Predictive AI ምንድን ነው?

Predictive AI ምንድን ነው?

መተንበይ AI የሚያምር ይመስላል፣ ግን ሀሳቡ ቀላል ነው፡ ቀጥሎ ምን እንደሚፈጠር ለመገመት ያለፈውን መረጃ ይጠቀሙ። ከየትኛው ደንበኛ ወደ ማሽን አገልግሎት ወደሚፈልግበት ጊዜ፣ ታሪካዊ ንድፎችን ወደ ፊት እይታ ምልክቶች መቀየር ነው። አስማት አይደለም - ሒሳብ የተመሰቃቀለውን እውነታ ማሟላት፣ በትንሽ ጤናማ ጥርጣሬ እና ብዙ ተደጋጋሚነት።

ከዚህ በታች በእጅ የሚሰራ፣ በቀላሉ የሚታለፍ ገላጭ ነው። ወደዚህ ከመጣህ Predictive AI ምንድን ነው? እና ለቡድንዎ ጠቃሚም ቢሆን፣ ይህ በአንድ ተቀምጠው ከሁህ ወደ ኦህ-እሺ ያመጣዎታል።☕️

ከዚህ በኋላ ሊያነቧቸው የሚፈልጓቸው መጣጥፎች፡-

🔗 AIን ወደ ንግድዎ እንዴት ማካተት እንደሚቻል
ብልህ የንግድ እድገት ለማግኘት AI መሳሪያዎችን ለማዋሃድ ተግባራዊ እርምጃዎች።

🔗 የበለጠ ውጤታማ ለመሆን AI እንዴት መጠቀም እንደሚቻል
ጊዜን የሚቆጥቡ እና ቅልጥፍናን የሚጨምሩ ውጤታማ የ AI የስራ ፍሰቶችን ያግኙ።

🔗 የ AI ችሎታዎች ምንድ ናቸው
ለወደፊት ዝግጁ ለሆኑ ባለሙያዎች አስፈላጊ የሆኑትን ቁልፍ AI ችሎታዎች ይማሩ።


Predictive AI ምንድን ነው? ትርጉም 🤖

መተንበይ AI በታሪካዊ መረጃ ውስጥ ንድፎችን ለማግኘት እና ሊመጣ የሚችለውን ውጤት ለመተንበይ እስታቲስቲካዊ ትንታኔን እና የማሽን ትምህርትን ይጠቀማል - ማን እንደሚገዛ፣ ምን እንደሚሳካ፣ ፍላጎት ሲጨምር። በትንሹ በትክክለኛ አነጋገር፣ ስለወደፊቱ የወደፊት እድሎችን ወይም እሴቶችን ለመገመት ክላሲካል ስታቲስቲክስን ከኤምኤል ስልተ ቀመሮች ጋር ያዋህዳል። እንደ ትንበያ ትንታኔዎች ተመሳሳይ መንፈስ; የተለየ መለያ፣ ቀጥሎ የሚመጣውን የመተንበይ ተመሳሳይ ሀሳብ [5]።

መደበኛ ማጣቀሻዎችን ከወደዱ የደረጃዎች አካላት እና ቴክኒካል የእጅ መጽሃፍቶች የፍሬም ትንበያ እንደ ምልክቶችን (አዝማሚያ፣ ወቅታዊነት፣ ራስ-ቁርጠኝነት) በጊዜ ከታዘዘ ውሂብ በማውጣት የወደፊት እሴቶችን [2]።


መተንበይ AI ጠቃሚ የሚያደርገው ምንድን ነው ✅

አጭር መልስ፡ ዳሽቦርዶችን ብቻ ሳይሆን ውሳኔዎችን ያንቀሳቅሳል። ጥሩው ነገር ከአራት ባህሪያት ይወጣል.

  • የተግባር አቅም - ወደሚቀጥሉት ደረጃዎች ካርታ ያወጣል፡ ማጽደቅ፣ መንገድ፣ መልእክት፣ መመርመር።

  • ፕሮባቢሊቲ-የሚያውቅ - ንዝረትን ብቻ ሳይሆን የተስተካከሉ እድሎችን ያገኛሉ [3]።

  • ሊደገም የሚችል - አንዴ ከተሰማሩ በኋላ ሞዴሎች ያለማቋረጥ ይሰራሉ፣ ልክ እንደ ጸጥተኛ የስራ ባልደረባ በጭራሽ እንደማይተኛ።

  • ሊለካ የሚችል - ማንሳት፣ ትክክለኛነት፣ RMSE-እርስዎ ስም-ስኬት-ስኬት ሊቆጠር የሚችል ነው።

እውነቱን እንነጋገር ከተባለ፡ ትንበያ AI በደንብ ሲሰራ፡ አሰልቺ ሆኖ ይሰማዋል። ማንቂያዎች ይደርሳሉ፣ ዘመቻዎች እራሳቸው ላይ ያነጣጠሩ ናቸው፣ እቅድ አውጪዎች እቃዎችን ቀደም ብለው ያዛሉ። አሰልቺ ቆንጆ ነው.

