深度學(xué)習(xí)與機器學(xué)習(xí)：有什么區(qū)別？

深度學(xué)習(xí)與機器學(xué)習(xí)：有什么區(qū)別？

在將先進的技術(shù)工具（例如人工智能（AI））作為其業(yè)務(wù)流程管理和數(shù)字化轉(zhuǎn)換策略的一部分進行實施時，采購專業(yè)人員需要對此類工具的功能和局限性進行細(xì)化和透徹的理解。盡管了解人工智能的基礎(chǔ)很重要，但是當(dāng)您掌握了特定AI概念的細(xì)節(jié)時，對采購流程進行有力的改進要容易得多。

機器學(xué)習(xí)和深度學(xué)習(xí)這兩個這樣的概念通常被視為本質(zhì)上相同。盡管它們相互關(guān)聯(lián)，但每個人都有獨特的特征和功能。

機器學(xué)習(xí)與深度學(xué)習(xí)：概述

從最先進的人工神經(jīng)網(wǎng)絡(luò)到自動駕駛汽車，再到強大的實時分析（可將大量大數(shù)據(jù)轉(zhuǎn)變?yōu)榭砂葱杼峁┑目尚幸娊猓斯ぶ悄苷谕苿尤蚴袌鲋懈餍懈鳂I(yè)的發(fā)展。它由諸如決策樹和線性回歸之類的術(shù)語組成，

機器學(xué)習(xí)和深度學(xué)習(xí)對采購專業(yè)人士特別有趣，因為這些類型的人工智能在數(shù)據(jù)管理和過程分析/優(yōu)化中起著重要的作用。

機器學(xué)習(xí)

分析和學(xué)習(xí)數(shù)據(jù)，然后應(yīng)用所獲得的知識來改進決策的算法，被稱為機器學(xué)習(xí)。

像許多人工智能工具一樣，機器學(xué)習(xí)的目標(biāo)是在提高準(zhǔn)確性和速度的同時模擬人腦的功能。機器學(xué)習(xí)是迭代式的，旨在基于自身的成功而設(shè)計，理想情況下，隨著其不斷增長的知識的每次應(yīng)用，它都可以提高性能和效率。

為此，在稱為強化學(xué)習(xí)的過程中使用數(shù)據(jù)集訓(xùn)練機器學(xué)習(xí)算法。機器將獲得越來越多的數(shù)據(jù)，并可以執(zhí)行其分配的任務(wù)。就像人類一樣，這些算法會不斷出錯，自我糾正并有效學(xué)習(xí)。鼓勵積極的結(jié)果，不鼓勵消極的結(jié)果，加強期望的行為并確保持續(xù)改進。

可用的數(shù)據(jù)越多，算法就可以越準(zhǔn)確，快速且完全地完成其任務(wù)。這些數(shù)據(jù)可能來自各種來源：文本，圖像，交易數(shù)據(jù)，GPS信息，社交媒體等。

除了這些選擇之外，機器學(xué)習(xí)模型還可以通過支持其他數(shù)據(jù)管理技術(shù)來進一步擴展其可用的訓(xùn)練數(shù)據(jù)，其中包括：

自然語言處理，使算法能夠解析和分析人類語音和文本的含義，并使用它執(zhí)行搜索，定義參數(shù)或修改其行為以符合特定命令。計算機視覺，重點是教學(xué)算法以收集和分析視覺數(shù)據(jù)以做出決策。

例如，可以訓(xùn)練一種算法來審查您喜歡的流媒體服務(wù)中的觀看習(xí)慣，并根據(jù)關(guān)鍵字，演員和在您已經(jīng)觀看并獲得高度評價的其他內(nèi)容中找到的內(nèi)容提出建議。支持語音識別，您甚至可以用語音進行搜索。

機器學(xué)習(xí)算法是許多流行的APP和服務(wù)的重要組成部分，其中包括：

音樂推薦服務(wù)。數(shù)據(jù)安全APP，包括防病毒和防惡意軟件工具。娛樂APP。采購軟件包，旨在自動執(zhí)行采購和AP工作流程。金融APP旨在監(jiān)視和建議金融市場中的最佳交易。

