Les modèles de prédiction AI Builder analysent les modèles dans les données historiques que vous fournissez. Les modèles de prédiction apprennent à associer ces modèles aux résultats. Ensuite, nous utilisons la puissance de l’IA pour détecter les modèles appris dans de nouvelles données et les utiliser pour prédire les résultats futurs.
Utilisez le modèle de prédiction pour explorer les questions commerciales auxquelles vous pouvez répondre de l’une des manières suivantes :
À partir de deux options disponibles (binaire)
À partir de plusieurs résultats possibles
Lorsque la réponse est un nombre
Prédiction binaire
Le prédiction binaire correspond au moment où la question posée a deux réponses possibles. Par exemple : oui/non, vrai/faux, à l’heure/en retard, aller/non-aller, et ainsi de suite. Voici des exemples de questions qui utilisent la prédiction binaire :
Un candidat est-il éligible pour devenir membre ?
Cette transaction est-elle susceptible d’être frauduleuse ?
Un client est-il un bon candidat pour une campagne marketing ?
Un compte est-il susceptible de payer ses factures à temps ?
Prédiction à plusieurs résultats
Les prédictions à résultats multiples permettent de répondre à la question à partir d’une liste de plus de deux résultats possibles. Exemples de prédiction à plusieurs résultats :
Une expédition arrive-t-elle tôt, à temps, en retard ou très tard ?
Quel produit intéresserait un client ?
Prédiction numérique
La prédiction numérique se distingue par un nombre en réponse à la question. Exemples de prédictions numériques :
Combien de jours sont nécessaires à l’arrivée d’un envoi ?
Combien d’appels un agent doit-il traiter en une journée ?
Combien d’articles devons-nous garder en stock ?
Combien de prospects une équipe commerciale doit-elle convertir en un mois ?
Gérer l’ingestion et la préparation des données, l’entraînement et le déploiement des modèles, ainsi que la surveillance des solutions d’apprentissage automatique avec Python, Azure Machine Learning et MLflow.