Die Datenwissenschaftler von Helsinkierfuhren, wie Elisa mit Daten umgeht und welche Beispiele es für den Einsatz von maschinellem Lernen und künstlicher Intelligenz (KI) in ihrem Unternehmen gibt.
Elisa Oyj ist ein finnisches Telekommunikationsunternehmen, das im Jahr 1882 gegründet wurde. Bis Juli 2000 hieß das Unternehmen HPY HTF. Das Mobilfunkgeschäft von Elisa war früher unter dem Namen Radiolinja bekannt. Elisa ist ein Unternehmen für Telekommunikation, IKT und digitale Dienstleistungen, das hauptsächlich in Finnland und Estland tätig ist. Vor kurzem hat Elisa im Rahmen der Elisa AI Co-creation Challenge gemeinsam mit Start-ups aus der ganzen Welt sieben Prototypen für künstliche Intelligenz entwickelt.
Die meetup wurde von Turkka Koivu, Director of Data and Analytics bei Elisa, und Saara Hyvönen, Mitbegründerin von DAIN Studios, eröffnet. Die Vortragsreihe begann mit Simon Holmbacka, Data Scientist bei Elisa, der das Data Parsing bei Elisa vorstellte. Der Vortrag gab einen umfassenden Ansatz zur strukturierten Datenbereinigung und empfahl, dass man Daten nach dem Prozess umstrukturieren kann, damit sie besser lernen können.
Juha Lehiranta, Senior Data Scientist bei Elisa, präsentierte latente Unterhaltungspräferenzen von Kunden aus verschiedenen Inhaltsquellen - aus Elisa E-Book und Elisa Viide. Es folgte eine lebhafte Diskussion mit Fragen wie: Sollten kostenlose Proben für die Definition Ihres Profils genauso relevant sein wie bezahlte Inhalte? Welche zeitbasierte Gewichtung sollte verwendet werden - Preisgewichtung, Popularitätsgewichtung oder etwas anderes? Juha gab den Zuhörern auch einen Einblick in den Stand des Experimentierens.
Elisa experimentiert derzeit mit der Klassifizierung der Inhaltspräferenzen von Kunden, um eine latente Klassifizierung der Omnichannel-Kundenpräferenzen für Inhalte zu erstellen und Cross-Selling-Möglichkeiten zu schaffen sowie die Qualität der Inhaltsempfehlungen innerhalb der Dienste zu verbessern.
Jukka-Pekka Salmenkaita, Direktor für KI und maschinelles Lernen bei Elisa, stellte Beispiele für die Anwendung von maschinellem Lernen in der Fertigungsindustrie vor - für eine intelligente Automatisierung. In der Präsentation wurde erörtert, wie maschinelles Lernen zur Entwicklung von Automatisierungslösungen der nächsten Generation sowie zur Interaktion zwischen Mensch und Maschine in industriellen Steuerungssystemen beiträgt.