļāļēāļĢāļˆāļąāļ”āļāļēāļĢāļ‚āđ‰āļ­āļĄāļđāļĨāļāļēāļĢāļ—āļģāļ˜āļļāļĢāļāļĢāļĢāļĄ āļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āđ€āļŠāđˆāļ™ āļĢāļ°āļšāļšāļŠāļēāļĄāļēāļĢāļ–āļ—āļģāļāļēāļĢāļĢāļ°āļšāļļāļāļĨāļļāđˆāļĄāļĨāļđāļāļ„āđ‰āļēāļ—āļĩāđˆāļĄāļĩāļžāļĪāļ•āļīāļāļĢāļĢāļĄāļŦāļĢāļ·āļ­āļ„āļļāļ“āļĨāļąāļāļĐāļ“āļ°āļ„āļĨāđ‰āļēāļĒ āđ† āļāļąāļ™ āļ‹āļķāđˆāļ‡āļˆāļ°āļ™āļģāđ„āļ›āļŠāļđāđˆāļāļēāļĢāļ•āļ­āļšāļŠāļ™āļ­āļ‡āļ—āļĩāđˆāļ„āļĨāđ‰āļēāļĒāļ„āļĨāļķāļ‡āļāļąāļ™āļŠāļģāļŦāļĢāļąāļšāļĨāļđāļāļ„āđ‰āļēāļ—āļĩāđˆāļĄāļĩāļĨāļąāļāļĐāļ“āļ°āđƒāļāļĨāđ‰āđ€āļ„āļĩāļĒāļ‡āļāļąāļ™ āđ€āļĄāļ·āđˆāļ­āļĄāļĩāļāļēāļĢāļ—āļģāđ‚āļ„āļĢāļ‡āļāļēāļĢāļ”āđ‰āļēāļ™āļāļēāļĢāļ•āļĨāļēāļ” āđ€āļ›āđ‡āļ™āļ•āđ‰āļ™ āļŦāļĢāļ·āļ­āļĢāļ°āļšāļšāļŠāļēāļĄāļēāļĢāļ–āļ—āļģāļāļēāļĢāļ„āđ‰āļ™āļŦāļēāļĨāļąāļāļĐāļ“āļ°āļŠāļģāļ„āļąāļāļ—āļĩāđˆāđ€āļ›āđ‡āļ™āļ•āļąāļ§āđāļšāđˆāļ‡āđāļĒāļāļĨāļđāļāļ„āđ‰āļēāđāļ•āđˆāļĨāļ°āļāļĨāļļāđˆāļĄāļ­āļ­āļāļˆāļēāļāļāļąāļ™āļāđ‡āđ„āļ”āđ‰āđ€āļŠāđˆāļ™āļāļąāļ™ āđ€āļ—āļ„āļ™āļīāļ„āļ—āļĩāđˆāđ€āļ›āđ‡āļ™āļ—āļĩāđˆāļ™āļīāļĒāļĄāđƒāļŠāđ‰āđƒāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ›āļĢāļ°āđ€āļ āļ—āļ™āļĩāđ‰ āđ€āļŠāđˆāļ™ āļāļēāļĢāļ—āļģ self-organizing maps, nearest-neighbor mapping, k-means clustering āđāļĨāļ°āđ€āļ—āļ„āļ™āļīāļ„ singular value decomposition āđ€āļ›āđ‡āļ™āļ•āđ‰āļ™ āđ‚āļ”āļĒāļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āļ™āļąāđ‰āļ™āļĒāļąāļ‡āļ–āļđāļāļ™āļģāļĄāļēāđƒāļŠāđ‰āđ€āļžāļ·āđˆāļ­āđāļšāđˆāļ‡āđāļĒāļāļŦāļąāļ§āđ€āļĢāļ·āđˆāļ­āļ‡āļ‚āļ­āļ‡āļ‚āđ‰āļ­āļ„āļ§āļēāļĄāļ•āđˆāļēāļ‡ āđ† āļ—āļģāļāļēāļĢāđāļ™āļ°āļ™āļģāļĢāļēāļĒāļāļēāļĢāļŦāļĢāļ·āļ­āļŠāļīāđˆāļ‡āļ•āđˆāļēāļ‡ āđ† āđāļĨāļ°āļ•āļĢāļ§āļˆāļŦāļēāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļœāļīāļ”āļ›āļāļ•āļīāđ„āļ”āđ‰āļ­āļĩāļāļ”āđ‰āļ§āļĒ

    āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āđāļšāļš Semisupervised learning āļ™āļąāđ‰āļ™ āđƒāļŠāđ‰āđƒāļ™āļŠāļ–āļēāļ™āļāļēāļĢāļ“āđŒāđ€āļ”āļĩāļĒāļ§āļāļąāļ™āļāļąāļš supervised learning āđāļ•āđˆāļ„āļ§āļēāļĄāđāļ•āļāļ•āđˆāļēāļ‡āļ„āļ·āļ­ āļĄāļĩāļāļēāļĢāđƒāļŠāđ‰āļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļąāđ‰āļ‡āđāļšāļš labeled data āđāļĨāļ° unlabeled data āđ€āļžāļ·āđˆāļ­āļāļēāļĢāļāļķāļāļāļ™āļĢāļ°āļšāļš āđ‚āļ”āļĒāļ—āļąāđˆāļ§āđ„āļ›āđāļĨāđ‰āļ§āļˆāļ°āđƒāļŠāđ‰āļ‚āđ‰āļ­āļĄāļđāļĨāđāļšāļš labeled āļˆāļģāļ™āļ§āļ™āļ™āđ‰āļ­āļĒ āļœāļŠāļĄāļāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāđāļšāļš unlabeled āļˆāļģāļ™āļ§āļ™āļĄāļēāļ (āļ—āļąāđ‰āļ‡āļ™āļĩāđ‰āđ€āļ™āļ·āđˆāļ­āļ‡āļˆāļēāļāļ‚āđ‰āļ­āļĄāļđāļĨāđāļšāļš unlabeled āļĄāļąāļāļĄāļĩāļ•āđ‰āļ™āļ—āļļāļ™āļ–āļđāļāļāļ§āđˆāļēāđāļĨāļ°āđ„āļ”āđ‰āļĄāļēāļ”āđ‰āļ§āļĒāļ„āļ§āļēāļĄāļ‡āđˆāļēāļĒāļ”āļēāļĒāļĄāļēāļāļāļ§āđˆāļē) āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āđƒāļ™āļĢāļđāļ›āđāļšāļšāļ”āļąāļ‡āļāļĨāđˆāļēāļ§āļ™āļĩāđ‰ āļŠāļēāļĄāļēāļĢāļ–āđƒāļŠāđ‰āļĢāđˆāļ§āļĄāļāļąāļšāđ€āļ—āļ„āļ™āļīāļ„āļ­āļ·āđˆāļ™ āđ† āđ€āļŠāđˆāļ™ āļāļēāļĢāļˆāļģāđāļ™āļāļ›āļĢāļ°āđ€āļ āļ—āļ‚āđ‰āļ­āļĄāļđāļĨ āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āļŠāļĄāļāļēāļĢāļ–āļ”āļ–āļ­āļĒ āļŦāļĢāļ·āļ­āļāļēāļĢāļ„āļēāļ”āļāļēāļĢāļ“āđŒāđāļĨāļ°āļžāļĒāļēāļāļĢāļ“āđŒ āđ‚āļ”āļĒ semisupervised learning āļ™āļąāđ‰āļ™ āļĄāļĩāļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāđ€āļĄāļ·āđˆāļ­āļ•āđ‰āļ™āļ—āļļāļ™āļ‚āļ­āļ‡āļāļēāļĢāļ—āļģ labeling āđƒāļŦāđ‰āđāļāđˆāļ‚āđ‰āļ­āļĄāļđāļĨāļ™āļąāđ‰āļ™āļŠāļđāļ‡āđ€āļāļīāļ™āļāļ§āđˆāļēāļ—āļĩāđˆāļˆāļ°āļ—āļģāļāļēāļĢāļāļķāļāļāļ™āļĢāļ°āļšāļšāļ”āđ‰āļ§āļĒāļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāđāļšāļš labeled āđ€āļ•āđ‡āļĄāļĢāļđāļ›āđāļšāļš āļ•āļąāļ§āļ­āļĒāđˆāļēāļ‡āđāļĢāļ āđ† āļ‚āļ­āļ‡āļāļēāļĢāđƒāļŠāđ‰āļ§āļīāļ˜āļĩāļ™āļĩāđ‰ āđ€āļŠāđˆāļ™ āļāļēāļĢāļĢāļ°āļšāļļāđāļĨāļ°āļˆāļ”āļˆāļģāđƒāļšāļŦāļ™āđ‰āļēāļ‚āļ­āļ‡āļšāļļāļ„āļ„āļĨāļ”āđ‰āļ§āļĒāļāļĨāđ‰āļ­āļ‡ webcam

    āļŠāđˆāļ§āļ™āļ§āļīāļ˜āļĩ Reinforcement learning āļ™āļąāđ‰āļ™ āļĄāļąāļāļ™āļģāļĄāļēāđƒāļŠāđ‰āļāļąāļšāļ”āđ‰āļēāļ™āļŦāļļāđˆāļ™āļĒāļ™āļ•āđŒ āļāļēāļĢāđ€āļĨāđˆāļ™āđ€āļāļĄāļ•āđˆāļēāļ‡ āđ† āđāļĨāļ°āļāļēāļĢāļ™āļģāļ—āļēāļ‡āđāļĨāļ°āļāļēāļĢāđ€āļ„āļĨāļ·āđˆāļ­āļ™āļ—āļĩāđˆ āļ”āđ‰āļ§āļĒāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļŠāļ™āļīāļ”āļ™āļĩāđ‰ āļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāļˆāļ°āļĨāļ­āļ‡āļœāļīāļ”āļĨāļ­āļ‡āļ–āļđāļāđāļĨāļ°āđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ§āđˆāļēāđ€āļŠāđ‰āļ™āļ—āļēāļ‡āļāļēāļĢāļ—āļģāļ‡āļēāļ™āđāļšāļšāđƒāļ”āļ—āļĩāđˆāđƒāļŦāđ‰āļœāļĨāļ•āļ­āļšāđāļ—āļ™āļ”āļĩāļ—āļĩāđˆāļŠāļļāļ” āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ›āļĢāļ°āđ€āļ āļ—āļ™āļĩāđ‰āļˆāļ°āđāļšāđˆāļ‡āļ­āļ‡āļ„āđŒāļ›āļĢāļ°āļāļ­āļšāļ­āļ­āļāđ€āļ›āđ‡āļ™āļŠāļēāļĄāļŠāđˆāļ§āļ™ āļ„āļ·āļ­ agent (āļœāļđāđ‰āđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļŦāļĢāļ·āļ­āļ•āļąāļ”āļŠāļīāļ™āđƒāļˆ āļ™āļąāđˆāļ™āļ„āļ·āļ­āļĢāļ°āļšāļš), environment (āļ—āļļāļāļŠāļīāđˆāļ‡āļ—āļĩāđˆ agent āļĄāļĩāļ›āļāļīāļŠāļąāļĄāļžāļąāļ™āļ˜āđŒāļ”āđ‰āļ§āļĒ) āđāļĨāļ° actions (āļŠāļīāđˆāļ‡āļ—āļĩāđˆ agent āļŠāļēāļĄāļēāļĢāļ–āđ€āļĨāļ·āļ­āļāļ›āļāļīāļšāļąāļ•āļīāđ„āļ”āđ‰) āđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāļ‚āļ­āļ‡āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ™āļĩāđ‰ āļ„āļ·āļ­āļāļēāļĢāđƒāļŦāđ‰ agent āđ€āļĨāļ·āļ­āļāļŦāļ™āļ—āļēāļ‡āļāļēāļĢāļ›āļāļīāļšāļąāļ•āļīāļ—āļĩāđˆāđƒāļŦāđ‰āļĢāļēāļ‡āļ§āļąāļĨāļŦāļĢāļ·āļ­āļœāļĨāļ•āļ­āļšāđāļ—āļ™āļŠāļđāļ‡āļ—āļĩāđˆāļŠāļļāļ”āđƒāļ™āļŠāđˆāļ§āļ‡āđ€āļ§āļĨāļēāļ—āļĩāđˆāļāļģāļŦāļ™āļ” āđ‚āļ”āļĒ agent āļŦāļĢāļ·āļ­āļ•āļąāļ§āļĢāļ°āļšāļšāļ™āļąāđ‰āļ™āļˆāļ°āļŠāļēāļĄāļēāļĢāļ–āļšāļĢāļĢāļĨāļļāđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāđ„āļ”āđ‰āļĢāļ§āļ”āđ€āļĢāđ‡āļ§āļ‚āļķāđ‰āļ™āļĄāļēāļāļŦāļēāļāļĄāļąāļ™āļĄāļĩāđāļ™āļ§āļ—āļēāļ‡āļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļž āļ”āļąāļ‡āļ™āļąāđ‰āļ™ āđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāļ‚āļ­āļ‡āđ€āļ—āļ„āļ™āļīāļ„ reinforcement learning āļ„āļ·āļ­āļāļēāļĢāļŠāļ­āļ™āđƒāļŦāđ‰āļĢāļ°āļšāļšāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ§āļīāļ–āļĩāļ—āļēāļ‡āđ„āļ›āļŠāļđāđˆāđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”

