Mange snakker nå om å bli mer datadrevet og dermed mer innovative. En organisasjon som skal bli god på datadrevet innovasjon må klare å løfte seg som organisasjon gjennom kundefokus (sluttbrukerfokus) og at man får tak i og kan bruke de dataene som skal til for å forstå kunden. For å få til det må store deler av organisasjonen kanskje endre seg. Vi forklarer her hvordan vi tenker at det bør og kan skje.
I denne serien med artikler skal vi utforske forskjellige maskinlæremodeller, arkitekturer og konsepter som kanskje vil være nye for selv en med litt “Data Science”-erfaring.
Det forventes at leseren har en viss grunnleggende forståelse for maskinlæring og spesielt dyplæring, men har man ikke dette, kan det kanskje være litt spennende likevel ☺️
Github-link til kodeeksempelet i denne artikkelen finner du her.
I denne serien med artikler skal vi utforske forskjellige maskinlæremodeller, arkitekturer og konsepter som kanskje vil være nye for selv en med litt “Data Science”-erfaring.
Det forventes at leseren har en viss grunnleggende forståelse for maskinlæring og spesielt dyplæring, men har man ikke dette kan det kanskje være litt spennende likevel ☺️
Github-link til kodeeksempelet i denne artikkelen finner du her.
I denne serien med artikler skal vi utforske forskjellige maskinlæremodeller, arkitekturer og konsepter som kanskje vil være nye for selv en med litt “Data Science” erfaring.
Det forventes at leseren har en viss grunnleggende forståelse for maskinlæring og spesielt dyplæring, men har man ikke dette kan det kanskje være litt spennende likevel ☺️
Github-link til kodeeksempelet i denne bloggen her.