盡管涉及到編碼的復(fù)雜性，但是機器學(xué)習(xí)算法的基本功能本質(zhì)上是機械的，因為它的迭代性質(zhì)是定義的有限過程，包括給定的持續(xù)改進，而不包括想象力或創(chuàng)新。機器學(xué)習(xí)并不一定就是機器思維。這就是為什么機器學(xué)習(xí)的一個定義是狹窄的AI；算法可以在非常明確的上下文中勝過人類，但是不能模仿人類的創(chuàng)造力或普遍的人類行為。

深度學(xué)習(xí)

回答“什么是深度學(xué)習(xí)”？比回答“什么是機器學(xué)習(xí)？”更復(fù)雜，并且在許多方面更吸引人。它們通常是混雜的，但實際上，深度學(xué)習(xí)從技術(shù)上講是機器學(xué)習(xí)的一個子集，旨在將更多的人類智能（或至少類似于人類的智能）添加到學(xué)習(xí)過程中。

一般來說，機器學(xué)習(xí)使用算法來執(zhí)行和改進具體的參數(shù)范圍內(nèi)特定的任務(wù)，同時還依賴于從好老肉和血直接指導(dǎo)智人。當(dāng)由廣義機器學(xué)習(xí)驅(qū)動的算法出現(xiàn)錯誤時，負(fù)責(zé)整個工作的人員可以檢查出了什么問題并根據(jù)需要進行更正。

通過深度學(xué)習(xí)，該算法將其一些資源專用于構(gòu)建深度神經(jīng)網(wǎng)絡(luò)，這是一組分層的算法，可以協(xié)同工作以更準(zhǔn)確地模擬人的大腦。它們旨在進行有根據(jù)的猜測，并進行無監(jiān)督的學(xué)習(xí)。

深度學(xué)習(xí)中使用的神經(jīng)網(wǎng)絡(luò)是迭代的，但由數(shù)百甚至數(shù)千個協(xié)同工作的算法組成。任何給定算法中的層數(shù)都會變化，但是每個離散層都有其分配的任務(wù)，依賴關(guān)系和數(shù)據(jù)流，同時又是內(nèi)聚整體的一部分。他們共同合作，共同分享分析并確定結(jié)果，不僅針對他們各自的流程，還包括分配給主要深度學(xué)習(xí)算法輸出層的總體指令。

深度學(xué)習(xí)的首批演示之一發(fā)生在2012年，當(dāng)時Google的Andrew Ng教導(dǎo)搜索引擎使用16,000臺互連的計算機來持續(xù)識別貓。這種類型的神經(jīng)網(wǎng)絡(luò)稱為卷積神經(jīng)網(wǎng)絡(luò)，由卷積神經(jīng)層組成。在人工智能的上下文中，“卷積”是指這些層協(xié)同工作以對相關(guān)數(shù)據(jù)點同時進行分析并比較其發(fā)現(xiàn)以產(chǎn)生共享結(jié)果（例如圖像識別）的方式。

如今，更高級的卷積神經(jīng)網(wǎng)絡(luò)使用相同的概念來識別貓和狗以及人，并且以超過人類能力的準(zhǔn)確性和速度識別體內(nèi)的腫瘤和癌癥。

數(shù)據(jù)科學(xué)家繼續(xù)完善深度學(xué)習(xí)模型，以提高準(zhǔn)確性，性能和人類智能。

“他們經(jīng)常被混為一談，但是實際上，深度學(xué)習(xí)在技術(shù)上是機器學(xué)習(xí)的一個子集，旨在將更多的人類智能（或者至少是類人智能）添加到學(xué)習(xí)過程中。”

深度學(xué)習(xí)如何改善采購

乍一看，似乎機器學(xué)習(xí)和深度學(xué)習(xí)都比采購功能中的實際應(yīng)用更適合科幻小說（或至少是數(shù)據(jù)科學(xué)）領(lǐng)域。然而，這兩種技術(shù)的數(shù)學(xué)和分析能力已被用于提高全球采購部門和組織的效率，生產(chǎn)率和盈利能力。

使用基于云的，由AI驅(qū)動的采購解決方案，您的采購團隊可以將數(shù)字化轉(zhuǎn)型不僅帶到您的采購工作流程中，還可以帶給您整個組織。這不是“深度學(xué)習(xí)與機器學(xué)習(xí)”的問題，而是“我們?nèi)绾瓮瑫r使用機器學(xué)習(xí)和深度學(xué)習(xí)來實現(xiàn)我們的認(rèn)知采購目標(biāo)？”