ፈጣን መረጃ፡- የመሃል ገበያ ቡድኖች የመዘግየት እና የቀን መቁጠሪያ ባህሪያትን በመጠቀም በቀላሉ “በቀጣዮቹ 7 ቀናት የአክሲዮን መውጣት አደጋ” ያስመዘገበውን ትንሽ ቀስ በቀስ የሚጨምር ሞዴል ሲልኩ አይተናል። ምንም ጥልቅ መረቦች የሉም፣ ውሂብን ብቻ ያፅዱ እና ገደቦችን ያፅዱ። ድሉ ብልጭ ድርግም የሚል አልነበረም - በኦፕስ ውስጥ ያነሱ የብልጭታ ጥሪዎች ነበሩ።


ትንበያ AI vs Generative AI - ፈጣን ክፍፍል ⚖️

  • Generative AI አዲስ የይዘት-ጽሁፍ፣ምስሎች፣ ኮድ-በሞዴሊንግ የውሂብ ስርጭቶችን እና ናሙናዎችን ከእነሱ [4] ይሰራል።

  • ግምታዊ AI ውጤቶችን ይተነብያል - አደጋን ፣ በሚቀጥለው ሳምንት ፍላጎት ፣ ነባሪ ዕድል - ሁኔታዊ እድሎችን ወይም እሴቶችን ከታሪካዊ ቅጦች በመገመት [5]።

አመንጪን እንደ የፈጠራ ስቱዲዮ አስቡ፣ እና ትንበያ እንደ የአየር ሁኔታ አገልግሎት። ተመሳሳይ የመሳሪያ ሳጥን (ML)፣ የተለያዩ ዓላማዎች።


ስለዚህ… Predictive AI በተግባር ምንድነው? 🔧

  1. ምልክት የተደረገባቸውን የታሪክ ውሂብ-ውጤቶችን ያስቡልዎታል እና እነሱን ሊያብራሩ የሚችሉ ግብአቶችን ይሰብስቡ

  2. የኢንጂነር ባህሪያት -ጥሬ መረጃን ወደ ጠቃሚ ምልክቶች (lags, rolling stats, text incomdings, categorical incodings) ይቀይሩ.

  3. በግብአት እና በውጤቶች መካከል ግንኙነቶችን የሚማሩ ሞዴል-ተስማሚ ስልተ ቀመሮችን ያሰልጥኑ

  4. የቢዝነስ ዋጋን በሚያንፀባርቁ መለኪያዎች ገምግሞ የማቆየት ውሂብን ያረጋግጡ

  5. አሰማር - ወደ የእርስዎ መተግበሪያ፣ የስራ ፍሰት ወይም የማንቂያ ስርዓት ግምቶችን ላክ።

  6. ይከታተሉ የውሂብ / የፅንሰ-ሀሳብ መንሸራተትን ይመልከቱ እና እንደገና ማሰልጠን/ማስተካከሎችን ይጠብቁ። መሪ ማዕቀፎች ተንሸራታች፣ አድሏዊ እና የመረጃ ጥራትን እንደ ቀጣይነት ያሉ አደጋዎች አስተዳደር እና ክትትል የሚያስፈልጋቸው እንደሆኑ ይጠራሉ።

አልጎሪዝም ከመስመር ሞዴሎች እስከ የዛፍ ስብስቦች እስከ ነርቭ አውታሮች ድረስ ይደርሳል። ባለስልጣን ሰነዶች የተለመዱ ተጠርጣሪዎችን-የሎጂስቲክስ መመለሻዎችን፣ የዘፈቀደ ደኖችን፣ ቀስ በቀስ መጨመርን እና ሌሎችንም ከንግዶች ጋር በማብራራት እና ጥሩ ባህሪ ያላቸው ውጤቶች በሚፈልጉበት ጊዜ የማስተካከያ አማራጮችን ካታሎግ [3]።


የግንባታ ብሎኮች - ውሂብ፣ መለያዎች እና ሞዴሎች 🧱

  • ውሂብ - ክስተቶች, ግብይቶች, ቴሌሜትሪ, ጠቅታዎች, ዳሳሽ ንባቦች. የተዋቀሩ ጠረጴዛዎች የተለመዱ ናቸው, ነገር ግን ጽሑፍ እና ምስሎች ወደ የቁጥር ባህሪያት ሊለወጡ ይችላሉ.

