당신이 알지도 하는 큰 데이터: 인간의 능력

당신이 많은 "빅 데이터"에 대해 들어 있어야 합니다 하지만 당신은 무슨 일이 있었는지 이해 하지 못했다. 비록 그것은 "특정" 편의 시설 느낌:

예를 들어 일주일 전에 당신이 테스트, 인터뷰 할 소셜 네트워킹 사이트에 있었고 인터뷰를 마칠 때 테스트의 진짜 의도 당신 팀의 성격에 맞게 얼마나 잘 일치 하는. 11 황금 주 프롬프트가 16 일 사전에 전화 예약 기차표에 의해 보다 성공의 확률이 매우 높은 티켓을 사려고 인터넷에서 같은 날에는 티켓 응용 프로그램 밀어 정보를 수신 하기 전에 또 다른 예. 때 당신은 정말 과거, 전화 예약 시스템은 바쁜, 발견 치고 예약 성공 하기 전에 호출 하기 전에 2 시간을 기다려야 했다. 하지만 그것은 12306 사이트에 동시에 고 지불 하지 않을 것 보다 더 나은.

큰 데이터 모든 생에 들어와서 하 고 그것은 연결할 수 있습니다 심지어 밀접 하 게 테스트 능력 테스트의 매우 생활 시나리오와 질병 개발의 기회. 물, 전기, 같은 우리의 삶에 미래의 큰 데이터를 더 나은, 정보 사용 효율성 보다 효율적인 전체 사회 정보 품질.

이 시스템에 데이터 샘플링 및 최신 분석 해야 인간의 힘으로 할 수 있습니다.

Crowdsourcing 만드는 데이터 샘플링 자동화 된

"인간의 개입 될 것입니다 점점 불필요 한 미래에, 적어도 프런트 엔드 데이터 수집에서." "제임스, 제품 관리자, Tencent 기술, 검색, 마이크로 블로그 상호 작용,"같은", 등 등 사용자의 대화형 동작에서 데이터 수집의 많은 지금 얘기" 칭찬 "," 던져 휴지통 "중소 디자인의 응용 프로그램에서 사용자가 적극적으로 완료로 배경 수 추정된 데이터 품질.

양파 가격 상승 이라는 전제, 700 개 이상의 사용자가 매일 개발 응용 프로그램을 설치를 통해 실시간으로에서 다른 양파의 소매 가격을 업로드 시작 회사와 함께 인도의 인플레이션 률의 추세를 결정 했습니다.

데이비드 Soloff, 이것이 일반적으로 도매 가격과 소비자 신뢰를 포함 한 경제 환경 변화에 따라 적시에 상품의 가격을 조정 하는 지역 상점 글로벌 금융 역학의 실시간 인식 위한 효과적인 채널 Slove 회사의 공동 설립자

"전제의 분석 접근 인플레이션 지표 수집 된 데이터에 따라 경제 환경의 부분에 미리 4-6 주에 대 한 예측은 보이고 있다." 월간 ' 경제 일기 예보 '에 대 한 기다릴 필요가 없습니다. Slove 강조 했다입니다.

그리고 소매 상점 선반에 브랜드의 디스플레이 직접 판매를 결정, 어떻게 모바일 고객에 브랜드는 되었습니다 점령 더 나은 디스플레이 위치는이 작업에 필요한 시간과 아주 사소한.

이 위해 회사 Quri, easyshift 응용 프로그램의 개발을 통해 사용자 데이터의 수집을 완료 하는 데 에너지를 시간을 기여 하 지불 하 라고 합니다. 사용자가 발행 하는 지정된 된 장소에서 사진 촬영을 지정 된 장소에서 작업 하는 응용 프로그램으로 Quri 서버에 업로드 후 나타날 수 있습니다 해당 빈약한 보수.

Easyshift의 철학을 이해 하기 쉽습니다: 대부분의 사용자는 이제 스마트폰 수행. 브랜드 업체 제품 대형 소매점에 표시 되는 방법을 알고, 경쟁의 역학 평가, 제품을 보고 프로 모션 모니터링 깨진된 출하에 대 한 정보 가격 및 제품 출시. Easyshift 그들은 게 되 면이 정보를 수집 하는 소비자 지불.

일본 지진, 실수로 자동차 브랜드 탐색 실시간 영상 데이터, "그린 라이프 채널" 프로젝트 "연결 생명선"를 통해 사용합니다.

