www.samag.ru
     
Поиск   
              
 www.samag.ru    Web  0 товаров , сумма 0 руб.
E-mail
Пароль  
 Запомнить меня
Регистрация | Забыли пароль?
Журнал "Системный администратор"
Журнал «БИТ»
Подписка
Архив номеров
Где купить
Авторам
Рекламодателям
Контакты
   

  Опросы
1001 и 1 книга  
19.03.2018г.
Просмотров: 10277
Комментарии: 0
Машинное обучение с использованием библиотеки Н2О

 Читать далее...

12.03.2018г.
Просмотров: 10359
Комментарии: 0
Особенности киберпреступлений в России: инструменты нападения и защита информации

 Читать далее...

12.03.2018г.
Просмотров: 7835
Комментарии: 0
Глубокое обучение с точки зрения практика

 Читать далее...

12.03.2018г.
Просмотров: 4849
Комментарии: 0
Изучаем pandas

 Читать далее...

12.03.2018г.
Просмотров: 5691
Комментарии: 0
Программирование на языке Rust (Цветное издание)

 Читать далее...

19.12.2017г.
Просмотров: 5653
Комментарии: 0
Глубокое обучение

 Читать далее...

19.12.2017г.
Просмотров: 8461
Комментарии: 0
Анализ социальных медиа на Python

 Читать далее...

19.12.2017г.
Просмотров: 5038
Комментарии: 0
Основы блокчейна

 Читать далее...

19.12.2017г.
Просмотров: 5294
Комментарии: 0
Java 9. Полный обзор нововведений

 Читать далее...

16.02.2017г.
Просмотров: 9408
Комментарии: 0
Опоздавших не бывает, или книга о стеке

 Читать далее...

17.05.2016г.
Просмотров: 12829
Комментарии: 0
Теория вычислений для программистов

 Читать далее...

30.03.2015г.
Просмотров: 14323
Комментарии: 0
От математики к обобщенному программированию

 Читать далее...

18.02.2014г.
Просмотров: 16048
Комментарии: 0
Рецензия на книгу «Читаем Тьюринга»

 Читать далее...

13.02.2014г.
Просмотров: 10946
Комментарии: 0
Читайте, размышляйте, действуйте

 Читать далее...

12.02.2014г.
Просмотров: 8940
Комментарии: 0
Рисуем наши мысли

 Читать далее...

10.02.2014г.
Просмотров: 7189
Комментарии: 4
Страна в цифрах

 Читать далее...

18.12.2013г.
Просмотров: 6291
Комментарии: 0
Большие данные меняют нашу жизнь

 Читать далее...

18.12.2013г.
Просмотров: 5211
Комментарии: 0
Компьютерные технологии – корень зла для точки роста

 Читать далее...

04.12.2013г.
Просмотров: 4859
Комментарии: 0
Паутина в облаках

 Читать далее...

03.12.2013г.
Просмотров: 5097
Комментарии: 1
Рецензия на книгу «MongoDB в действии»

 Читать далее...

Друзья сайта  

 Технологии машинного обучения в Oracle ERP Cloud.

Источник: BYTEmag.ru Просмотров: 1071

Корпорация Oracle расширила возможности искусственного интеллекта в решениях для управления предприятием Oracle Enterprise Resource Planning Cloud и Oracle Enterprise Performance Management Cloud. Инновации на основе технологий машинного обучения включают цифровых помощников по формированию отчетов о расходах и по управлению проектами, интеллектуальные функции финансового контроля и управления цепочками поставок в рамках проектов.

Цифровой помощник по авансовой отчетности – автоматически создает, классифицирует и сопоставляет статьи затрат, что упрощает обработку отчетов по расходам. Пользователи могут взаимодействовать с ассистентом либо посредством голосового интерфейса, либо просто отправляя фотографии чеков по электронной почте, СМС, через корпоративные мессенджеры Slack или Microsoft Teams. Цифровой помощник использует технологию машинного обучения для улучшения автоматической классификации статей затрат, отслеживания нарушение политик и сокращения рисков аудита.

Цифровой помощник по управлению проектами – обеспечивает мгновенное обновление статуса проекта и позволяет обновлять время и ход выполнения задач с помощью умного ассистента. Цифровой помощник учится на прошлых записях, данных планирования проекта и общем контексте, чтобы адаптировать взаимодействие с пользователями и грамотно извлекать важную информацию о проекте.

Расширенный финансовый контроль – обеспечивает непрерывный анализ транзакций, настроек и конфигурации с целью автоматизации аудита и предотвращения финансовых нарушений. В решении применяются самообучающиеся алгоритмы для выявления критичных изменений конфигурации и подозрительных транзакций на основе библиотеки проверенных правил с использованием встроенных алгоритмов нечеткого поиска, обнаружения аномалий, анализа Бенфорда, кластеризации и т.д. Такой подход задействует методы анализа данных для привлечения аналитиков к отслеживанию, расследованию и разрешению инцидентов.

Читать всю статью

Источник: BYTEmag.ru

               Copyright © Системный администратор

Яндекс.Метрика
Tel.: (499) 277-12-45
E-mail: sa@samag.ru