  • መለያዎች - እርስዎ የሚተነብዩት: አልተገዛም, ያልተሳካላቸው ቀናት, የፍላጎት ዶላር.

  • አልጎሪዝም

    • ውጤቱ ፈርጅ-አስቸጋሪ ወይም ካልሆነ ምደባ

    • ውጤቱ ቁጥራዊ ሲሆን - ምን ያህል ክፍሎች ተሸጡ።

    • ጉዳዮችን በሚታዘዝበት ጊዜ ተከታታይ

የጊዜ ተከታታይ ትንበያ እንደ ገላጭ ማለስለስ ወይም ARIMA-ቤተሰብ ሞዴሎች ከዘመናዊው ኤምኤል (ML) ጎን ለጎን የራሳቸውን እንደ መነሻ የሚይዙ ክላሲክ መሳሪያዎች ናቸው ወቅታዊነትን እና አዝማሚያን ይጨምራል።


በትክክል የሚላኩ የተለመዱ የአጠቃቀም ጉዳዮች 📦

  • ገቢ እና እድገት

    • መሪ ነጥብ መስጠት፣ ወደ ላይ ከፍ ማድረግ፣ ለግል የተበጁ ምክሮች።

  • ስጋት እና ተገዢነት

    • ማጭበርበርን ማወቅ፣ የክሬዲት አደጋ፣ የኤኤምኤል ባንዲራዎች፣ ያልተለመዱ ነገሮችን ማወቅ።

  • አቅርቦት እና ኦፕሬሽኖች

    • የፍላጎት ትንበያ፣ የሰው ሃይል እቅድ ማውጣት፣ የእቃ ማመቻቸት።

  • አስተማማኝነት እና ጥገና

    • በመሳሪያዎች ላይ ትንበያ ጥገና - ከመጥፋቱ በፊት እርምጃ ይውሰዱ.

  • ጤና እና የህዝብ ጤና

    • ዳግም ማስተናገጃዎችን፣ የመለየት አጣዳፊነት ወይም የበሽታ ስጋት ሞዴሎችን (በጥንቃቄ ማረጋገጫ እና አስተዳደር) ይተነብዩ

መቼም “ይህ ግብይት አጠራጣሪ ይመስላል” ኤስኤምኤስ ደርሶዎት ከሆነ፣ በዱር ውስጥ የሚገመተው AI ገጥሟችኋል።


የንጽጽር ሠንጠረዥ - የ Predictive AI 🧰 መሳሪያዎች

ማሳሰቢያ፡ ዋጋው ሰፊ ነው - ክፍት ምንጭ ነፃ ነው፣ ደመና በአጠቃቀም ላይ የተመሰረተ ነው፣ ኢንተርፕራይዝ ይለያያል። ለትክክለኛነት አንድ ወይም ሁለት ጥቃቅን እንቆቅልሾች ቀርተዋል…

መሣሪያ / መድረክ ምርጥ ለ የዋጋ ኳስ ፓርክ ለምን እንደሚሰራ - አጭር ውሰድ
scikit-ተማር ቁጥጥር የሚፈልጉ ባለሙያዎች ነፃ/ክፍት ምንጭ ድፍን ስልተ ቀመሮች፣ ተከታታይ ኤፒአይዎች፣ ግዙፍ ማህበረሰብ… ታማኝ ያደርግዎታል [3]።
XGBoost / LightGBM የሰንጠረዥ ውሂብ ኃይል ተጠቃሚዎች ነፃ/ክፍት ምንጭ ቀስ በቀስ መጨመር በተዋቀረ ውሂብ ላይ ያበራል፣ ምርጥ መነሻዎች።
TensorFlow/PyTorch ጥልቅ የመማሪያ ሁኔታዎች ነፃ/ክፍት ምንጭ ለብጁ አርክቴክቸር ተለዋዋጭነት - አንዳንድ ጊዜ ከመጠን በላይ, አንዳንድ ጊዜ ፍጹም.
ነቢይ ወይም SARIMAX የንግድ ጊዜ-ተከታታይ ነፃ/ክፍት ምንጭ በትንሹ ጫጫታ [2] አዝማሚያን-ወቅታዊነትን በአግባቡ ይቆጣጠራል።
ደመና አውቶኤምኤል ፍጥነት የሚፈልጉ ቡድኖች በአጠቃቀም ላይ የተመሰረተ አውቶሜትድ የባህሪ ምህንድስና + የሞዴል ምርጫ-ፈጣን ድሎች (ሂሳቡን ይመልከቱ)።
የድርጅት መድረኮች አስተዳደር-ከባድ ኦርጎች ፈቃድ ላይ የተመሠረተ የስራ ፍሰት፣ ክትትል፣ የመዳረሻ ቁጥጥሮች-ያነሰ DIY፣ የበለጠ ሚዛን-ኃላፊነት።

