Twee soorten AI-verkopers vandaag, één die AI beschouwen als de "zilveren kogel" voor alle problemen en twee "die niet denken dat AI alle problemen kan oplossen". Identificeer een "AI Charmer" versus een "AI Realist".

Nadat we data science-oplossingen hebben gebouwd voor financiële instellingen, handelaren en klanten op de kapitaalmarkten, is een van de uitdagingen die we de afgelopen 12 maanden hebben ervaren, het extraheren van de impliciete kennis waarover kwantitatieve teams beschikken en deze vanuit de technologiekant toe te passen.

Terwijl we vandaag een oplossing voor gegevensanomalie demonstreerden voor onze klant met behulp van "R" en "Python", gingen mijn gedachten terug naar een recent artikel dat ik las met de titel "India's puinhoop van complexiteit is precies wat AI nodig heeft", geschreven door Varun Aggarwal, mede-oprichter van Aspiring Minds in het tijdschrift MIT Technology in juni 2018.

Een onderzoek dat door NRF is uitgevoerd om de huidige markttrends in de detailhandel te lokaliseren, onthult interessante gegevens over een toenemend aantal klanten dat online aankopen doet.

Een groot probleem waarmee veel bedrijven tegenwoordig worden geconfronteerd, is het onvermogen om gegevens op te halen die vastzitten in gescande documenten en afbeeldingen. Er zijn twee manieren om gegevens te extraheren:

Eerder heb ik OCR en de functionaliteiten ervan besproken en beloofd om de onderzoeken te delen die we hebben uitgevoerd voor het vinden van de beste Android OCR-apps.

In een recent gesprek met een prospect werd mij gevraagd hoe kunstmatige intelligentie (AI) de engineering van softwarekwaliteit zou beïnvloeden en of Zuci helemaal klaar is om de uitdagingen aan te gaan.

Datakwaliteit is een uitdaging. In feite zijn zowel gegevenskwantiteit als gegevenskwaliteit even belangrijk voor kunstmatige-intelligentiesystemen. Lees het volledige verhaal om de dataproblemen op te lossen.