Автор: Мария Прастакова

Индустрия высоких технологий - это новый захватывающий мир, полный инноваций, сотрудничества, новых продуктов и решений. Но это также мир инженеров и ученых, мир, в котором новые продукты создаются с помощью сложных процессов, упрощающих повседневные задачи. Чтобы понять, что происходит вокруг, вам понадобится четкое понимание основных понятий. Итак, вот некоторые из наиболее часто используемых концепций, которые вам нужно знать, объясняя их как можно проще!

Искусственный интеллект

Искусственный интеллект или ИИ - это интеллект, который демонстрируется в машине. ИИ - это структура, которая позволяет машинам или программам учиться на собственном опыте, приспосабливаться к новым входным данным и выполнять задачи, похожие на человеческие. Конечно, это не означает, что машина заменит человека в каждом сценарии: машины обучаются через данные так же, как люди понимают окружающий мир, но технология в настоящее время сосредоточена в основном на распознавании речи, обучении, планировании и решении проблем. Сам термин очень неоднозначный, поскольку разумные действия - это субъективный термин, который постоянно меняется по мере развития технологий.

Искусственный интеллект предлагает большие возможности для руководителей бизнеса, поскольку он позволяет машинам выполнять задачи с очень низкими затратами при очень высоком уровне производительности. Однако не все задачи могут быть выполнены ИИ: машина не может взаимодействовать с людьми так же, как другие люди, а это означает, что высшие сенсорные функции еще предстоит заменить.

Дополнительная литература:
- Прикладной искусственный интеллект Марии Яо

Машинное обучение

Машинное обучение или машинное обучение - это способность программы развиваться и прогрессировать в решении конкретной задачи без использования явных инструкций. Как это работает? Проще говоря, машине или программе предоставляются данные, и они выявляют закономерности в этих данных. Эти шаблоны затем позволяют машине или программе вывести общие правила, а также разработать и создать решение самостоятельно. Ограничения и стандарты для этих решений устанавливаются программистом, однако машинное обучение позволяет программе создавать новые способы решения проблемы, а не просто следовать запрограммированному алгоритму.

ML - это термин, который часто путают или используют как синоним AI, но это неверно. ИИ - это более широкая концепция машин, способных выполнять задачи способом, который мы считаем «умным», в то время как машинное обучение - это метод, позволяющий анализировать огромные объемы данных и текущее применение ИИ. Он основан на идее, что мы можем предоставить машинам доступ к данным и позволить им учиться самостоятельно.

Алгоритмы машинного обучения часто делятся на контролируемые и неконтролируемые, но существуют и другие категории. Чтобы объяснить два наиболее часто используемых:

  • Машинное обучение с учителем. В большинстве случаев машинное обучение с учителем использует обучение с учителем. Контролируемое обучение - это когда у вас есть входные переменные (x) и выходная переменная (Y), и вы используете алгоритм, чтобы помочь машине изучить функцию сопоставления от входа к выходу. Цель состоит в том, чтобы аппроксимировать функцию сопоставления настолько хорошо, чтобы, когда у вас есть новые входные данные (x), вы могли предсказать выходные переменные (Y) для этих данных. Это называется обучением с учителем, потому что процесс обучения алгоритму на основе набора обучающих данных можно рассматривать как учителя, контролирующего процесс обучения. Мы знаем правильные ответы, алгоритм итеративно делает прогнозы на основе данных обучения и корректируется учителем. Обучение прекращается, когда алгоритм достигает приемлемого уровня производительности.
  • Машинное обучение без учителя. Обучение без учителя - это когда у вас есть только входные данные (X) и нет соответствующих выходных переменных. Цель обучения без учителя - смоделировать базовую структуру или распределение данных, чтобы узнать о них больше. Это называется обучением без учителя, потому что, в отличие от вышеуказанного обучения, здесь нет правильных ответов и нет учителя. Алгоритмы предоставлены сами себе, чтобы обнаруживать и представлять интересную структуру данных.

