Koneoppiminen ennakoivassa huollossa
Koneoppimisen hyödyntäminen ennakoivassa huollossa. Kaksiosaisessa sarjassa asiaa kustannusäästöistä ja esimerkki Python-kielellä.
Avainsana: koneoppiminen
Koneoppiminen tarkoittaa menetelmiä, joilla voidaan tehdä ennusteita datasta perustuen historiatietoon. Yksinkertaisessa tapauksessa sovellukselle tai algoritmille voidaan syöttää taulukkomuotoista dataa, josta luodaan tilastollinen malli. Taulukossa voi olla vaikkapa kolme saraketta: koulutus, ikä ja palkka. Datan perusteella malli pystyy ennustamaan koulutuksen ja iän perusteella henkilön palkan tietyllä tarkkuudella ennen näkemättömistä kirjauksista. Esimerkiksi bayesilainen luokittelu on yksinkertainen koneoppimisalgoritmi.
DataCamp – Data science-opinnot verkkokurssina
Kokemuksia DataCamp-palvelusta. Data science-koulutus on helppo järjestää joko itselle tai tiimille järjestelmällisenä kokonaisuutena.
Ensiasunnon ostaminen keskustasta – Lainaneuvotteluita ja laskentamalleja
Ensiasunnon ostaminen keskustasta. Kokemuksia lainan neuvottelemisesta, asunnon hinnan arvioinnista ja korkojen vaikutuksesta.
Hakurobotti AWS-pilvialustalle – Tekninen kuvaus asiakasprojektista
Teknisen toteutuksen kuvaus asiakasprojektissta, jossa toteutin hakurobotin AWS-pilvialustalle nuuskimaan tietoa automatisoidusti netistä.
Datan klusterointi SQL-kyselyllä – Esimerkki IoT-datalla
Aikasarjadatan klusterointi SQL-kyselyllä. Kokeilun tarkoituksena oli osoittaa, että data science ei aina vaadi erikoisia työkaluja. SQL on kuitenkin melko suoraviivaista. Koska kokeilu oli tekninen, suurin […]
Kuva taulukoksi – Tulostetun datan digitalisointi Excel-mobiilisovelluksella
Testissä Excel-mobiilisovelluksen ominaisuus, jolla tulostetun taulukon kuvasta voidaan tuoda tiedot laskentataulukkoon automatisoidusti.
Suomenkielisten sanojen perusmuotoistaminen ja stemmaus pythonilla
Kirjoitin Solitan blogiin aiheesta ”Suomenkielisten sanojen perusmuotoistaminen pythonilla”. Kirjoitus sisältää koodiesimerkkejä.
Tekoälykokeiluissa havainnot ovat tuloksia tärkeämpiä
Kirjoitin Solitan blogiin aiheesta ”Tekoälykokeiluissa havainnot ovat tuloksia tärkeämpiä”. Linkki alkuperäiseen tekstiin ja tiivistelmä.
Kokemuksia tekstianalytiikasta rahoitushakemuksien luokittelussa
Kokemuksia tekstianalytiikasta ja rahoitushakemusten automaattisesta luokittelusta.
Web-sovellus pilvessä data edellä – Tekninen toteutus
Tekninen kuvaus data edellä tehdystä web-sovelluksesta, jonka toteutuin AWS-pilvialustalle harrasteprojektina.
Web-sovellus pilvessä data edellä – Sovelluksen esittely
Tein harrasteprojektina pilveen mobiilioptimoidun web-sovelluksen, jossa olennaista oli datan monipuolinen hyödyntäminen. Katso demo video.
Mitä teen työkseni?
Outo englanninkielinen titteli ei usein kerro, mitä työ oikeasti on. Blogitekstissä kerron tarkemmin, millaisia ongelmia ratkon työssäni.
Esimerkki koneoppimisen soveltamisesta liiketoimintaan
Sain vihdoin julkaistua pöytälaatikossani muutaman kuukauden muhineen blogikirjoituksen teemalla ”Konkreettinen esimerkki koneoppimisesta ja liiketoimintahyödyistä”. Tarve yhdistää liiketoiminta ja koneoppiminen vaikuttaa olevan kova.
Elämme koneoppimisen ja pilven aikakautta, mutta mikä Excelin rooli nykyään on?
Ennen oli Excel. Nykyään on mobiilisovellukset, pilvi, IoT ja koneoppinen. Tässä blogissa kerron näkemykseni Excelin roolista suhteessa muihin työkaluihin. Pohdintaa myös Excelin tulevaisuudesta.
R in a Nutshell – Kokemuksia R-ohjelmoinnista
Luin kirjan tilastolliseen laskentaan käytetystä R-kielestä. Kerron kokemukseni kirjan sisällöstä ja käyttämistäni oppimismenetelmistä.
Tampere ES Data Science Meetup
Tampere ES Data Science Meetupissa puheenvuorot koneoppimiskilpailuista ja nettisivujen asiakaspalvelun automatisoinnista.
Vedonlyönti – Voiko sillä elää? – Lue Opas
Vedonlyönti – sillä on mahdollista elättää itsensä. Blogia ei ole sponsoroitu, vaan ajatukset ovat täysin omiani. Vedonlyönti erityisesti urheilun parissa herättää paljon myyttejä ja uskomuksia, joista osa […]
Data Mining Concepts and Techniques, J. Han, M. Kamber & J. Pei
Kirja koneoppimisesta, tiedonlouhinnasta ja algoritmeista. Data Mining Concepts and Techniques, J. Han, M. Kamber & J. Pei.