    āļœāļđāđ‰āđ€āļŠāļĩāđˆāļĒāļ§āļŠāļēāļāļ—āļĩāđˆāđ€āļ›āđ‡āļ™āļĄāļ™āļļāļĐāļĒāđŒ āļŠāļēāļĄāļēāļĢāļ–āļœāļĨāļīāļ•āđāļšāļšāļˆāļģāļĨāļ­āļ‡āđ€āļžāļ·āđˆāļ­āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļ—āļĩāđˆāļĄāļĩāļ„āļļāļ“āļ āļēāļžāđ„āļ”āđ‰āđ‚āļ”āļĒāđ€āļ‰āļĨāļĩāđˆāļĒāļ›āļĢāļ°āļĄāļēāļ“ 1-2 āļŠāļļāļ” āļ•āđˆāļ­āļŠāļąāļ›āļ”āļēāļŦāđŒ āđāļ•āđˆāļĢāļ°āļšāļšāļ—āļĩāđˆāļœāđˆāļēāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ­āļĒāđˆāļēāļ‡āļ”āļĩāđāļĨāđ‰āļ§ āļ­āļēāļˆāļŠāļĢāđ‰āļēāļ‡āđāļšāļšāļˆāļģāļĨāļ­āļ‡āđ„āļ”āđ‰āđ€āļ›āđ‡āļ™āļŦāļĨāļąāļāļžāļąāļ™āđƒāļ™āđāļ•āđˆāļĨāļ°āļŠāļąāļ›āļ”āļēāļŦāđŒāļ—āļĩāđ€āļ”āļĩāļĒāļ§

    Thomas H. Davenport, āļœāļđāđ‰āļ™āļģāļ—āļēāļ‡āļ„āļ§āļēāļĄāļ„āļīāļ”āļ”āđ‰āļēāļ™āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒ
    āļ„āļąāļ”āļ‚āđ‰āļ­āļ„āļ§āļēāļĄāļˆāļēāļ The Wall Street Journal

    āļ„āļ§āļēāļĄāđāļ•āļāļ•āđˆāļēāļ‡āļŠāļģāļ„āļąāļāļĢāļ°āļŦāļ§āđˆāļēāļ‡ data mining, machine learning āđāļĨāļ° deep learning

    āđāļĄāđ‰āļ§āđˆāļēāļ§āļīāļ˜āļĩāļāļēāļĢāđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āļˆāļ°āļĄāļĩāđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāđ€āļ”āļĩāļĒāļ§āļāļąāļ™āļ—āļąāļ‡āļŦāļĄāļ” āļ™āļąāđˆāļ™āļ„āļ·āļ­āļāļēāļĢāļŠāļāļąāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļĄāļĩāļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāļ­āļ­āļāļĄāļē āļĢāļ§āļĄāļ–āļķāļ‡āļĢāļđāļ›āđāļšāļšāđāļĨāļ°āļ„āļ§āļēāļĄāļŠāļąāļĄāļžāļąāļ™āļ˜āđŒāļ—āļĩāđˆāļŠāļēāļĄāļēāļĢāļ–āļ™āļģāļĄāļēāđƒāļŠāđ‰āđƒāļ™āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒ āđāļ•āđˆāļāđ‡āļĨāđ‰āļ§āļ™āļĄāļĩāļ§āļīāļ˜āļĩāđāļĨāļ°āļĢāļēāļĒāļĨāļ°āđ€āļ­āļĩāļĒāļ”āļ—āļĩāđˆāđāļ•āļāļ•āđˆāļēāļ‡āļāļąāļ™āļ­āļ­āļāđ„āļ›

    āļ­āļīāļ™āđ‚āļŸāļāļĢāļēāļŸāļŸāļīāļāđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļāļēāļĢāļ—āļģāđ€āļŦāļĄāļ·āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨ

    āļāļēāļĢāļ—āļģāđ€āļŦāļĄāļ·āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨ (Data Mining)