Дополнительная литература:
- Машинное обучение для абсолютных новичков Оливер Теобальд
- Что такое машинное обучение? Определение
- Контролируемые и неконтролируемые алгоритмы машинного обучения Джейсона Браунли
- В чем разница между искусственным интеллектом и машинным обучением? Бернар Марр

Облачные вычисления

Облачные вычисления - это общий термин, который включает продукты, услуги и платформы, которые позволяют пользователям получать доступ к вычислительным ресурсам через Интернет или другие сети. «Облако» относится к серверам, доступ к которым осуществляется через Интернет, а также к программному обеспечению и базам данных, которые работают на этих серверах. Облачные серверы расположены в дата-центрах по всему миру. Используя облачные вычисления, пользователям и компаниям не нужно самостоятельно управлять физическими серверами или запускать программные приложения на своих машинах.

Представьте себе простейшую вещь, такую ​​как электронная почта для сотрудников компании: чтобы вместить растущую базу сотрудников, компания должна инвестировать во внутренние серверы, которые позволят хранить эти учетные записи электронной почты. И эти серверы дорогие. Облако позволяет компании просто оплачивать абонентскую плату поставщику облачных услуг, и они могут настроить любое количество электронных писем. Эти облачные сервисы дешевле оборудования, потому что облачный провайдер использует серверы для нескольких клиентов и, проще говоря, получает выгоду от эффекта масштаба. По мере роста потребностей клиентов можно легко добавить больше пользователей или вычислительных ресурсов.

Дополнительная литература:
- Объясни облако, как будто мне 10, Тодд Хофф.
- Что такое облачные вычисления? Все, что вам нужно знать сейчас Эрик Норр

Блокчейн

Возможно, одно из самых модных словечек в сфере технологий на сегодняшний день. Блокчейн - это распределенная цифровая книга, в которой регистрируются транзакции - по сути, способ записи этих транзакций, который является более безопасным и неопровержимым. Вместо того, чтобы разные стороны транзакции вели свои собственные записи этой транзакции, которые потенциально могут различаться и вызывать путаницу, блокчейн создает одну «основную» запись и делится ею между всеми пользователями. Это не может быть изменено после записи транзакции, что делает ее более безопасным способом записи.

Блокчейн стал горячим термином с развитием технологий, а также с ростом криптовалюты, например Биткойн. Однако у блокчейна есть множество приложений за пределами области криптовалюты, таких как управление активами, цифровые платежи, даже паспорта и свидетельства о рождении!

Дополнительная литература:
- Объяснение блокчейна

Открытый источник

Открытый исходный код - это термин, который означает, что программа включает доступ к своему исходному коду. Очень просто: когда у вас есть программа, вы можете настраивать ее, публиковать изменения, сотрудничать с другими и т. Д. Программы с открытым исходным кодом являются ценными инструментами, поскольку они предоставляют доступ к работе и опыту других людей. Это означает, что при разработке новой программы или продукта вы можете прибегнуть к материалам с открытым исходным кодом, чтобы облегчить разработку или даже узнать, как другие программисты придумали решение аналогичной проблемы или ошибки. Программы с открытым исходным кодом обычно поддерживаются сообществом разработчиков, а не компанией или частным лицом. Из-за этого есть коллективная сила талантливых людей, работающих над одной программой, что дает не только больше идей, но и более быструю разработку и устранение неполадок при возникновении проблем.

Дополнительная литература:
- 10 преимуществ открытого исходного кода для предприятия Бена Бромхеда

Адаптивная технология

Адаптивные технологии - это набор инструментов или продуктов, созданных, чтобы помочь людям с ограниченными возможностями работать эффективно и продуктивно. Сюда входят специальные версии уже существующих технологий или инструментов, которые предоставляют улучшения или различные способы взаимодействия с этими технологиями. Это связано со вспомогательными технологиями, которые состоят из продуктов и услуг, которые позволят людям с ограниченными возможностями использовать существующие технологии для выполнения задач.

