İçindekiler:
Makine öğrenimi, bilgi işlem tarihindeki en büyük ilerlemelerden biri olmuştur ve şimdi büyük veri ve analitik alanında önemli roller üstlenebileceğine inanılmaktadır. Büyük veri analizi, işletmeler açısından büyük bir zorluktur. Örneğin, büyük miktarlarda çeşitli veri formatlarını anlama, analitik için veri hazırlama ve gereksiz verileri filtreleme gibi etkinlikler çok fazla kaynak tüketebilir. Veri bilimcileri ve uzmanları işe almak, her şirketin aracı içinde değil, pahalı bir tekliftir. Uzmanlar, makine öğreniminin hem rutin hem de karmaşık olmak üzere analitikle ilgili birçok görevi otomatikleştirebileceğine inanıyor. Makine öğrenmesini otomatikleştirmek, daha karmaşık ve yenilikçi işlerde kullanılabilecek birçok kaynağı serbest bırakabilir. Makine öğreniminin bu yönde ilerlediği anlaşılıyor. (Makine öğrenmesinin kullanımı hakkında daha fazla bilgi için, bkz. Makine Öğreniminin Vaatleri ve Tuzakları.)
Bilgi Teknolojisi Bağlamında Otomasyon
BT bağlamında otomasyon, farklı sistemlerin ve yazılımların birbirine bağlanmasıdır, böylece herhangi bir insan müdahalesi olmadan belirli işler yapabilirler. BT endüstrisinde, otomatik sistemler hem basit hem de karmaşık işleri gerçekleştirebilir. Basit bir işe örnek olarak, bir formu PDF ile entegre etmek ve belgeyi doğru alıcıya göndermek olabilirken, tesis dışında yedekleme sağlamak karmaşık bir işe örnek olabilir.
İşini yapmak için otomatik bir sistemin programlanması veya açık talimatlar verilmesi gerekir. İşlerinin kapsamını değiştirmek için her otomatik sistem gerektiğinde, programın veya talimatlar grubunun bir insan tarafından güncellenmesi gerekir. Otomatik sistemler işlerinde verimli olsa da, çeşitli nedenlerle hatalar meydana gelebilir. Hatalar oluştuğunda, temel nedenin tanımlanması ve düzeltilmesi gerekir. Açıkçası, işlerini yapmak için otomatik sistemler tamamen insanlara bağımlıdır. İşin doğası ne kadar karmaşıksa, hata ve sorun olasılığı da o kadar yüksek olur.
