Как ML помогает при аудите качества клиентского сервиса

В данном контексте маловероятно, что будут такие фразы. Хотя мне тоже интересно)

О рынке Data Science и машинного обучения

Вообще интересный вопрос и давно детально описанный. Наибольший «выхлоп» будет там, где наибольший личный интерес (не денежный). Поэтому это вопросы не к аналитикам, а к себе самому. Лично мне нравится NLP.

Хватит отдавать Гуглу ваши данные. Десять альтернатив для Google Analytics

«Любая гугломания переходит в гуглофобию». Походу очередной закон Мура.

Как натренировать и использовать модель машинного обучения из Google таблиц с помощью BigQuery ML

А что «под капотом» BigQuery ML? Dense, GRU, LTSM, regression? Откуда forecast? Можно ли выгрузить обученную модель в HDF5/H5?

Программируемые NER (Named Entity Recognition) компоненты

>> это чуть о другом
Отчего ж… Вычленение NER то же задача для НС. Сегодня все идет «туда». Почему и спрашиваю про бэкграунд — для НС есть грамотное ускорение на GPU. Насколько это решение практически применимо на сегодняшний день, да и на завтрашний?

Программируемые NER (Named Entity Recognition) компоненты

Интересно. А что у них там на бэкграунде? Есть поддержка GPU?
Насколько это решение лучше, чем тот же ABBYY FineReader и другие нейросетевые системы?