Почему это важно? Технологии созданы, чтобы помочь людям упростить задачи в личной и профессиональной жизни. Инвалиды и нарушения не должны мешать людям вносить свой вклад в рабочую силу. Адаптивные технологии помогают им преодолеть эти трудности и получить доступ ко всем инструментам, необходимым для их равной работы. В то же время преимущества адаптивных технологий ослабляют дискриминацию людей с ограниченными возможностями при приеме на работу и трудоустройстве.

Гибкая разработка

Гибкая разработка используется для описания различных подходов к разработке программного обеспечения, в которых требования и решения развиваются за счет межфункционального сотрудничества, гибкости в разработке и творчества. Единственное, что отличает гибкую разработку от других подходов к разработке программного обеспечения, - это сосредоточение внимания на людях, выполняющих работу, и на том, как они работают вместе. Решения развиваются в результате сотрудничества между самоорганизующимися кросс-функциональными командами, использующими соответствующие методы для своего контекста.

Это означает, что код остается простым, часто тестируется, и вместо того, чтобы ждать, пока все будет завершено, добавочные, но функциональные части программного обеспечения выпускаются, как только они будут готовы. Это позволяет компаниям быстрее разрабатывать качественный и функциональный продукт, быть гибкими в своих решениях и способах удовлетворения новых потребностей. А поскольку гибкая разработка уделяет больше внимания отдельным лицам и их идеям, а не инструментам и процессам, она способствует лучшему взаимопониманию между ИТ-лидерами и руководителями бизнеса.

Дополнительная литература:
- Agile 101
- Agile с большой буквы Vs. agile со строчной буквой а »
- Отвечая на вопрос «Где доказательство того, что гибкие методы работают? Вопрос"

Большие данные

Большие данные - это концепция, описывающая феноменальный рост, использование и доступность информации. Этот термин описывает большой объем данных - как структурированных, так и неструктурированных - которые ежедневно наводняют бизнес. Но важен не объем данных. Важно то, что организации делают с данными. Большие данные могут быть проанализированы на предмет понимания, которое приведет к более правильным решениям и стратегическим шагам бизнеса.

Из-за размера и сложности больших данных невозможно понять их, используя старые приложения для обработки данных и другие традиционные инструменты. Но игнорировать большие данные - ошибка организаций. Во-первых, он позволяет вам иметь всю необходимую информацию, чтобы знать, куда вам следует развивать свой бизнес дальше, а также на то, на какие инновации стоит обратить внимание. Это также может помочь предприятиям в массовой персонализации: возможность адаптировать услуги и информацию, предоставляемую каждому покупателю или пользователю.

Дополнительная литература:
- Данные, данные повсюду
- Эра данных 2025: оцифровка мира от края до ядра Д. Рейнселя, Дж. Ганца и Дж. Риднинга
- Ответственное использование данных Тобиаса Кноблоха и Юлии Манске.

Бизнес-аналитика

Один из наиболее важных ИТ-терминов, бизнес-аналитика, относится к набору программного обеспечения и инструментов, которые компании могут использовать для анализа необработанных данных. Он включает в себя интеллектуальный анализ данных, анализ и отчетность. Бизнес-аналитика позволяет компании сокращать расходы, принимать более обоснованные бизнес-решения и даже открывать новые возможности для вашего бизнеса.

Дополнительная литература:
- На пути к дифференциации бизнес-аналитики, больших данных, аналитики данных и открытия знаний Н. Дедич и К. Станье

Окружающие вычисления

Окружающие вычисления - это термин, охватывающий множество различных концепций. По своей сути, это сочетание оборудования, программного обеспечения, взаимодействия с пользователем и взаимодействия между машиной и человеком, а обучение становится идеей использования компьютера или устройства с подключением к Интернету без необходимости сознательного использования.

Проще говоря, окружающие вычисления - это коллективные устройства, которые мы используем дома и на работе, которые становятся продолжением друг друга и предлагают нам общий беспроблемный опыт. Нам больше не нужно сидеть за настольным компьютером, чтобы работать с ним - таков эффект окружающих вычислений.

Дополнительная литература:
- Google и окружающие вычисления Бена Томпсона