    āļāļēāļĢāļ—āļģāđ€āļŦāļĄāļ·āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨāļ™āļąāđ‰āļ™āļ­āļēāļˆāđ€āļĢāļĩāļĒāļāđ„āļ”āđ‰āļ§āđˆāļēāđ€āļ›āđ‡āļ™āļŦāļĄāļ§āļ”āļŦāļĄāļđāđˆāđƒāļŦāļāđˆāļ‚āļ­āļ‡āļāļĢāļĢāļĄāļ§āļīāļ˜āļĩāļāļēāļĢāļŠāļāļąāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāđ€āļŠāļīāļ‡āļĨāļķāļāļˆāļēāļāļŠāļļāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāļŦāļĨāļēāļāļŦāļĨāļēāļĒāļĢāļđāļ›āđāļšāļš āļ‹āļķāđˆāļ‡āļ­āļēāļˆāļ­āļēāļĻāļąāļĒāļ—āļąāđ‰āļ‡āļ§āļīāļ˜āļĩāļāļēāļĢāļ—āļēāļ‡āļŠāļ–āļīāļ•āļīāļ›āļāļ•āļī āđāļĨāļ°āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĢāđˆāļ§āļĄāļāļąāļ™ āļāļēāļĢāļ—āļģāđ€āļŦāļĄāļ·āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨāļ™āļąāđ‰āļ™ āļ­āļēāļĻāļąāļĒāļ§āļīāļ˜āļĩāļāļēāļĢāļ—āļģāļ‡āļēāļ™āļˆāļēāļāļŦāļĨāļēāļāļŦāļĨāļēāļĒāļŠāļēāļ‚āļēāļ§āļīāļ—āļĒāļēāļāļēāļĢāļ”āđ‰āļ§āļĒāļāļąāļ™ āđ€āļžāļ·āđˆāļ­āļĢāļ°āļšāļļāđāļĨāļ°āļ„āđ‰āļ™āļžāļšāļĢāļđāļ›āđāļšāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ‹āļķāđˆāļ‡āļ‹āđˆāļ­āļ™āļ­āļĒāļđāđˆ āļ§āļīāļ˜āļĩāļāļēāļĢāđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āļĄāļĩāļĄāļēāļāļĄāļēāļĒāļ•āļąāđ‰āļ‡āđāļ•āđˆāļāļēāļĢāđƒāļŠāđ‰āļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāļ—āļēāļ‡āļŠāļ–āļīāļ•āļī āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡ āļāļēāļĢāļ—āļģāļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļ‚āđ‰āļ­āļĄāļđāļĨāļ›āļĢāļ°āđ€āļ āļ—āļ‚āđ‰āļ­āļ„āļ§āļēāļĄ āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāđāļšāļšāļ­āļ™āļļāļāļĢāļĄāđ€āļ§āļĨāļē āđāļĨāļ°āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāđāļšāļšāļ­āļ·āđˆāļ™ āđ† āđāļĨāļ°āļāļēāļĢāļ—āļģāđ€āļŦāļĄāļ·āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨāļ™āļąāđ‰āļ™āļĒāļąāļ‡āļĢāļ§āļĄāļ–āļķāļ‡āļāļēāļĢāļĻāļķāļāļĐāļēāđāļĨāļ°āļ”āļģāđ€āļ™āļīāļ™āļ‡āļēāļ™āļ—āļĩāđˆāđ€āļāļĩāđˆāļĒāļ§āļ‚āđ‰āļ­āļ‡āļāļąāļšāļāļēāļĢāđ€āļāđ‡āļšāļĢāļąāļāļĐāļēāđāļĨāļ°āļāļēāļĢāļšāļĢāļīāļŦāļēāļĢāļˆāļąāļ”āļāļēāļĢ āđ„āļ›āļˆāļ™āļ–āļķāļ‡āļāļēāļĢāđāļ›āļĨāļ‡āļ‚āđ‰āļ­āļĄāļđāļĨāđ„āļ”āđ‰āļ­āļĩāļāļ”āđ‰āļ§āļĒ

     

    āļ­āļīāļ™āđ‚āļŸāļāļĢāļēāļŸāļŸāļīāļāđ€āļāļĩāđˆāļĒāļ§āļāļąāļš Machine Learning

    āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡ (Machine Learning)