Predictive AI ከቅድመ-ጽሑፍ ትንታኔዎች ጋር እንዴት እንደሚወዳደር 🧭

ምን ሊሆን እንደሚችል ትንበያ መልስ ይሰጣል ። ማዘዣ ከዚህ በላይ ይሄዳል - በእገዳዎች ውስጥ ውጤቶችን የሚያሻሽሉ እርምጃዎችን በመምረጥ ስለ እሱ ምን ማድረግ አለብን ፕሮፌሽናል ማህበረሰቦች ትንበያዎችን ብቻ ሳይሆን ጥሩ እርምጃዎችን ለመምከር ሞዴሎችን በመጠቀም የፕሬዝዳንት ትንታኔን ይገልፃሉ። በተግባር, ትንበያ የመድሃኒት ማዘዣን ይመገባል.


ሞዴሎችን መገምገም - አስፈላጊ የሆኑ መለኪያዎች 📊

ከውሳኔው ጋር የሚዛመዱ መለኪያዎችን ይምረጡ፡-

  • ምደባ

    • ማንቂያዎች ውድ ሲሆኑ የውሸት አወንታዊ ነገሮችን ለማስወገድ ትክክለኛነት

    • ጥፋቶች ውድ ሲሆኑ ተጨማሪ እውነተኛ ክስተቶችን ለማግኘት ያስታውሱ

    • AUC-ROC በየደረጃው የደረጃ-ጥራትን ለማነፃፀር።

  • መመለሻ

    • RMSE/MAE ለአጠቃላይ የስህተት መጠን።

    • አንጻራዊ ስህተቶች አስፈላጊ ሲሆኑ MAPE

  • ትንበያ

    • MASE፣ sMAPE ለጊዜ ተከታታይ ንጽጽር።

    • ሽፋን -የእርስዎ እርግጠኛ ያልሆነ ባንዶች እውነትን ይይዛሉ?

እኔ እወዳለሁ ዋና ደንብ፡ ለተሳሳተ ከበጀትዎ ጋር የሚስማማውን መለኪያ ያሻሽሉ።


የማሰማራት እውነታ - መንሸራተት፣ አድልዎ እና ክትትል 🌦️

ሞዴሎች ይወድቃሉ። የውሂብ ሽግግሮች. የባህሪ ለውጦች. ይህ ውድቀት አይደለም - ዓለም እየተንቀሳቀሰ ነው። መሪ ማዕቀፎች ለውሂብ መንሸራተት እና የፅንሰ-ሃሳብ መንሸራተት ፣ አድልዎ እና የውሂብ ጥራት ስጋቶችን ያጎላሉ፣ እና ሰነዶችን፣ የመዳረሻ መቆጣጠሪያዎችን እና የህይወት ኡደት አስተዳደርን ይመክራሉ።

  • የፅንሰ-ሀሳብ መንሸራተት - በግብአት እና በዒላማ መካከል ያሉ ግንኙነቶች ይሻሻላሉ፣ ስለዚህ የትናንቱ ቅጦች የነገን ውጤት በደንብ አይተነብዩም።

  • ሞዴል ወይም የውሂብ ተንሸራታች - የግብአት ስርጭቶች ለውጥ, ዳሳሾች ይለወጣሉ, የተጠቃሚ ባህሪ ሞርፎች, የአፈፃፀም መበስበስ. አግኝ እና እርምጃ ይውሰዱ።

ተግባራዊ የመጫወቻ ደብተር፡ በምርት ላይ ያሉ መለኪያዎችን ይቆጣጠሩ፣ ተንሸራታች ሙከራዎችን ያካሂዱ፣ እንደገና የማሰልጠን ችሎታን ያቆዩ፣ እና የምዝግብ ማስታወሻዎች ከኋላ መፈተሻ ውጤቶች ጋር። ቀላል የመከታተያ ስልት በጭራሽ የማይሮጡትን ውስብስብ ያሸንፋል።


ቀላል ጀማሪ የስራ ፍሰት 📝 መቅዳት ይችላሉ።

  1. ውሳኔውን ይግለጹ - በተለያዩ ገደቦች ላይ ትንበያውን ምን ያደርጋሉ?

