Chapitre 10. Rassembler le tout : Construire un tableau de bord d'analyse client alimenté par l'IA.
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Vous avez parcouru un long chemin dans ce livre et (espérons-le !) appris beaucoup de nouvelles choses sur la façon dont les services d'IA peuvent être déployés à différents niveaux de la pile analytique. Dans ce chapitre, je vais te montrer comment ces couches de services d'analyse et d'IA peuvent être combinées pour offrir une meilleure expérience aux utilisateurs de BI et exploiter le potentiel de l'IA et de la BI en mélangeant les deux approches. En fait, tu devrais voir que les différents services d'IA ne sont pas une décision soit l'un soit l'autre, mais qu'ils peuvent se compléter. Par exemple, nous pouvons transformer des données non structurées (texte brut) en données structurées (tableau de scores de sentiment) afin de pouvoir les utiliser pour faire de l'apprentissage supervisé (utiliser les scores de sentiment pour prédire le désabonnement des clients).
À la fin de ce chapitre, tu seras en mesure de mélanger plusieurs services d'IA pour développer des cas d'utilisation encore plus puissants. Pour réduire l'effort de programmation au minimum, nous utiliserons Azure Machine Learning Designer comme outil sans code pour créer des flux de travail ML avancés qui permettent une plus grande personnalisation que le service AutoML que tu as appris ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access