תוכן עניינים:
למידת מכונות הייתה אחד ההתקדמות הגדולות ביותר בתולדות המחשוב, וכעת מאמינים כי היא מסוגלת למלא תפקידים משמעותיים בתחום ה- Big Data and Analytics. ניתוח נתונים גדולים הוא אתגר עצום מנקודת מבטם של עסקים. לדוגמה, פעילויות כמו הבנת נפח עצום של פורמטים שונים של נתונים, הכנת נתונים לניתוח וסינון נתונים מיותרים יכולים לצרוך משאבים רבים. שכירת מדענים ומומחים לנתונים היא הצעה יקרה ולא באמצעים של כל חברה. מומחים מאמינים שלמידת מכונה מסוגלת לאוטומציה של משימות רבות הקשורות לניתוח - שגרתיות ומורכבות כאחד. אוטומציה של למידת מכונה יכולה לפנות משאבים רבים שניתן להשתמש בהם בעבודות מורכבות וחדשניות יותר. נראה שלמידת מכונה פונה לכיוון זה. (למידע נוסף על השימוש בלמידת מכונה, עיין בהבטחות ובמורות של למידת מכונה.)
אוטומציה בהקשר של טכנולוגיית מידע
בהקשר של IT, אוטומציה היא קישור בין מערכות ותוכנות שונות, כך שהן מסוגלות לבצע עבודות ספציפיות ללא כל התערבות אנושית. בענף ה- IT מערכות אוטומטיות יכולות לבצע עבודות פשוטות ומורכבות כאחד. דוגמה למשרה פשוטה יכולה להיות שילוב טופס עם PDF ושליחת המסמך לנמען הנכון, ואילו מתן גיבוי מחוץ לאתר יכול להיות דוגמא לעבודה מורכבת.
כדי לבצע את עבודתה, יש לתכנת מערכת אוטומטית או לתת הוראות מפורשות. בכל פעם שמערכת אוטומטית נדרשת לשנות את היקף עבודותיה, צריך לעדכן את התוכנית או מערכת ההוראות על ידי בן אנוש. בעוד שמערכות אוטומטיות יעילות בעבודתם, טעויות יכולות להתרחש מסיבות שונות. כאשר מתרחשות שגיאות, יש לזהות ולתקן את גורם השורש. ברור שכדי לבצע את עבודתם, מערכות אוטומטיות תלויות לחלוטין בבני אדם. ככל שאופי התפקיד מורכב יותר, כך גדל ההסתברות לטעויות ובעיות.
