Используется ли машинное обучение в экономике?

Машинное обучение в экономике - поворотный момент

С другой стороны, у нас есть машинное обучение со всеми его преимуществами. Алгоритмы машинного обучения способны анализировать сотни миллионов байтов, чтобы находить корреляции, связи и даже прогнозы. Некоторые из них очень сложно обнаружить без алгоритмов машинного обучения. Как вы уже знаете, приложения и алгоритмы машинного обучения намного быстрее, точнее и эффективнее в своей работе, чем ученые. Все, что им нужно для работы, - это большие данные, на которых они могут основываться. Таким образом, машинное обучение в экономике выходит на уровень, который полностью выходит за рамки стандартной традиционной эконометрики. Но это не значит, что эконометрика и машинное обучение взаимоисключают друг друга!

=================================

Стэнфордский университет в одном из исследований прогнозирует «развитие новых эконометрических методов на основе машинного обучения, предназначенных для решения традиционных задач оценивания в социальных науках» . Итак, что это означает, мы можем ожидать синергии обеих дисциплин. Машинное обучение и экономика (точнее, эконометрика) воспользуются преимуществами другого, чтобы создать наиболее эффективный метод прогнозирования.

=================================

Согласно PWC, искусственный интеллект вместе с машинным обучением может внести значительный вклад в экономический рост в трех основных областях:

Повышение продуктивности

Улучшение продукта

Стимулирование новых компаний

Эти три области важны для экономики и развития рынка в целом. Вы можете судить, просто взглянув на них, что машинное обучение в экономике окажет огромное влияние на развитие рынка и общества, а также на темпы этого развития. Машинное обучение станет необходимостью для каждой новой компании, выходящей на рынок.По данным PWC, машинное обучение в экономике может повысить производительность на 14,3% к 2030 году. Машинное обучение является катализатором роста производительности. В ближайшем будущем многие текущие работы и задачи будут выполняться полностью с помощью алгоритмов машинного обучения и искусственного интеллекта или с их использованием. Подумайте только о таких профессиях, как заводские рабочие, уборщицы, кассиры (даже сейчас во все большем количестве магазинов есть кассы самообслуживания!), Гидов (аудиогиды уже есть на рынке), администраторов, работников туристической информации и сотнях других. Эти задания считаются простыми, и такие задачи могут быть легко выполнены с помощью алгоритмов машинного обучения и искусственного интеллекта, приложений и устройств.

====================================

И эти профессии, которые по-прежнему требуют присутствия человека, будут все больше основываться на машинном обучении и искусственном интеллекте. Мы можем предсказать, что одним из ключевых навыков будущего работника будет знание того, как взаимодействовать с алгоритмами искусственного интеллекта в своей работе. Еще одна работа в недалеком будущем - специалист по машинному обучению и специалист по большим данным. Мы подробнее рассмотрим эту тему в одном из следующих постов.

=====================================

Спрос на специалистов по большим данным и машинного обучения.Большие данные и машинное обучение требуют новых специалистов и ученых. И этот спрос быстро растет. Например, как показывает сайт Indeed.com, мы можем наблюдать рост спроса на специалистов по данным на 29% в годовом исчислении и почти невообразимый рост на 344% с 2013 года. В отчете Всемирного экономического форума о будущем рабочих мест за 2018 год было опрошено более 300 крупнейших компаний мира, и 85% из них заявили, что хотят расширить аналитику больших данных к 2022 году . А как насчет специалистов по машинному обучению? Как показывает другой отчет, в 2018 году насчитывалось около 3000 человек с навыками и опытом в области искусственного интеллекта, а в самих США был спрос на более чем 9000 специалистов. Таким образом, вы ясно видите влияние больших данных и, следовательно, машинного обучения на экономику. Будущие рынки будут переполнены им.

=====================================

Улучшение продукта

Благодаря машинному обучению, текущие и будущие продукты будут и будут лучше соответствовать ожиданиям рынка. Почему мы так говорим? Машинное обучение может помочь в повышении качества продуктов и услуг, а также в предоставлении клиентам более персонализированных продуктов и их разновидностей. Более того, новые компании, выходящие на рынок, могут с удивительной точностью измерять спрос клиентов на определенные продукты.Машинное обучение в экономике может анализировать тонны данных, необходимых для принятия правильных бизнес-решений относительно вывода на рынок нового продукта или изменения существующих. Даже сейчас каждая серьезная компания проводит множество опросов и исследований, прежде чем вносить хоть малейшее изменение в продукт. Неважно, говорим ли мы об упаковке, вкусе, размере, цене или любом другом факторе. Просто нужно все как можно тщательнее изучить. С развитием машинного обучения в области экономики эта тенденция будет стремительно расти. Представьте, что системы машинного обучения проводят все опросы и аналитику для крупных корпораций. Все было бы намного быстрее и точнее.

=====================================

Алгоритмы машинного обучения будут проводить сотни опросов, «разговаривать» с тысячами людей по всему миру и анализировать все доступные данные, чтобы предоставить 100% эффективный продукт, востребованный рынком. И все это одновременно! В настоящее время требуется много времени, чтобы собрать подходящих кандидатов для опроса, провести его и написать резюме. А затем вам нужно проанализировать и объединить данные из нескольких стран, где проводились опросы. На завершение всего процесса уходят недели и месяцы. Машинное обучение может сократить его до нескольких дней или даже меньше.Based on that, we can predict that the product of the future will meet our expectations and requirements much better than it happens now.

====================================

Когда дело доходит до прогнозирования, стандартные эконометрические модели имеют тенденцию «завышать» выборки, и поэтому результат может вводить в заблуждение. Алгоритмы машинного обучения намного точнее и лишены человеческих мнений и суждений. В традиционной эконометрике чем сложнее модель, на которой вы основываете, тем выше дисперсия и меньше смещение. Таким образом, вы можете ожидать ошибки прогноза, иногда меньшей, иногда большей, но она всегда присутствует. Это та точка, где приходит на помощь машинное обучение в экономике. Алгоритмы машинного обучения могут минимизировать ошибки прогнозирования и делать прогнозы намного быстрее и с использованием большего количества данных. Более того, алгоритмы машинного обучения могут анализировать множество альтернативных моделей одновременно, тогда как в традиционной эконометрике вы можете анализировать только одну модель за раз.

Истоник https://addepto.com/machine-learning-in-economics-how-is-it-used/