设为首页 | 收藏本站
18515218668
AI解决方案
|
|
人工智能、机器学习和数据科学经常互换使用。实际上，它们是不同但重叠的领域。人工智能的范围比机器学习更广泛。机器学习只是人工智能的一个方面。同样，一些人认为数据科学是人工智能的一个方面。其他人则相反，数据科学包括 AI。在该领域，数据科学家和 AI 专家提供不同类型的专业知识，但有一些重叠。数据科学使用许多机器学习算法，但不是全部。图中的维恩图显示了人工智能、机器学习和数据科学重叠的空间。
将机器学习与Together规则引擎集成，实现透明可执行的人工智能。Together规则引擎提供PMML成熟的Java实现，无需额外编码即可在DMN建模器中定义PMML函数，在DMN模型运行时无缝调用预测模型算法结果，整个过程丝滑如一个整体，机器学习算法执行也不需要复杂的开发和配置。
Together规则引擎支持PMML标准模型及其算法，无论你是通过Python、Java、R等第三方库或工具训练出的模型，只要能保存为PMML文件，都能被Together识别引用并被执行，PMML标准支持的模型如下。（详细信息请查阅dmg.org官网）
无需额外编码，只需简单的引用配置就可以轻松在DMN建模器中定义PMML函数，Together可以调用机器学习算法PMML模型文件， 在执行 DMN 逻辑的同一进程中执行 PMML，而且整个执行过程非常高效。
人工智能有许多分支 —— 机器学习、知识工程、搜索优化、自然语言处理等。为什么不使用不止一种技术来实现更智能的行为呢？
决策越关键，您就越需要信任决定其结果的系统。次优的产品建议可能是可以接受的，但拒绝贷款的决定或有关医疗结果的决定呢？此外，道德和立法要求我们在使用个人数据时承担责任，以做出决策。
当自动决策系统被引入企业环境中时，通过监控随着时间的推移做出的决策来保持其受控至关重要。您应该能够使用决策管理技术中的工具来调查特定案例并突出影响任何给定决策的特征。
通过本方案的简单示例我们看到人工智能不仅仅是机器学习。通过组合多种技术，我们可以提高机器学习模型的智能性。此外，这种方法可以提高组织对机器学习结果的整体信心。业务用户和最终用户受益于知识上下文提供的透明度。
在我们的订单审批示例中，基于知识的元素是理解最终决策的关键。如果您可以看到手机的价格与模型中的参考价格相去甚远，则可以使用该信息来解释请求的决策结果。我们的模型很简单，所以结论很明显。对于复杂模型，用知识上下文包围机器学习算法更有价值。拥有上下文有助于最终用户更好地了解决策结果。
无需额外编码，只需简单的引用配置就可以轻松在DMN建模器中定义PMML函数，Together可以调用机器学习算法PMML模型文件， 在执行 DMN 逻辑的同一进程中执行 PMML，而且整个执行过程非常高效。
决策模型和符号 （DMN） 为知识领域规范和定义了新的模型和符号标准，使行业专家终于有了一种共享知识表示的通用语言。DMN 的一个隐藏宝藏是它使处理机器学习算法变得更加容易。它可以连接数据科学中另一个众所周知的标准：预测模型标记语言 （PMML）。
人工智能、机器学习和数据科学
将Together规则引擎与机器学习集成
Together规则引擎支持PMML标准模型
Together规则引擎提供机器学习成熟的Java实现
应用场景
解决自动决策信任问题
Together使你的决策更加透明
结论
PMML的优势
机器学习与决策引擎的结合
人工智能、机器学习和数据科学之间的重叠
一个多世纪以来，商界领袖和学者一直在争论价值从何而来。在工业时代，关键在于你生产的商品。后来，随着服务和体验的崛起，价值转向了企业和客户之间的共同创造。这两种观点仍然很有见地。然而，今天，这两者都不足以解释为什么一些公司迅速领先，而另一些公司却难以跟上步伐。我们已经进入了算法时代——在这个时代，竞争优势不再取决于您销售的产品或提供的服务，而更多地取决于您的组织做出的决策及其决策的效果。想想亚...
2025-10-12
Cynefin 框架简介Cynefin（发音：kuːˈnevɪn，源自威尔士语，意为“家庭、习惯和源头”）是一个用于判断和决策的框架，由Dave Snowden在IBM全球研究院提出，后来成为组织管理与复杂性理论中的常用工具。它帮助人们在不确定和复杂环境中选择合适的决策和治理方法。 核心思想 不同情境需要不同的治理方式：简单、复杂、混沌、以及动态演化（被称为"混合/有序"与"无序"状态的扩展...
2025-09-17
企业IT系统作为加速企业数字化转型的关键基础，其核心技术架构的选择对于开发效率、应用灵活性和业务适应性有着深远影响。2025年，企业IT系统的核心技术主要围绕表单驱动、模型驱动和AI融合展开。我们将从这三方面分析其技术特点及适用场景。一、表单驱动l 定义与特点表单驱动是一种以用户界面为中心的设计方法，开发人员首先创建表单的前端界面，然后基于表单需求设计后端的数据库结构和关联业务流程，核心在...
2025-09-10
每天，企业都会收集大量数据。但拥有数据不是问题，而是知道如何处理数据。虽然数据驱动的决策可以帮助公司做出比直觉更明智的选择，但数字、图表和分析只能揭示故事的一部分。数据本身缺少了关键的一环：塑造我们选择的人为因素。这就是为什么如此多的组织仍然难以将他们的数据转化为有意义的行动。进入决策智能（DI）。将其视为数据驱动决策方式的下一次演变。DI融合了人类专业知识、人工智能（AI）和分析，以全面了...
2025-09-09
机器学习过程
预测模型算法示例
DMN建模&执行过程
Together规则引擎对机器学习集成调用过程
线性回归模型
PMML函数定义
PMML函数调用
该模型的典型应用是确定因变量与一个或多个自变量之间的关系
机器学习+决策
让我们从我们的日常经验中举个例子：我们都习惯了使用我们的互联网浏览历史向我们展示我们已经购买的产品广告的算法。发生这种情况是因为训练机器学习算法来排除以前购买的产品的广告非常困难。
机器学习的难题对于知识工程来说很容易解决。另一方面，对搜索词和推荐产品之间所有可能的关系进行编码是极其乏味的。在这个领域，机器学习是对知识工程的补充。
借助 Together规则引擎，用户可以跟踪决策。通过分析 DMN 执行结果，您可以检查中间结果，并将其与特定决策节点中捕获的企业策略相关联。
机器学习算法不透明：您可以获得输入数据和输出。从这个意义上说，机器学习模型是一个黑匣子，没有提供任何关于其工作原理的线索。专家将从算法参数中了解它的行为方式。
我们为示例项目制作了一个机器学习模型，然后从 DMN 模型中使用该模型。结果是“AI 增强”的决策。然而，我们只触及了人工智能可能性的皮毛。如果你想更进一步，请联系我们！
使用知识上下文
姓名
*
邮箱
*
手机号
*
公司
*
部门
*
岗位
*
地区
*
补充信息
提交
联系我们
请填写以下信息，我们的销售团队将与您联系。
公众号
关于我们
联系方式
让您的业务更自动化、智能化！
联系邮箱： zhangyi@rongtek.com wangyilong@rongtek.com
咨询热线：185 1521 8668 183 3562 2627
电话：010-8200081