    āļ„āļ§āļēāļĄāđāļ•āļāļ•āđˆāļēāļ‡āļŦāļĨāļąāļāļ‚āļ­āļ‡ machine learning āļ™āļąāđ‰āļ™āļ„āļ·āļ­ āđ€āļ›āđ‰āļēāļŦāļĄāļēāļĒāļŦāļĨāļąāļāļ‚āļ­āļ‡āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ„āļ·āļ­āļāļēāļĢāļžāļĒāļēāļĒāļēāļĄāļ—āļģāļ„āļ§āļēāļĄāđ€āļ‚āđ‰āļēāđƒāļˆāđ‚āļ„āļĢāļ‡āļŠāļĢāđ‰āļēāļ‡āļ‚āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨ āđ€āļŠāđˆāļ™āđ€āļ”āļĩāļĒāļ§āļāļąāļšāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ—āļēāļ‡āļŠāļ–āļīāļ•āļīāļ•āđˆāļēāļ‡ āđ† āļŦāļĢāļ·āļ­āļ„āļ·āļ­āļāļēāļĢāļ™āļģāļāļēāļĢāļāļĢāļ°āļˆāļēāļĒāļ•āļąāļ§āļ—āļēāļ‡āļ—āļĪāļĐāļŽāļĩāļŠāļ–āļīāļ•āļī āļĄāļēāļˆāļąāļšāđ€āļ›āļĢāļĩāļĒāļšāđ€āļ—āļĩāļĒāļšāđ€āļ‚āđ‰āļēāļāļąāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļœāđˆāļēāļ™āļāļēāļĢāļ—āļģāļ„āļ§āļēāļĄāđ€āļ‚āđ‰āļēāđƒāļˆāļ­āļĒāđˆāļēāļ‡āļ”āļĩāđāļĨāđ‰āļ§ āļ‡āļēāļ™āļ”āđ‰āļēāļ™āļŠāļ–āļīāļ•āļīāļ™āļąāđ‰āļ™ āļĄāļąāļāļĄāļĩāļ—āļĪāļĐāļŽāļĩāļ—āļĩāđˆāđ„āļ”āđ‰āļĢāļąāļšāļāļēāļĢāļžāļīāļŠāļđāļˆāļ™āđŒāļ—āļēāļ‡āļ„āļ“āļīāļ•āļĻāļēāļŠāļ•āļĢāđŒāļĢāļ­āļ‡āļĢāļąāļšāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ•āđˆāļēāļ‡ āđ† āđ„āļ§āđ‰ āđāļ•āđˆāļāđ‡āļĒāļąāļ‡āļ•āđ‰āļ­āļ‡āļ­āļēāļĻāļąāļĒāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļ•āļĢāļ‡āļ•āļēāļĄāļ‚āđ‰āļ­āļāļģāļŦāļ™āļ”āļ—āļĩāđˆāđ€āļ„āļĢāđˆāļ‡āļ„āļĢāļąāļ”āļ‚āļ­āļ‡āļ—āļĪāļĐāļŽāļĩāļ™āļąāđ‰āļ™ āđ† āļ”āđ‰āļ§āļĒ āļ—āļąāđ‰āļ‡āļ™āļĩāđ‰ āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩ machine learning āļ–āļđāļāļžāļąāļ’āļ™āļēāļ‚āļķāđ‰āļ™āļ”āđ‰āļ§āļĒāļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āđƒāļ™āļāļēāļĢāđƒāļŠāđ‰āļ„āļ­āļĄāļžāļīāļ§āđ€āļ•āļ­āļĢāđŒāđ€āļžāļ·āđˆāļ­āļŠāļģāļĢāļ§āļˆāļŦāļēāđ‚āļ„āļĢāļ‡āļŠāļĢāđ‰āļēāļ‡āđƒāļ™āļŠāļļāļ”āļ‚āđ‰āļ­āļĄāļđāļĨ āđāļĄāđ‰āļ§āđˆāļēāđ€āļĢāļēāļˆāļ°āđ„āļĄāđˆāļ—āļĢāļēāļšāđ€āļĨāļĒāļ§āđˆāļēāđ‚āļ„āļĢāļ‡āļŠāļĢāđ‰āļēāļ‡āļ™āļąāđ‰āļ™āđ€āļ›āđ‡āļ™āļ­āļĒāđˆāļēāļ‡āđ„āļĢ āđāļĨāļ°āđ„āļĄāđˆāļĄāļĩāļ—āļĪāļĐāļŽāļĩāļĢāļ­āļ‡āļĢāļąāļš āļāļēāļĢāļ—āļ”āļŠāļ­āļšāļŦāļēāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļŠāļģāļŦāļĢāļąāļšāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ™āļąāđ‰āļ™āļˆāļķāļ‡āđ€āļ›āđ‡āļ™āļāļēāļĢāļ—āļ”āļŠāļ­āļšāļ„āđˆāļēāļ„āļ§āļēāļĄāļœāļīāļ”āļžāļĨāļēāļ”āļˆāļēāļāļŠāļļāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāđƒāļŦāļĄāđˆ āđ† āļĄāļīāđƒāļŠāđˆāļāļēāļĢāļ—āļ”āļŠāļ­āļšāļŠāļĄāļĄāļ•āļīāļāļēāļ™āļ•āļēāļĄāļ—āļĪāļĐāļŽāļĩāļ—āļĩāđˆāļĄāļĩāļāļēāļĢāļ•āļąāđ‰āļ‡āđ„āļ§āđ‰āđāļĨāđ‰āļ§ āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ™āļąāđ‰āļ™ āļŠāļēāļĄāļēāļĢāļ–āļ”āļģāđ€āļ™āļīāļ™āļāļēāļĢāđ‚āļ”āļĒāļ­āļąāļ•āđ‚āļ™āļĄāļąāļ•āļīāđ„āļ”āđ‰ āđ€āļ™āļ·āđˆāļ­āļ‡āļˆāļēāļāļāļēāļĢāļ—āļģāļ‡āļēāļ™āļĄāļąāļāļ­āļēāļĻāļąāļĒāļāļēāļĢāļ—āļģāļ‹āđ‰āļģ (iteration) āđƒāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļˆāļēāļāļŠāļļāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāļ•āđˆāļēāļ‡ āđ† āđ‚āļ”āļĒāļĄāļĩāļāļēāļĢāļĢāļąāļ™āđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ‹āđ‰āļģ āđ† āļˆāļ™āļāļ§āđˆāļēāļˆāļ°āļžāļšāļĢāļđāļ›āđāļšāļšāļ‚āđ‰āļ­āļĄāļđāļĨāļ—āļĩāđˆāļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļžāđƒāļ™āļāļēāļĢāđƒāļŠāđ‰āļ‡āļēāļ™āļˆāļĢāļīāļ‡

    āļ­āļīāļ™āđ‚āļŸāļāļĢāļēāļŸāļŸāļīāļāđ€āļāļĩāđˆāļĒāļ§āļāļąāļš deep learning

    Deep learning

    āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩ deep learning āļ™āļąāđ‰āļ™ āļœāļŠāļĄāļœāļŠāļēāļ™āļ„āļ§āļēāļĄāļāđ‰āļēāļ§āļŦāļ™āđ‰āļēāļ—āļēāļ‡āđ€āļ—āļ„āđ‚āļ™āđ‚āļĨāļĒāļĩāļ”āđ‰āļēāļ™āļžāļĨāļąāļ‡āļāļēāļĢāļ„āļģāļ™āļ§āļ“āđ€āļ‚āđ‰āļēāļāļąāļšāđ€āļ„āļĢāļ·āļ­āļ‚āđˆāļēāļĒ neural networks āļĢāļđāļ›āđāļšāļšāļžāļīāđ€āļĻāļĐ āđ€āļžāļ·āđˆāļ­āļ—āļģāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļĢāļđāļ›āđāļšāļšāļ—āļĩāđˆāļ‹āļąāļšāļ‹āđ‰āļ­āļ™āļ—āļĩāđˆāļ­āļĒāļđāđˆāđƒāļ™āļŠāļļāļ”āļ‚āđ‰āļ­āļĄāļđāļĨāļ‚āļ™āļēāļ”āļĄāļŦāļķāļĄāļē āđƒāļ™āļ›āļąāļˆāļˆāļļāļšāļąāļ™āļ™āļĩāđ‰ āđ€āļ—āļ„āļ™āļīāļ„āļ”āđ‰āļēāļ™ deep learning āļˆāļąāļ”āđ€āļ›āđ‡āļ™āļ„āļ§āļēāļĄāļāđ‰āļēāļ§āļŦāļ™āđ‰āļēāļĢāļ°āļ”āļąāļšāđāļ™āļ§āļŦāļ™āđ‰āļēāļŠāļļāļ”āđƒāļ™āļāļēāļĢāļĢāļ°āļšāļļāļ§āļąāļ•āļ–āļļāļˆāļēāļāļ āļēāļž āđāļĨāļ°āļĢāļ°āļšāļļāļ„āļģāļ•āđˆāļēāļ‡ āđ† āļˆāļēāļāļ‚āđ‰āļ­āļĄāļđāļĨāđ€āļŠāļĩāļĒāļ‡ āļ™āļąāļāļ§āļīāļˆāļąāļĒāļāļģāļĨāļąāļ‡āļ—āļģāļāļēāļĢāļ„āđ‰āļ™āļ„āļ§āđ‰āļēāļ§āļīāļ˜āļĩāļāļēāļĢāļ™āļģāļ„āļ§āļēāļĄāļŠāļģāđ€āļĢāđ‡āļˆāđ€āļŦāļĨāđˆāļēāļ™āļĩāđ‰āļĄāļēāļ›āļĢāļ°āļĒāļļāļāļ•āđŒāđƒāļŠāđ‰āļāļąāļšāļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāļĒāļēāļāļĒāļīāđˆāļ‡āļ‚āļķāđ‰āļ™āđ€āļŠāđˆāļ™ āļāļēāļĢāđāļ›āļĨāļ āļēāļĐāļēāđ‚āļ”āļĒāļ­āļąāļ•āđ‚āļ™āļĄāļąāļ•āļī āļāļēāļĢāļ§āļīāļ™āļīāļˆāļ‰āļąāļĒāđ‚āļĢāļ„āļ—āļēāļ‡āļāļēāļĢāđāļžāļ—āļĒāđŒ āđāļĨāļ°āļ›āļĢāļ°āđ€āļ”āđ‡āļ™āļ—āļēāļ‡āļŠāļąāļ‡āļ„āļĄāđāļĨāļ°āļ˜āļļāļĢāļāļīāļˆāļ—āļĩāđˆāļŠāļģāļ„āļąāļāļ­āļ·āđˆāļ™ āđ†

    āļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ‚āļ­āļ‡āļšāļīāđŠāļāļ”āļēāļ•āđ‰āļē

    āļāļēāļĢāļ—āļĩāđˆāļ„āļļāļ“āļˆāļ°āđ„āļ”āđ‰āļĢāļąāļšāļœāļĨāļĨāļąāļžāļ˜āđŒāļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”āļˆāļēāļāļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļ”āđ‰āļēāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ™āļąāđ‰āļ™ āļ„āļļāļ“āļˆāļ°āļ•āđ‰āļ­āļ‡āļĢāļđāđ‰āļ§āļīāļ˜āļĩāļāļēāļĢāļˆāļąāļšāļ„āļđāđˆāļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāļŠāļąāđ‰āļ™āđ€āļĨāļīāļĻāļ—āļĩāđˆāļ„āļļāļ“āļĄāļĩāļ­āļĒāļđāđˆāđƒāļŦāđ‰āđ€āļŦāļĄāļēāļ°āļŠāļĄāļāļąāļšāđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļ·āļ­āđāļĨāļ°āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢ SAS āļ—āļģāļāļēāļĢāļœāļŠāļĄāļœāļŠāļēāļ™āļ„āļ§āļēāļĄāļŠāļģāļ™āļēāļāļ‚āļ­āļ‡āđ€āļĢāļēāļ—āļĩāđˆāļĄāļĩāļĄāļēāļ™āļēāļ™āļ—āļąāđ‰āļ‡āļ”āđ‰āļēāļ™āļŠāļ–āļīāļ•āļīāđāļĨāļ°āļāļēāļĢāļ—āļģāđ€āļŦāļĄāļ·āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨāđ€āļ‚āđ‰āļēāļāļąāļšāļ™āļ§āļąāļ•āļāļĢāļĢāļĄāđƒāļŦāļĄāđˆāļ—āļĩāđˆāļĨāđ‰āļģāļŠāļĄāļąāļĒ āđ€āļžāļ·āđˆāļ­āđƒāļŦāđ‰āļĄāļąāđˆāļ™āđƒāļˆāļ§āđˆāļēāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ‚āļ­āļ‡āļ„āļļāļ“āļˆāļ°āļŠāļēāļĄāļēāļĢāļ–āļ—āļģāļ‡āļēāļ™āđ„āļ”āđ‰āļ­āļĒāđˆāļēāļ‡āļ‰āļąāļšāđ„āļ§āļ—āļĩāđˆāļŠāļļāļ” āđāļĄāđ‰āđāļ•āđˆāđƒāļ™āļ­āļ‡āļ„āđŒāļāļĢāļ‚āļ™āļēāļ”āļĒāļąāļāļĐāđŒāđƒāļŦāļāđˆāļ—āļĩāđˆāļĄāļĩāļ‚āđ‰āļ­āļĄāļđāļĨāļĄāļŦāļēāļĻāļēāļĨ

    āļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄ: āļ­āļīāļ™āđ€āļ•āļ­āļĢāđŒāđ€āļŸāļŠāđ€āļŠāļīāļ‡āļ āļēāļžāļ‚āļ­āļ‡ SAS āļˆāļ°āļŠāđˆāļ§āļĒāđƒāļŦāđ‰āļœāļđāđ‰āđƒāļŠāđ‰āļ‡āļēāļ™āļ‚āļ­āļ‡āļ„āļļāļ“āļŠāļēāļĄāļēāļĢāļ–āļŠāļĢāđ‰āļēāļ‡āđāļšāļšāļˆāļģāļĨāļ­āļ‡āđ€āļžāļ·āđˆāļ­āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡ āđāļĨāļ°āļ”āļģāđ€āļ™āļīāļ™āļāļēāļĢāļ—āļģāļ‡āļēāļ™āļ—āļĩāđˆāđ€āļāļĩāđˆāļĒāļ§āļ‚āđ‰āļ­āļ‡āđ„āļ”āđ‰āļ­āļĒāđˆāļēāļ‡āļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļž āļ„āļļāļ“āļŠāļēāļĄāļēāļĢāļ–āđƒāļŠāđ‰āļ‡āļēāļ™āļĢāļ°āļšāļšāļ‚āļ­āļ‡āđ€āļĢāļēāđ„āļ”āđ‰āļ­āļĒāđˆāļēāļ‡āļĄāļĩāļ›āļĢāļ°āļŠāļīāļ—āļ˜āļīāļ āļēāļž āđāļĄāđ‰āļ§āđˆāļēāļ„āļļāļ“āļˆāļ°āđ„āļĄāđˆāđ„āļ”āđ‰āđ€āļ›āđ‡āļ™āļ™āļąāļāļŠāļ–āļīāļ•āļīāđƒāļ™āļĢāļ°āļ”āļąāļšāļ—āļĩāđˆāļ‹āļąāļšāļ‹āđ‰āļ­āļ™āļāđ‡āļ•āļēāļĄ āđ‚āļ”āļĒāđ€āļĢāļēāļĄāļĩāļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāđ€āļžāļ·āđˆāļ­āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļēāļāļĄāļēāļĒ āļ‹āļķāđˆāļ‡āļˆāļ°āļžāļĢāđ‰āļ­āļĄāļŠāđˆāļ§āļĒāđƒāļŦāđ‰āļ„āļļāļ“āđ„āļ”āđ‰āļĢāļąāļšāļĄāļđāļĨāļ„āđˆāļēāđāļĨāļ°āļ™āļąāļĒāļĒāļ°āļ—āļĩāđˆāļĄāļĩāļ›āļĢāļ°āđ‚āļĒāļŠāļ™āđŒāļ­āļĒāđˆāļēāļ‡āļĒāļīāđˆāļ‡āļˆāļēāļāļ‚āđ‰āļ­āļĄāļđāļĨ big data āļ‚āļ­āļ‡āļ„āļļāļ“ āļžāļĢāđ‰āļ­āļĄāļāļąāļšāļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļ‚āļ­āļ‡āļœāļĨāļīāļ•āļ āļąāļ“āļ‘āđŒāļ­āļ·āđˆāļ™ āđ† āļ‚āļ­āļ‡ SAS āļ­āļĩāļāļ”āđ‰āļ§āļĒ āļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāļ”āđ‰āļēāļ™āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļˆāļēāļ SAS āļ™āļąāđ‰āļ™ āļˆāļ°āļ›āļĢāļ°āļāļ­āļšāļ”āđ‰āļ§āļĒāļ‚āļĩāļ”āļ„āļ§āļēāļĄāļŠāļēāļĄāļēāļĢāļ–āļ—āļĩāđˆāļŦāļĨāļēāļāļŦāļĨāļēāļĒ āļ­āļąāļ™āđ„āļ”āđ‰āđāļāđˆ:

    āļĢāļ°āļšāļš Neural networks
     
    āđāļœāļ™āļœāļąāļ‡āđāļšāļš Decision trees
     
    āđ€āļ—āļ„āļ™āļīāļ„ Random forests
     
    āļāļēāļĢāđƒāļŠāđ‰ Associations and sequence discovery
     
    āļāļēāļĢāļ—āļģ Gradient boosting and bagging
     
    āļāļēāļĢāđƒāļŠāđ‰ Support vector machines
     
    āđ€āļ—āļ„āļ™āļīāļ„ Nearest-neighbor mapping
     
    āđ€āļ—āļ„āļ™āļīāļ„ k-means clustering
     
    āļāļēāļĢāđƒāļŠāđ‰ Self-organizing maps
     
    āļāļēāļĢāđƒāļŠāđ‰āđ€āļ—āļ„āļ™āļīāļ„ Local search optimization techniques (āđ€āļŠāđˆāļ™āļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāđāļšāļšāļŠāļēāļĄāļąāļāļŦāļĢāļ·āļ­ generic algorithms)
     
    āđ€āļ—āļ„āļ™āļīāļ„ Expectation maximization
     
    āļāļēāļĢāļ—āļģ Multivariate adaptive regression splines
     
    āļāļēāļĢāļ—āļģ Bayesian networks
     
    āļāļēāļĢāļ—āļģ Kernel density estimation
     
    āļāļēāļĢāļ—āļģ Principal component analysis
     
    āļāļēāļĢāļ—āļģ Singular value decomposition
     
    āļāļēāļĢāļ—āļģ Gaussian mixture models
     
    āļāļēāļĢāļ—āļģ Sequential covering rule building
     

     

    āđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļĄāļ·āļ­āđāļĨāļ°āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļ•āđˆāļēāļ‡ āđ†: āļ›āļąāļˆāļˆāļļāļšāļąāļ™āļ™āļĩāđ‰āđ€āļĢāļēāļ—āļĢāļēāļšāļ”āļĩāđāļĨāđ‰āļ§āļ§āđˆāļēāļ„āļ§āļēāļĄāļŠāļģāđ€āļĢāđ‡āļˆāđ„āļĄāđˆāđ„āļ”āđ‰āđ€āļāļīāļ”āļˆāļēāļāļāļēāļĢāļĄāļĩāļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāļŠāļąāđ‰āļ™āļĒāļ­āļ”āđ€āļžāļĩāļĒāļ‡āđ€āļ—āđˆāļēāļ™āļąāđ‰āļ™ āļŦāļēāļāđāļ•āđˆāđ€āļ„āļĨāđ‡āļ”āļĨāļąāļšāļŠāļđāđˆāļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āļĄāļđāļĨāļ„āđˆāļēāļŠāļđāļ‡āļŠāļļāļ”āļˆāļēāļāļ‚āđ‰āļ­āļĄāļđāļĨ big data āļ‚āļ­āļ‡āļ„āļļāļ“āļ™āļąāđ‰āļ™ āļĄāļēāļˆāļēāļāļāļēāļĢāļˆāļąāļšāļ„āļđāđˆāļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāļĢāļ°āļ”āļąāļšāđāļ™āļ§āļŦāļ™āđ‰āļēāļ‚āļ­āļ‡āļ„āļļāļ“āđ€āļ‚āđ‰āļēāļāļąāļšāļ‡āļēāļ™āļ—āļĩāđˆāđ€āļŦāļĄāļēāļ°āļŠāļĄāļāļąāļšāļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāđāļ•āđˆāļĨāļ°āļ›āļĢāļ°āđ€āļ āļ—āļ”āđ‰āļ§āļĒ:

    āļĄāļīāļ•āļīāļ”āđ‰āļēāļ™āļ„āļļāļ“āļ āļēāļžāļ‚āļ­āļ‡āļ‚āđ‰āļ­āļĄāļđāļĨ āđāļĨāļ°āļāļēāļĢāļšāļĢāļīāļŦāļēāļĢāļˆāļąāļ”āļāļēāļĢāļ—āļĩāđˆāļ„āļĢāļšāļ§āļ‡āļˆāļĢ
     