  2. መረጃን ያሰባስቡ - ግልጽ ከሆኑ ውጤቶች ጋር ታሪካዊ ምሳሌዎችን ይሰብስቡ.

  3. የተከፈለ - ባቡር፣ ማረጋገጫ እና የእውነት የቆመ ሙከራ።

  4. መነሻ - በሎጂስቲክ ሪግሬሽን ወይም በትንሽ የዛፍ ስብስብ ይጀምሩ. መሰረታዊ መስመሮች የማይመቹ እውነቶችን ይናገራሉ [3]።

  5. አሻሽል - የባህሪ ምህንድስና, የመስቀል ማረጋገጫ, ጥንቃቄ የተሞላበት መደበኛነት.

  6. መርከብ - ለስርዓትዎ ትንበያዎችን የሚጽፍ የኤፒአይ የመጨረሻ ነጥብ ወይም የቡድን ሥራ።

  7. ይመልከቱ - ዳሽቦርዶች ለጥራት፣ ተንሸራታች ማንቂያዎች፣ እንደገና ማሰልጠኛ ቀስቅሴዎች [1]።

ያ በጣም ብዙ የሚመስል ከሆነ, እሱ ነው - ግን በደረጃ ሊያደርጉት ይችላሉ. ጥቃቅን አሸናፊዎች ግቢ.


የውሂብ አይነቶች እና ሞዴሊንግ ቅጦች - ፈጣን ምቶች 🧩

  • የሰንጠረዥ መዛግብት - ለግራዲየንት ማበልጸጊያ እና መስመራዊ ሞዴሎች የቤት ሣር [3]።

  • የጊዜ ተከታታይ - ብዙውን ጊዜ ከኤምኤል በፊት ወደ አዝማሚያ / ወቅታዊነት / ቀሪዎች መበስበስ ይጠቀማሉ። እንደ ገላጭ ማለስለስ ያሉ ክላሲካል ዘዴዎች ጠንካራ መነሻዎች እንደሆኑ ይቆያሉ።

  • ጽሑፍ፣ ምስሎች - ወደ አሃዛዊ ቬክተሮች መክተት፣ ከዚያም እንደ ሰንጠረዥ ተንብዮ።

  • ግራፎች - የደንበኛ አውታረ መረቦች, የመሣሪያ ግንኙነቶች - አንዳንድ ጊዜ የግራፍ ሞዴል ይረዳል, አንዳንድ ጊዜ ከመጠን በላይ ምህንድስና ነው. እንዴት እንደሆነ ታውቃለህ።


አደጋዎች እና መከላከያ መንገዶች - ምክንያቱም እውነተኛ ህይወት የተመሰቃቀለ ነው 🛑

  • አድልዎ እና ውክልና - ያልተወከሉ አውዶች ወደ ወጣ ገባ ስህተት ይመራሉ ። ሰነድ እና ክትትል [1]።

  • መፍሰስ - በአጋጣሚ የወደፊቱን የመረጃ መርዝ ማረጋገጥን የሚያካትቱ ባህሪዎች።

  • አጭበርባሪ ግንኙነቶች - ሞዴሎች በአቋራጮች ላይ ይዘጋሉ።

  • ከመጠን በላይ መገጣጠም - በስልጠና ላይ ጥሩ ፣ በምርት ላይ ያዝናል ።

  • አስተዳደር - የዘር ሐረግን፣ ማጽደቆችን እና የመዳረሻ ቁጥጥር አሰልቺ ግን ወሳኝ [1]።

አውሮፕላን ለማረፍ በመረጃው ላይ ካልተመኩ ብድር ለመከልከል በእሱ ላይ አይተማመኑ። ትንሽ መግለጥ፣ ነገር ግን መንፈስን ታገኛላችሁ።