프로젝트 리더, 미스터 칸, 일본, 그가 큰 지진 전에 자동차 브랜드에 대 한 협력 프로젝트를 허용 하는 어디에서 크리에이 티브 디자인 센터의 수석 디렉터입니다. 프로젝트는 위도 및 경도, 여행, 얼마나 빨리 방향에서 여행 하 시간 특정도 여행 하는 자동차 이며, 매 순간 동적 데이터의 약 100000 차량 탐색 데이터베이스에 기록 됩니다 칸 야생 훈제 데이터 프로그램, 그리고 밖으로 보여 일본의 지도의 형태에.

일본의 지진, 경우 이러한 탐색 데이터는 일시적으로 유용할 수 있습니다.

"지진, 통신 신호는 매우 부드러운, 사람들이 단지 친척 및 네트워크를 통해 친구의 안전을 확인할 수 있습니다, 우리가 직면 하 고 도전 하는 방법 재난 지역에 구조 팀을 보내." "미스터 칸 말했다

혼잡 발생 시 트래픽 데이터를 수집 하는 탐색 데이터 사용 되었다. "다른 한편으로, 트래픽 데이터 표시는로 액세스할 수." "그는 말했다, 지진 후에, 차량 이동은, 사용 하 여 녹색 표시, 경로."

동시에 팀 또한 국가로와로 표지판 정보를 현재 게시 사용자의 실시간 조직에 트위터에 함께 두 가지 유형의 정보, 지진에서 그린 라이프 채널 데이터 발생 온라인 공개 다운로드의 출시 후 20 시간. 웹 사이트 뿐 아니라 프로그래머는 신속 하 게 모바일 끝을 개발 했다. 위기 시 정보 확산의 강도 매우 빠르고, 웹 사이트 및 모바일 응용 프로그램에서 곧, 구조 팀에 대 한 참조를 제공 하기 위해 신속 하 게 도착 녹색 줄 수가 표시 됩니다.

인간의 개입 대용량 데이터 시대에 여전히 필요 하다

기계 학습 빅 데이터, 지배는 하지만 그것은 정말 필요는 인위적으로 불리? 예를 들어, 인터넷 마케팅의 확산에 익숙해지고 있다 하지만 정말 간단한 수학적 모델에 의존 하 고 추천 마케팅 데이터 분석을 확장에 동의 하십니까?

ZestFinance 증가 월급날 대출 산업 (월급날 대출, 고리 모양의 단기 금리 차입금 비슷합니다)에 대 한 데이터 분석을 학습 하는 기계를 사용 하 여 고객 품질 분석을 위한 플랫폼입니다.

분석의 전통적인 방법, 달리 ZestFinance 동시에 확률을 확인 하기 위해 데이터의 대용량 플러스 소스의 증가 및 수만 사기 확률 등의 차용 동작에 대 한 측정 될 수 있다 통계로 번역 다음 데이터의 종류를 분석 하는 여러 모델을 운영할 수 있다 길고 짧은 기간 신용 위험 하 고 그의 지불 능력. 마지막으로, 모델의 결과 최종 결과에 통합 되어있습니다. 이 플랫폼 초의 문제에서 가장 신뢰할 수 있는 결과 함께 사용자에 게 제공할 수 있습니다. "우리는 인간의 개입, 기계 학습을 결합 하는 경향이" 설립자 메 릴 말했다. "

의료 분야, 예를 들어 기계 학습 기반 데이터 분석에서는 충분히 멀리입니다. "때문에 기계 학습 계산할 수 확률, 아니지만 정확 하 고, 정확 하 게 달성의 일정 비율." "봄 비 팜 의사 CTO Zember Tencent 기술 예: 예를 들어 질병 모델의 디자인은 90%의 기존 데이터베이스에서 모든 유사성의 전송을 통해 질문, 분석 및 요약, 질병 확률 모델, 그리고 각 문제 의사의 조언, 합계의 생산의 결과" 더 심각한 "및" 병원 "비율, 이동 환자에 대 한 직관적인 데이터 참조를 제공 합니다.

"하지만이 또한 확률의 특정 비율을, 사용자 시험을 위해 사용 됩니다." 환자에 게 정확한 수 있는지 여부를 정말이 조건을 충족 또는 인공 분석 (의사 진단) 필요, 우리는 다시 데이터를 심사의 정확성을 확인 수 데이터 분석의 배경에서. 사람이 말했다.

(책임 편집기: 유산의 좋은)