Создание и отправка счётов - строго регламентированный процесс, там ML особо не нужен.
В идеале - да.
А можно пример, в котором оно нужно для создания отчёёта?
Когда очень много различной продукции и постоянно новые виды и типы приходят. Это большая проблема - катологизация автоматическая. Вручную всё забивается.
Т.е. она не решается каким-то сортом таксономии?
Или как раз-таки решается, но классификацию в этой таксономии (хотя бы предварительную)желательно провести автоматически?
когда есть 2 реестра и тут придумали 3 и сопоставить их кроме как по описанию нельзя
Ну если так изи, то изначально проблемы бы на гигантских складах не было .
Представь себе набор огромного количества чего-либо, когда нет возможности вывести критерии классификации, кроме наборы в десятки-сотни if. В таком случае, можно по уже рассортированной и отклассифицированной части научить машину распознавать и классифицировать новые объекты по принципу, который машина сама же и выведет из готовых записей.
ML не катит для вещей с небольшим количеством вариантов поведения, а также если процесс может быть строго формализован, а следовательно описан простым алгоритмом или даже в терминах одного из разделов высшей математики. При чём, не катит не потому что не решает проблему, а потому что результат не превышает затраты на создание, развёртывание и поддержание.
Вот если система сама будет подбирать контрагентов, с которыми фирма должна вести дела на основании сложного анализа предыдущего опыта сотрудничества и оценки множества рисков, связанных с особенностями конкретной сделки - здесь процесс становится сложным, появляется множество взаимосвязанных факторов и анализ человеком становится весьма сложным, а вот нейронка вполне может обучится на базе предыдущих отчётов по сделкам и отбирать фирму "А" для доставки грузов, например, а фирму "В" только для доставки габаритных грузов, фирму "С" - для хрупких грузов и дальних перевозок и т.д.
Вот если система сама будет подбирать контрагентов, с которыми фирма должна вести дела на основании сложного анализа предыдущего опыта сотрудничества и оценки множества рисков, связанных с особенностями конкретной сделки - здесь процесс становится сложным, появляется множество взаимосвязанных факторов и анализ человеком становится весьма сложным, а вот нейронка вполне может обучится на базе предыдущих отчётов по сделкам и отбирать фирму "А" для доставки грузов, например, а фирму "В" только для доставки габаритных грузов, фирму "С" - для хрупких грузов и дальних перевозок и т.д.
Продать "ии" проще и цена будет выше.
Манагеры.Мы ни=хуя не понимаем в отрасли,но знаем кучу умных слов (но не значений) и мы твои начальники.
Чтобы написать коммент, необходимо залогиниться