Внимание! Сайт не гарантирует того, что представленный текст разрешён по возрасту. Не рекомендуется пользоваться сайтом, если вам меньше 18 лет.
" ... Важно объяснить, что такое «полный набор инструментов» на примерах таких гигантов как Google, Microsoft, Amazon. Во-первых — это гибкая и динамичная внутренняя культура и высокие зарплаты, которые притягивают лучшие кадры. Второе — инфраструктура, своя и партнерская, где они проводят инновационные мероприятия и работают. У Microsoft, Google и многих других есть конкретные площадки, где они проводят свои мероприятия, например, Google Launchpad. Есть и ряд партнерских площадок таких как Plug and Play TechCenter. Третья составляющая – корпоративные фонды, которые покупают стартапы с завидной регулярностью. В период с начала 2015 по настоящее время год Google купил 40 компаний, потратив порядка $10 млрд долларов, и проинвестировал еще в 21 стартап, потратив на это $2,6 млрд. В этот же период Microsoft приобрел 35 стартапов, а проинвестировал в 20. Uber выбрал другую стратегию: компания купила всего 4 компании, но при этом потратила $2,1 млрд, включая огромную инвестицию в Otto на $680 млн. Четвертый инструмент для работы с рынком молодых технологических компаний – собственные программы акселерации для фильтрации и интеграции стартапов и их технологий. У Microsoft 8 своих программ по всему миру, и они работают практически со всеми международными и локальными частными акселераторами. У Telefonica есть огромная внутренняя программа Wayra, которую прошло более 600 стартапов в 11 точках по всему миру, и более 450 из них получили инвестиции, и при этом компания работает с партнерами — акселераторами и инкубаторами по всему миру. ... "
" ... Выделите тренд, который доминирует в отобранных примерах для подражания. Тренд должен быть один. Формулировка должна быть простой и короткой. Например, диджитализация, как выбрали мы. ... "
" ... Как это может работать, покажу на примерах из Дагестана, региона с самой насыщенной на сегодняшнем Северном Кавказе мусульманской жизнью. ... "
" ... Сначала ИИ проанализировал чеки покупателей (не только ваш) и построил так называемые связи «люди-продукты», где определил, что люди покупают, в какое время и в каком количестве. На следующем этапе все чеки были сопоставлены на предмет повторяющихся групп товаров. То есть если кто-то до вас купил в магазине такие же товары, как и вы, то эта «связка» уже попала в систему анализа. И так по каждому чеку и по каждому товару. Впечатляет, не правда ли? То есть для того, чтобы предложить вам определенный продукт с вероятностью, что вы его купите, система проанализировала сотни тысяч покупок сотен тысяч покупателей. И об этих космических объемах информации мы начали говорить вместе с активным развитием искусственного интеллекта. В этом, на первый взгляд, действительно сложно разобраться, над построением архитектуры нейронных сетей трудятся большие команды аналитиков и data-scientists, но, как мы видим на примерах выше, все это окупается. В виде увеличения как лояльности клиентов, так и среднего чека. ... "
" ... Современные технологии машинного обучения — еще большая магия. Современному искусственному интеллекту не нужно описывать структуру данных и придумывать правила. Нужно просто дать миллион предложений и показать в них тысячу символов, похожих на «р». Искусственная нейронная сеть обучится на этих примерах, сама найдет в них закономерности и начнет порождать свои решения, выбирая все «р». Если вы спросите инженера по глубокому обучению, как его нейросеть поняла, что эта закорючка тоже буква «р» (она же вообще не очень похожа на «р», у нее половина буквы не пропечаталась), он вам ответит: «Я не знаю, так обучилась система». Это очень похоже на черный ящик и на то, как думает человек: нейронная сеть сама строит свои нейронные связи так, что начинает «понимать» входящий сигнал. ... "