例如，有了足夠的數(shù)據(jù)點，時間和偶爾的人工更正，自動化的采購訂單批準(zhǔn)工作流程就可以合并并分析日歷數(shù)據(jù)和外出消息，以識別出不在辦公室的審批者，并自動重新路由采購訂單到列表中的下一個批準(zhǔn)者。采購訂單準(zhǔn)時得到批準(zhǔn)，訂單有足夠的空閑時間，生產(chǎn)繼續(xù)進行而不會中斷。那是基于強化學(xué)習(xí)技術(shù)和人為調(diào)整的教科書機器學(xué)習(xí)。

但是，那只是冰山一角。深度神經(jīng)網(wǎng)絡(luò)推動迭代過程的改進和更高層次的過程，例如財務(wù)預(yù)測，關(guān)鍵決策和戰(zhàn)略采購。完全自動化整個采購到付款（P2P）流程，將使您能夠全面了解整個支出，捕獲和整理所有交易數(shù)據(jù)。集中式數(shù)據(jù)管理將合同和供應(yīng)商管理數(shù)據(jù)集混合在一起，為執(zhí)行的每個操作提供更多大數(shù)據(jù)和更多上下文。

將連接添加到您現(xiàn)有的財務(wù)和企業(yè)資源計劃（ERP）軟件。連接您的客戶服務(wù)部門的客戶資源管理（CRM）系統(tǒng)。引入營銷數(shù)據(jù)，行業(yè)新聞，全球新聞，社交媒體，天氣等來自外部的信息。

現(xiàn)在，當(dāng)提出建議或改進流程時，神經(jīng)網(wǎng)絡(luò)將所有因素都考慮在內(nèi)，從全球動蕩到潛在的天氣延遲，再到供應(yīng)商的績效和合規(guī)歷史。

數(shù)據(jù)越豐富，結(jié)果越好：

更快，更準(zhǔn)確和更具成本效益的P2P。較短的采購訂單和發(fā)票生命周期。非接觸式處理消除了人為錯誤和延遲。具有意外情況的自動路由可確保提前付款折扣并避免滯納金。更高的員工士氣，更低的管理費用，更多的時間和才能用于高價值任務(wù)。更有效的風(fēng)險和合同管理。消除流氓支出和發(fā)票欺詐。改進了問責(zé)制和合規(guī)性執(zhí)法。更具戰(zhàn)略性的擴展，創(chuàng)新和供應(yīng)商決策。通過從符合您要求的供應(yīng)商進行戰(zhàn)略采購來優(yōu)化聲譽管理，同時滿足您的期望和道德。通過訪問完整的供應(yīng)商和市場數(shù)據(jù)，更強大的合同談判和與最佳供應(yīng)商建立戰(zhàn)略合作伙伴關(guān)系的更多機會。更好的財務(wù)報告和預(yù)測。完整的信息可提供準(zhǔn)確且易于審核的報告。深度學(xué)習(xí)算法可以比人類更快地產(chǎn)生實時見解，并且基于可用數(shù)據(jù)的準(zhǔn)確性更高。深入的數(shù)據(jù)分析可以揭示創(chuàng)新和增長的隱秘機會，以增加利潤，績效和競爭實力。

準(zhǔn)備好深潛了嗎？

機器學(xué)習(xí)的希望在于它將人類智能與計算機速度和準(zhǔn)確性相結(jié)合的能力。雖然自動駕駛汽車和個人伴侶機器人可能仍然遙不可及，但您的公司可以享受當(dāng)今機器學(xué)習(xí)的好處。購買正確的技術(shù)工具進行采購，您將能夠控制您的數(shù)據(jù)，并使人工智能發(fā)揮作用，從而大大提高公司的生產(chǎn)率，效率和底線。

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。

版權(quán)聲明：本文內(nèi)容由網(wǎng)絡(luò)用戶投稿，版權(quán)歸原作者所有，本站不擁有其著作權(quán)，亦不承擔(dān)相應(yīng)法律責(zé)任。如果您發(fā)現(xiàn)本站中有涉嫌抄襲或描述失實的內(nèi)容，請聯(lián)系我們jiasou666@gmail.com 處理，核實后本網(wǎng)站將在24小時內(nèi)刪除侵權(quán)內(nèi)容。