你想象的更简单 上最近发表的一篇文章探讨了机器学习技术的新研究以及采用这些技术所面临的最大障碍，具体指出了缺乏人类技能如何限制了多个行业中许多扩张机会的增长。我现在将重点介绍这项新研究中的某些关键摘录，并提出解决所面临问题的方法，希望能够说服您，至少在潜在客户生成方面，我们可以克服这些问题，并从今天开始推进下一代机器学习技术。
软件公司的一项新调查探
讨了欧洲采用机器学习的好处和障 电报数据 碍，51% 的企业领导者表示，技能短缺阻碍了他们实施。据 Cloudera 称，公司渴望使用机器学习——它是仅次于分析的第二大企业关键投资重点；领先于物联网、人工智能和数据科学等其他学科。
Cloudera 欧洲、中东和非洲地 你想象的更简单 区副总裁 Stephen Line 表示：“尽管大多数 IT 买家都了解机器学习的好处，33% 的受访者表示他们已经从使用机器学习中看到了切实的投资回报，但许多人仍不确定如何实施以及它将如何影响他们的业务。”“对于许多企业来说，在实际实施机器学习方面仍处于早期阶段，技能差距和投资是阻碍许多公司使用它来提高效率和推动增长的关键因素，这并不奇怪。话虽如此，由于机器学习的好处非常明显，企业现在正在竞相克服障碍，为客户提供更好的体验。”
与数据科学类似机器学习的
发展方式与其他就业市场截然不同。由于机 年应遵循的冷电子邮件策略 器学习围绕着收集、整理和解释数据，因此它涉及许多学科；数学、统计学和编程都是必需的。很难在职位描述中写出这些内容，更不用说真正找到它了。
可以想象，机器学习是相当复杂的东西，不是任何一位老计算机工程师都能掌握的。机器学习需要顶尖的计算机科学家，能够大规模处理大量数据。
对数学的天生直觉至关重要
这与传统软件开发人员形成鲜明对比，他们不需 开曼群岛商业指南 要擅长数学，因为数学库和其他函数可以让他们免于费力地计算方程式。对于机器学习，开发人员需要掌握复杂的数学知识，例如线性代数、微积分和梯度下降。
众所周知，如今STEM 各个领域的技能都很匮乏。《信息时代》最近报道称，OpsRamp 调查的 94% 的商业领袖在寻找具备合适技术和业务技能的候选人以实现数字化转型目标时“有些困难”。
对这些数量较少的候选人的竞争非常激烈，新职位的出现超过了供应。
机器学习创造了一种新的职业
有趣的是，人们正在通过非常规途径进入这个行业。根据数据科学家社区Kaggle的一项研究，如今绝大多数受雇的机器学习专家都是通过自学（27%）或大规模开放在线课程 (MOOC)（32%）获得技能的。只有 20% 的人在大学里开始从事数据科学，而 18% 的人主修数学/统计学。
原始出处请见此处：
这项研究的结果表明，我们正处于机器学 你想象的更简单 习应用的关键时刻。如果您正在阅读本文并认同 51% 的观点 – 您愿意使用机器学习来优化您的绩效，但在寻找应用它所需的人力技能方面面临问题 – 那么我将向您介绍一个更简单的解决方案。使用 Databowl，可以轻松应用 ML，而无需专门的 ML 专家。由于应用程序直接内置在系统中，因此不需要数据科学家。就实际应用和 ML 可以解决的具体问题而言，您可以使用 Databowl 来提高对客户和行为模式的洞察力，识别欺诈性线索并识别有希望的线索，然后您可以将其快速投入使用。简而言之，应用 ML 是优化整个活动绩效的简单方法！
如果您想了解更多有关如何开始使用机器学习来优化您的性能的信息，请查看我们的专门部门Skunkworx ，并立即开始使用更好的解决方案。