Your 5 min Guide to Artificial Intelligence

What is AI?

AI is typically defined as the ability of a machine to perform cognitive functions we associate with human minds, such as perceiving, reasoning, learning, interacting with the environment, problem-solving, and even exercising creativity.

Examples of technologies that enable AI to solve business problems are robotics and  autonomous vehicles, computer vision, language, virtual agents, and machine learning.

What is Machine Learning?                                                                                                               They are algorithms that detect patterns and learn how to make predictions and recommendations by processing data and experiences, rather than by receiving explicit programming instruction.

The algorithms also adapt in response to new data and experiences to improve efficacy over time.

Machine learning provides predictions and prescriptions

Types of analytics (in order of increasing complexity)

Analytics types

What is Deep Learning?

Deep learning is a type of machine learning that can process a wider range of data  resources, requires fewer data preprocessing by humans, and can often produce more  accurate results than traditional machinelearning approaches (although it requires a larger  amount of data to do so). In deep learning, interconnected layers of software-based calculators known as “neurons” form a neural network. The network can ingest  vast amounts of input data and process them through multiple layers that learn  increasingly complex features of the data at each layer.The network can then make a determination about the data, learn if its determination is correct, and use what it has learned to make determinations about new data. For example, once it learns what an object  looks like, it can recognise the object in a new image.

Deep learning can often outperform traditional methods

% reduction in error rate achieved by deep learning vs traditional methods

ML pic

Some Typical business uses of AI

Business Requirement Algorithm
Provide a decision framework for hiring new


Decision tree
Predict client churnLinear/quadratic

discriminant analysis

Create classifiers to filter spam emailsNaive Bayes
Predict how many customers  an organisation will need to serve in a time periodSupport vector machine
Predict call volume in call centres for staffing


Random forest
Detect fraudulent activity in financial  transactions.AdaBoost
Forecast product demand and inventory levelsGradient-boosting trees
Classify customers based on how likely they are to

repay a debt

Logistic regression
[contact-form-7 404 "Not Found"]

Leave a Reply