Портал №1 по управлению цифровыми
и информационными технологиями

Можно ли использовать данные из других организаций для обучения алгоритмов машинного обучения?

Answer
В некоторых случаях данные можно позаимствовать из других организаций, но это ограничено базовыми, типовыми услугами. Например, обращения по рабочему месту, оргтехнике, электронной почте, интернету содержат примерно одинаковые формулировки в разных организациях: «процессор не включается», «принтер не печатает», «бумага зажёвана», «сеть не выходит в интернет», «письма не улетают». Такие наборы данных можно взять, выполнить маппинг на свой классификатор и использовать для обучения. Однако для специфичных систем и специфичных типов обращений, уникальных для конкретной организации, можно ориентироваться только на собственные данные.
 
AI, ML, LLM, ИИ, машинное обучение, обучение сотрудников, учебные курсы, тренинги, управление запросами на обслуживаниеAI, ML, LLM, ИИ, машинное обучениеобучение сотрудников, учебные курсы, тренингиуправление запросами на обслуживание
Related QAs
Ещё вопросы по этой теме:
Как использовать опыт других организаций при внедрении ITSM, не повторяя их ошибок?
Можно ли с помощью машинного обучения охватить весь каталог услуг и типов обращений?
Можно ли использовать скриншоты как источник данных для машинного обучения в IT-поддержке?
Существует ли минимальный порог количества данных для эффективного обучения алгоритмов машинного обучения?
Какие риски и ограничения связаны с применением машинного обучения в IT-поддержке?
Как организация может использовать опыт других компаний для проактивного выявления проблем?
С каких типов обращений рекомендуется начинать внедрение машинного обучения?
Как машинное обучение может быть использовано для прогнозирования нагрузки на службу поддержки?
Может ли машинное обучение полностью заменить ручную классификацию обращений?
Является ли машинное обучение само по себе инструментом оптимизации процессов?
Courses
Рекомендуемые продукты по этой теме:
 
Author
Source
Rating
Рейтинг: 215
Last Updated On
Дата последнего обновления: 12.10.2026