Q:
Apakah jenis masalah perniagaan yang boleh mengendalikan pembelajaran komputer?
A:Di LeanTaaS, tumpuan kami adalah untuk menggunakan analisis ramalan, algoritma pengoptimuman, pembelajaran mesin dan kaedah simulasi untuk membuka kunci keupayaan aset terhad dalam sistem kesihatan - masalah yang mencabar disebabkan oleh kebolehubahan yang tinggi dalam penjagaan kesihatan.
Penyelesaiannya mesti dapat menghasilkan cadangan yang cukup spesifik agar barisan hadapan dapat membuat beratus-ratus keputusan yang nyata setiap hari. Kakitangan mesti mempunyai keyakinan bahawa mesin itu tiba di saranan tersebut dengan memproses jumlah data yang banyak selain telah belajar dari semua perubahan dalam jumlah pesakit, campuran, rawatan, kapasiti, staf, peralatan, dll, yang tidak dapat dielakkan berlaku dari masa ke masa.
Pertimbangkan satu penyelesaian yang memberikan panduan pintar kepada penjadual pada slot masa yang tepat di mana pelantikan khusus perlu dijadualkan. Algoritma pembelajaran mesin boleh membandingkan corak untuk pelantikan yang sebenarnya ditempah berbanding corak pelantikan yang disyorkan. Perbezaan boleh dianalisis secara automatik dan pada skala untuk mengklasifikasikan "terlewatkan" sebagai peristiwa yang unik, ralat penjadual atau penunjuk bahawa templat yang dioptimumkan tidak dapat diselaraskan dan oleh itu menjamin kesegaran.
Sebagai contoh lain, ada banyak sebab mengapa pesakit boleh tiba lebih awal, tepat pada waktunya atau terlambat ke janji temu mereka yang dijadualkan. Dengan melombakan corak masa ketibaan, algoritma boleh terus "mempelajari" tahap ketepatan masa (atau kekurangan) berdasarkan waktu hari dan hari kerja tertentu. Ini boleh dimasukkan ke dalam membuat tweak tertentu pada templat pelantikan optimum supaya mereka berdaya tahan terhadap kejutan dan kelewatan yang tidak dapat dielakkan yang berlaku dalam mana-mana sistem dunia sebenar yang melibatkan pelantikan pesakit.
