继续无题

企业分为:决策层、管理层、执行层。

所以企业也会有:决策软件、管理软件、执行软件。

(1)

啥叫分析?分析就是根据现状,思考原因,这就是典型的归因:从现在往过去捋,这就叫分析。因果推断算法就是擅长干这个。

啥叫预测?预测是根据现状往未来推,这就叫预测。时序预测算法就是擅长干这个。

啥叫决策?就是根据预测的严重程度和紧急程度,根据分析的归因,提出能力和资源可行、ROI投入产出划算的解决方案,并决定什么恰当时机执行,具体谁来领军执行,具体要搭建什么样的组织、投入什么样的资源多少资源来执行、怎么保证整合协同、质量/成本/风险可控。这一揽子都叫决策。博弈论-运筹学-最优求解算法擅长干这个。

31166a31001faf3a61a5c9b52ed65692.jpeg

(2)

啥叫数据?就是最原始产生的。

啥叫信息?就是从最原始产生的,识别出有重点有扼要特征的。

啥叫知识?就是把信息关联起来,形成结构:如堆栈结构、链结构、树结构、图结构、群结构...。

啥叫智慧?永久记忆和快速计算不是智慧,知分寸-进退地选择是决策也不是智慧。智慧是在知识的基础上发明创造(不是演绎)。

f9a642880d8b6957d0785d887cc9575c.jpeg

(3)

产供销研售后,这就是一般企业的典型业务价值链。

有产品全生命周期管理软件,就有CAD产品设计工具软件。

有供应链管理软件,就有寻源、B2B电子商城业务。

有库存管理软件,就有WMS仓储软件。

有MRP生产管理软件,就有MES制造执行系统软件。

有销售管理和分销管理软件,就有线下零售业务开展软件、线上零售电子商务平台和线上独立网店SaaS。

有维修管理软件,就有远程监控、远程诊断工具。

有人力资本管理软件,就有招聘网站、培训业务、测评服务、员工福利服务。

有财务管理软件,就有会计记账出报表工具软件,就有商旅在线购买-报销一体化服务。

(4)

企业管理软件,经过50年-半个世纪的发展,以及百年科学管理理论发展,几近成熟。

在互联网-电子商务、CNC-PLC-HMI-DCS-智能硬件-传感器-5G IoT接入-AI视觉识别技术的支撑下,业务执行类软件/硬件/服务,成为新的市场。

在互联网数据爬虫-搜索推荐引擎-机器学习-深度学习-深度神经网络-预训练大模型的技术支撑下,决策类软件,人们开始思考它的可能性(这让在中国一直不流行的SPSS、SAS情何以堪,甲方业务部门-IT部门、乙方实施顾问-客开人员-产品经理都不会啊)。

90b7e55140bce53283de1a6b9a776305.jpeg

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值