資料結構
網路
RDBMS
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法律研究知識工程 – 定義、應用及示例
在人工智慧 (AI) 中，知識工程是該科學的一個分支，它開發規則應用於資料以模擬人類專家的思維過程。它檢查工作的結構或選擇以確定結果是如何得出的。
開發並提供了一系列問題解決技術以及輔助資訊作為系統診斷的問題。由此研究開發的軟體將用於幫助人類診斷、故障排除和解決問題。
要點概述
人工智慧 (AI) 有一個子集稱為知識工程，它建立規則，這些規則被該領域的專家使用。
知識工程的早期階段僅關注解決問題的能力，後來側重於個人在給定相同資料的情況下解決問題的能力。
轉移處理有其侷限性，因為它從未考慮過基於直覺的類似推理，而這種推理也可能是正確的。
知識工程的主要目的是像金融、醫療保健等領域的專家一樣做出決策。
有人可能會爭辯說，大多數專家已經在實施知識以做出更好的選擇。
在金融方面，知識工程到底是什麼？
金融中的知識工程是人工智慧的一個分支，它利用資料開發規則來模擬金融專家的思維過程。人工智慧可以使用大型電子庫識別手頭的任務，並從可用選項中選擇最佳的邏輯結果。
機器學習在金融中的應用
以下是人工智慧在當今金融領域的一些應用示例：
**DataRobot** 是一家軟體公司，它幫助金融機構和公司開發預測模型，這些模型可用於改進特定決策情境，例如欺詐性信用卡交易和貸款決策。
**Scienaptic Systems**——該公司提供了一個信貸機構和銀行承銷平臺，該平臺提高了透明度，同時降低了損失風險。
**Kensho** – 一些金融界的大公司（如摩根大通和美國銀行）都在使用它。它主要提供資料分析和機器學習服務。
**Alphasense**——金融機構最喜歡的搜尋引擎之一，為使用者提供互動式功能，例如市場趨勢和最新研究。
**Kavout**——這可能是金融投資者最重要的工具之一，因為它透過其人工智慧引擎提供即時金融資料。
金融行業需要人工智慧專業知識的職位
隨著時間的推移，企業越來越多地參與知識管理系統和人工智慧。以下是需要人工智慧解釋的金融職業：
具有高度責任感的商業信貸產品經理（Capital One）
申請者必須具備人工智慧專業知識，熟悉自動化和機器學習，以便評估潛在風險（大約薪資範圍：每年 55,000 美元 - 105,000 美元）。
高階體驗設計師（美國運通）
申請要求包括營銷和人工智慧專業知識，以便為其動態程式開發以使用者為中心的體驗（估計薪資範圍：77,000 美元 - 115,000 美元）。
人工智慧後端工程師（摩根大通）
申請要求包括人工智慧 (AI) 專業知識，並負責開發能夠處理資料並響應機器學習需求的後端 AI 系統（大約薪資範圍：90,000 美元 - 130,000 美元）。
1K+ 次檢視