ጥልቅ መስመጥ፡- የሚንቀሳቀሱ ነገሮችን መተንበይ

ፍላጎትን፣ የሃይል ጭነትን ወይም የድር ትራፊክን ሲተነብይ፣ የጊዜ ተከታታይ አስተሳሰብ ጉዳዮች። እሴቶች ታዝዘዋል፣ ስለዚህ ጊዜያዊ መዋቅርን ያከብራሉ። ከወቅታዊ-አዝማሚያ መበስበስ ይጀምሩ፣ ገላጭ ማለስለስን ይሞክሩ ወይም ARIMA-ቤተሰብ መሰረታዊ መስመሮችን፣ የዘገየ ባህሪያትን እና የቀን መቁጠሪያ ውጤቶችን ካካተቱ ከፍ ካሉ ዛፎች ጋር ያወዳድሩ። ውሂቡ ቀጭን ወይም ጫጫታ በሚሆንበት ጊዜ ትንሽ ፣ በደንብ የተስተካከለ የመነሻ መስመር እንኳን ብልጭ ድርግም የሚል ሞዴል ሊሰጥ ይችላል። የምህንድስና መጽሃፍቶች በእነዚህ መሰረታዊ ነገሮች ውስጥ በግልጽ ይሄዳሉ [2].


FAQ-ish mini መዝገበ ቃላት 💬

  • Predictive AI ምንድን ነው? ከታሪካዊ ቅጦች የተገኙ ሊሆኑ የሚችሉ ውጤቶችን የሚተነብይ ML plus ስታቲስቲክስ። በሶፍትዌር የስራ ፍሰቶች ውስጥ ተተግብሯል ከሚገመተው ትንታኔ ጋር ተመሳሳይ መንፈስ።

  • ከጄነሬቲቭ AI እንዴት ይለያል? ፍጥረት vs ትንበያ። አመንጪ አዲስ ይዘት ይፈጥራል; ግምታዊ ግምቶች ፕሮባቢሊቲዎች ወይም እሴቶች [4].

  • ጥልቅ ትምህርት እፈልጋለሁ? ሁልጊዜ አይደለም. ብዙ የከፍተኛ-ROI አጠቃቀም ጉዳዮች በዛፎች ወይም በመስመራዊ ሞዴሎች ላይ ይሰራሉ። ቀላል ይጀምሩ፣ ከዚያ ከፍ ያድርጉ [3]።

  • ስለ ደንቦች ወይም ማዕቀፎችስ? ለአደጋ አስተዳደር እና አስተዳደር የታመኑ ማዕቀፎችን ተጠቀም - አድልዎን፣ መንሸራተትን እና ሰነዶችን ያጎላሉ [1]።


በጣም ረጅም። አላነበብኩም!

መተንበይ AI ሚስጥራዊ አይደለም። ዛሬን የበለጠ ብልህ ለማድረግ ከትናንት በመማር የሰለጠነ ልምድ ነው። መሳሪያዎችን እየገመገሙ ከሆነ በአልጎሪዝም ሳይሆን በውሳኔዎ ይጀምሩ። አስተማማኝ መነሻ መስመር ያዘጋጁ፣ ባህሪን የሚቀይርበትን ቦታ ያሰማሩ እና ያለማቋረጥ ይለኩ። እና ያስታውሱ-ሞዴሎች እንደ ወተት ያረጃሉ እንጂ ወይን አይደሉም - ስለዚህ ለመከታተል እና እንደገና ለማሰልጠን ያቅዱ። ትንሽ ትህትና ረጅም መንገድ ይሄዳል።


ዋቢዎች

  1. NIST - አርቴፊሻል ኢንተለጀንስ ስጋት አስተዳደር ማዕቀፍ (AI RMF 1.0)። አገናኝ

  2. NIST ITL - የምህንድስና ስታቲስቲክስ መመሪያ መጽሐፍ፡ የጊዜ ተከታታይ ትንታኔ መግቢያ። አገናኝ

  3. scikit-Learn - ክትትል የሚደረግበት የመማሪያ ተጠቃሚ መመሪያ። አገናኝ

  4. NIST - AI ስጋት አስተዳደር ማዕቀፍ፡ Generative AI መገለጫ። አገናኝ

  5. INFORMS - ኦፕሬሽኖች ምርምር እና ትንታኔ (የትንታኔ አጠቃላይ እይታ ዓይነቶች)። አገናኝ

በኦፊሴላዊው AI አጋዥ መደብር የቅርብ ጊዜውን AI ያግኙ

ስለ እኛ

ወደ ብሎግ ተመለስ