چگونه آدفانزیا (advanzia) فرایند آنبوردینگ دیجیتال در بانکداری را متحول کرد؟

نکات کلیدی بانک Advanzia فرایند آنبوردینگ مشتری را از دو هفته به چند دقیقه کاهش داد، با استفاده از Axway Amplify و APIهای مجهز به هوش مصنوعی. امتیازدهی KYC در لحظه، امضاهای دیجیتال و صدور فوری کارت دیجیتال، تجربه مشتری و نرخ تبدیل را بهبود داده است. مدل جدید آنبوردینگ بدون نیاز به تغییر از […]

ادامه مطلب ...
سامانه‌های یادگیری ماشین تولیدپذیر با apache iceberg و sparksql چگونه ساخته می‌شوند؟

نکات کلیدی «سفر در زمان» در Apache Iceberg به شما اجازه می‌دهد دقیقاً همان اسنپ‌شات داده‌ای را پیدا کنید که بهترین نتایج‌تان را ساخته، به‌جای این‌که مثل کارآگاه‌ها در لاگ‌های پروداکشن دنبال سرنخ بگردید. پارتیشن‌بندی هوشمند می‌تواند زمان کوئری را از ساعت‌ها به دقیقه‌ها کاهش دهد، فقط با پارتیشن‌کردن روی همان ستون‌هایی که همین حالا […]

ادامه مطلب ...
ai agentic workflows (2)

متخصصان داده که سیستم‌های پردازش زبان طبیعی سازمانی را مدیریت می‌کنند با گلوگاه حیاتی روبرو هستند: رویکردهای جاسازی سنتی بودجه‌های محاسباتی بیش از ۳۰۰٬۰۰۰ دلار در سال مصرف می‌کنند در حالی که درک معنایی ناسازگار در زمینه‌های خاص دامنه ارائه می‌دهند. این چالش زمانی شدت می‌گیرد که اصطلاحات چندمعنایی مانند “cell” بردارهای یکسانی تولید می‌کنند […]

ادامه مطلب ...
برنامه‌نویسی درحال کدنویسی با لپ‌تاپ، محیط دیجیتال

شکست‌های مدل‌سازی داده، سازمان‌ها را با پیامدهای فاجعه‌بار روبه‌رو می‌کند: پیاده‌سازی‌های ناموفق سالانه به طور متوسط ۱۴ میلیون دلار به ازای هر سازمان هزینه دارند، در حالی که کیفیت پایین داده به‌تنهایی ۲۰٪ از درآمد را می‌بلعد. زمانی‌که تیم‌های داده مدل‌های SQL ضعیف طراحی‌شده را به ارث می‌برند مدل‌هایی که بیش از ۲۴ ساعت برای […]

ادامه مطلب ...
کامپیوتر با نمایشگر هوش مصنوعی پیشرفته

ابزارهای هوش تجاری به اکوسیستم‌های تحلیلی پیچیده‌ای تکامل یافته‌اند که هوش مصنوعی، پردازش زمان واقعی و قابلیت‌های جاسازی‌شده را ادغام می‌کنند تا به چالش‌های رو به رشد پاسخ دهند. این برنامه‌های نرم‌افزاری تخصصی از الگوریتم‌های یادگیری ماشین برای ارائه بینش‌های خودکار، پشتیبانی از پرس‌وجوهای زبان طبیعی و ادغام بدون درز در جریان‌های کاری عملیاتی استفاده […]

ادامه مطلب ...
مدیریت کیفیت داده (data quality management) چیست؟

متخصصان داده در شرکت‌های رو به رشد با چالشی روزافزون و پیچیده مواجه هستند: مدیریت کیفیت داده در سیستم‌های توزیع‌شده در حالی که پلتفرم‌های ETL قدیمی منابع مهندسی قابل‌توجهی را فقط برای حفظ خطوط لوله اولیه مصرف می‌کنند. با پردازش حجم عظیمی از داده‌ها توسط سازمان‌ها از CRMها، پایگاه‌های داده داخلی و پلتفرم‌های بازاریابی، حاکمیت […]

ادامه مطلب ...
عملکرد هوش مصنوعی در کسب‌وکار (ai in business) و توسعه محصول چگونه است؟

از تقویت تصمیم‌گیری تا توانمندسازی محصولات تطبیقی، هوش مصنوعی در حال تغییر شکل دادن به نحوه عملکرد، رقابت و ارائه ارزش توسط شرکت‌ها است. مرور کلی هوش مصنوعی دیگر یک فناوری حاشیه‌ای نیست — این یک نیروی تحول‌آفرین در هسته استراتژی کسب‌وکار و نوآوری محصول است. از تقویت تصمیم‌گیری تا توانمندسازی محصولات تطبیقی، هوش مصنوعی […]

ادامه مطلب ...

توسعه هوش مصنوعی (AI) فراتر از انتخاب زبان برنامه‌نویسی مناسب است. این فرآیند شامل جمع‌آوری داده‌های مناسب، منابع محاسباتی، چارچوب‌ها و ابزارهایی برای ساخت سیستم‌های مقیاس‌پذیر و آماده برای تولید است. بررسی اجمالی یادگیری ماشین (ML)، شبکه‌های عصبی، پردازش زبان طبیعی (NLP) و سایر انواع هوش مصنوعی (AI) به زبان‌های برنامه‌نویسی هوش مصنوعی وابسته هستند […]

ادامه مطلب ...
یادگیری تقویتی با بازخورد انسانی (rlhf) چیست؟

یادگیری تقویتی با بازخورد انسانی (Reinforcement Learning From Human Feedback) چیست؟ یادگیری تقویتی با بازخورد انسانی (RLHF) یک تکنیک یادگیری ماشین (ML) است که از بازخورد انسانی برای بهینه‌سازی مدل‌های یادگیری ماشین استفاده می‌کند تا خودآموزی کارآمدتری داشته باشند. تکنیک‌های یادگیری تقویتی (RL) نرم‌افزار را برای تصمیم‌گیری‌هایی که پاداش‌ها را به حداکثر می‌رسانند آموزش می‌دهند […]

ادامه مطلب ...
یادگیری انتقال (transfer learning) چیست؟

یادگیری انتقال (Transfer Learning) چیست؟ یادگیری انتقال (TL) یک تکنیک یادگیری ماشین (ML) است که در آن یک مدل از پیش آموزش‌دیده برای یک وظیفه خاص، برای یک وظیفه جدید و مرتبط تنظیم دقیق (fine-tune) می‌شود. آموزش یک مدل جدید یادگیری ماشین فرآیندی زمان‌بر و سنگین است که به حجم زیادی از داده، قدرت محاسباتی […]

ادامه مطلب ...
سبد خرید
علاقه‌مندی‌ها
مشاهدات اخیر
دسته بندی ها