2009-02-10 13 views
6

Disculpas de antemano si esto es demasiado vago.¿Cuáles son algunas aplicaciones de importancia económica del aprendizaje automático?

Mi lista hasta el momento:

  • arbitraje estadístico
  • ciencia actuarial
  • control de procesos de fabricación
  • procesamiento de imágenes (la seguridad, la fabricación, tratamiento de imágenes médicas)
  • diseño computacional biología/drogas
  • sabermetrics
  • gestión del rendimiento
  • investigación de operaciones/logística (Voy incluyen inteligencia empresarial con esto)
  • comercialización (predicción preferencia, el diseño de encuestas/análisis, publicación de anuncios online)
  • lingüística computacional (Google, recuperación de información, .. .)
  • pruebas educativas
  • epidemiología
  • criminología (detección de fraudes, lucha contra el terrorismo, ...)
  • la puntuación de crédito del consumidor
  • correo no deseado de detección de errores
  • hallazgo, la detección de virus, la seguridad informática

¿Hay artículos, libros o revistas que abordan esta cuestión? El único libro que he visto es Supercrunchers, que se centra en las preferencias del consumidor y no mucho más.

+0

No entiendo por qué las personas están cerrando esto: me parece una pregunta razonable relacionada con CS. – ChrisW

+0

@ChrisW: No es una pregunta razonable, antes que nada, es un pensamiento incompleto. Además, este no es un sitio para preguntas de CS. Es un sitio para preguntas de programación. Hay una diferencia después de todo. – GEOCHET

+1

La pregunta está en el título. Además, las preguntas sobre las * aplicaciones * de CS * son * IMO relacionadas con la programación (aunque es cierto que en este caso la pregunta es "¿qué?", ​​"¿Dónde?" Y/o "¿por qué?" En lugar de "cómo" ? "). – ChrisW

Respuesta

5

hay un montón de campos que utilizan la máquina de aprendizaje:

  • la introducción de texto predictivo (Support Vector Machines)
  • Computer Vision
  • Juego A.I.
  • percepción robótica (clasificación y detección)
  • Genómica
  • reconocimiento de escritura a mano (el servicio postal de Estados Unidos utiliza redes neuronales para la clasificación de correo, por ejemplo)
  • la tarjeta de crédito de detección de fraude
  • Localización (Kalman filters, particle filters)
  • Preferencia Predicción (Netflix, Amazon)

EDIT:

Si buscas en la lista de lavandería todas las aplicaciones de aprendizaje automático, creo que encontrarás que el problema es insoluble. El aprendizaje automático como campo se centra principalmente en la tarea de utilizar datos para construir un modelo que pueda asignar entradas a un conjunto deseado de resultados. Los campos que lo utilizan crecen constantemente, mientras la gente imagina nuevas aplicaciones para el aprendizaje automático.Si esto ayuda, típicamente el aprendizaje automático es más poderoso cuando el mapeo entre las entradas y las salidas no se puede describir bien, el espacio de mapeo es demasiado dimensional para procesarlo de manera razonable y/o necesita ser adaptable a lo largo del tiempo.

Si sólo va en busca de lugares para leer sobre las aplicaciones de aprendizaje automático, se puede echar un vistazo a la siguiente:

Otra buena opción sería golpear hasta sitios web universitarios que tienen A.I., programas CS, matemáticas, robótica o fuertes y ver si tienen los materiales del curso de interés. Sé, por ejemplo, que CMU, MIT y Stanford suelen tener muchas notas de curso en línea que a menudo mencionan aplicaciones para varias técnicas.

+0

+1 para la ANN del Servicio Postal, iba a mencionar precisamente esa –

1

Algunos otros:

  • diagnóstico médico
  • visualización de datos
  • software adaptativo
  • Video/Audio Fingerprinting
  • Inteligencia Militar
  • compresión
  • control
  • Diseño
  • Optimización

Los dos últimos puede caer bajo "investigación de operaciones".

2

Algunos fondos de cobertura (como Renaissance Technologies) utilizan varias técnicas de aprendizaje automático para crear algoritmos de negociación de caja negra. Los que lo hacen bien, básicamente, imprimen dinero.

En general, algunas de las tecnologías de administración de riesgo/arbitraje más sofisticadas usan varios grados de aprendizaje automático y gastan bastante dinero escribiendo ese tipo de software.

0

Interfaces de usuario adaptadas y personalizadas. Los ejemplos pueden incluir: sugerencias de búsqueda, jugabilidad, diseño de la aplicación ... etc.

Cuestiones relacionadas