    GUIs āđ€āļžāļ·āđˆāļ­āļāļēāļĢāļŠāļĢāđ‰āļēāļ‡āđāļšāļšāļˆāļģāļĨāļ­āļ‡āđāļĨāļ°āļ—āļģ process flows
     
    āļāļĢāļ°āļšāļ§āļ™āļāļēāļĢāļŠāļģāļĢāļ§āļˆāđāļĨāļ°āđāļŠāļ”āļ‡āļœāļĨāļ‚āđ‰āļ­āļĄāļđāļĨ āļƒāđāļĨāļ°āļœāļĨāļĨāļąāļžāļ˜āđŒāļˆāļēāļāđāļšāļšāļˆāļģāļĨāļ­āļ‡ āļƒāļ—āļĩāđˆāļžāļĢāđ‰āļ­āļĄāļ•āļ­āļšāļŠāļ™āļ­āļ‡āļāļąāļšāļ„āļļāļ“
     
    āļāļēāļĢāđ€āļ›āļĢāļĩāļĒāļšāđ€āļ—āļĩāļĒāļšāđāļšāļšāļˆāļģāļĨāļ­āļ‡āđ€āļžāļ·āđˆāļ­āļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡āļ•āđˆāļēāļ‡ āđ† āđ€āļžāļ·āđˆāļ­āļāļēāļĢāļĢāļ°āļšāļļāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”    
     
    āļāļēāļĢāļ›āļĢāļ°āđ€āļĄāļīāļ™āđāļĨāļ°āđƒāļŦāđ‰āļ„āļ°āđāļ™āļ™āđāļšāļšāļˆāļģāļĨāļ­āļ‡āđāļšāļš ensemble model āđ€āļžāļ·āđˆāļ­āļ—āļĢāļēāļšāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļ—āļĩāđˆāļ”āļĩāļ—āļĩāđˆāļŠāļļāļ”
     
    āļāļēāļĢāļ™āļģāđāļšāļšāļˆāļģāļĨāļ­āļ‡āļĄāļēāđƒāļŠāđ‰āļ‡āļēāļ™āļ—āļĩāđˆāļŠāļ°āļ”āļ§āļāļĢāļ§āļ”āđ€āļĢāđ‡āļ§āđ€āļžāļ·āđˆāļ­āđƒāļŦāđ‰āļ„āļļāļ“āđ„āļ”āđ‰āļĢāļąāļšāļœāļĨāļĨāļąāļžāļ˜āđŒāļ—āļĩāđˆāļāļĢāļ°āļ—āļģāļ‹āđ‰āļģāđ„āļ”āđ‰āđāļĨāļ°āļ™āđˆāļēāđ€āļŠāļ·āđˆāļ­āļ–āļ·āļ­āļ­āļĒāđˆāļēāļ‡āļ—āļąāļ™āļāļēāļĢāļ“āđŒ
     
    āđāļžāļĨāļ•āļŸāļ­āļĢāđŒāļĄāļ—āļĩāđˆāļĄāļĩāļāļēāļĢāļœāļŠāļēāļ™āļ‡āļēāļ™āļĢāļ°āļŦāļ§āđˆāļēāļ‡āļ—āļļāļāļŠāđˆāļ§āļ™ āđ€āļžāļ·āđˆāļ­āļāļēāļĢāļ”āļģāđ€āļ™āļīāļ™āļ‡āļēāļ™āļ­āļĒāđˆāļēāļ‡āļ„āļĢāļšāļ§āļ‡āļˆāļĢ āļ•āļąāđ‰āļ‡āđāļ•āđˆāļ‚āļąāđ‰āļ™āļāļēāļĢāļ—āļģāļ‚āđ‰āļ­āļĄāļđāļĨ āļˆāļ™āļ–āļķāļ‡āļāļēāļĢāļ•āļąāļ”āļŠāļīāļ™āđƒāļˆāļ—āđ‰āļēāļĒāļŠāļļāļ”
     

    āļŦāļēāļāļ„āļļāļ“āļ•āđ‰āļ­āļ‡āļāļēāļĢāļ‚āđ‰āļ­āļĄāļđāļĨāđāļĨāļ°āļ„āļģāđāļ™āļ°āļ™āļģāļžāļ·āđ‰āļ™āļāļēāļ™āđ€āļāļĩāđˆāļĒāļ§āļāļąāļšāļāļēāļĢāđ€āļĨāļ·āļ­āļāđƒāļŠāđ‰āļ­āļąāļĨāļāļ­āļĢāļīāļ—āļķāļĄāļāļēāļĢāđ€āļĢāļĩāļĒāļ™āļĢāļđāđ‰āļ‚āļ­āļ‡āđ€āļ„āļĢāļ·āđˆāļ­āļ‡ (machine learning algorithms) āļŠāļģāļŦāļĢāļąāļšāļ‡āļēāļ™āđāļ•āđˆāļĨāļ°āļ›āļĢāļ°āđ€āļ āļ— āļ‚āļ­āđ€āļŠāļīāļāļŠāļĄ blog āļ™āļĩāđ‰ āļ‹āļķāđˆāļ‡āļˆāļąāļ”āļ—āļģāļ‚āļķāđ‰āļ™āđ‚āļ”āļĒāļ„āļļāļ“ Hui Li āļ‹āļķāđˆāļ‡āđ€āļ›āđ‡āļ™āļœāļđāđ‰āđ€āļŠāļĩāđˆāļĒāļ§āļŠāļēāļāļ”āđ‰āļēāļ™āļāļēāļĢāļ§āļīāđ€āļ„āļĢāļēāļ°āļŦāđŒāļ‚āđ‰āļ­āļĄāļđāļĨ (data scientist) āļ‚āļ­āļ‡ SAS āļ‹āļķāđˆāļ‡āļĢāļ§āļšāļĢāļ§āļĄāļ‚āđ‰āļ­āļĄāļđāļĨāļŠāļģāļ„āļąāļ āđ† āđ„āļ§āđ‰āđƒāļŦāđ‰āđāļāđˆāļ„āļļāļ“āļ­āļĒāđˆāļēāļ‡āļ„āļĢāļšāļ–āđ‰āļ§āļ™āļ—āļĩāđˆāļ™āļĩāđˆ