用于领先公司的战斗数据科学平台

制造商在机器学习项目中获得超过1万亿美元的途径。我们已经看到制造商使用Anaconda和强大的开源软件进行需求预测和供应链优化，预测性维护，根本原因分析和质量控制。

制造公司的数据科学团队使用开源Python工具来构建预测分析模型，分析各个地点的历史销售数据，天气数据，经济模式，以预测需求并优化供应链。他们还使用图像处理工具和异常检测来识别和消除故障的零件，然后才能出发客户。传感器与图像和音频处理工具组合使用，以开发预测设备劣化并防止停机的模型。

从使用数据可视化工具和机器学习，我们已经看到了石油和天然气，效用和其他能源公司的利益。通过蟒蛇和其他开源工具，能源公司可以预测设备故障和中断，预测其运营的环境影响，可视化复杂的地质数据，更好地管理能源和需求响应。

石油和天然气公司使用地质数据，历史良好的日志和生产数据来预测具有最小环境影响的利润丰厚的钻井位置。设备故障导致所有能源公司的重大金融损失，现在许多公司正在与传感器技术配合使用预测分析以防止停机时间。公用事业公司还使用预测算法来基于天气和历史数据来预测中断和能源需求。

从实验室到医院病床，医疗保健公司正在使用机器学习，发现新的治疗，较低的风险，增强患者护理。使用开源工具，医疗领域的数据科学家可以以满足医疗保健的方式定制应用程序，这是严格的要求，并在各种环境中提高患者护理。

医学研究人员正在使用自然语言处理（NLP）工具来挖掘社交媒体的数千项研究和评论，从而从出现的模式中创建新的发现。医疗保健公司还使用NLP工具来更好地利用电子医疗保健记录（EHRS）来解析非结构化数据进行见解。使用开源图像处理工具进行了适用于肿瘤检测的主要进步，并创建了新工具，以减少医院的患者风险。

电子商务的兴起，技术进步和全球扩张导致零售业的大幅变化。公司必须通过更好地理解和与客户联系在线和离线，从竞争中区分自己的竞争。那些未能适应改变客户行为并提供个性化体验的人将很快落后。

我们已经看到公司使用开源工具来构建有助于刺激消费的个性化产品推荐引擎。零售商还可以使用机器学习决策树来分析价格弹性，竞争，产品和折扣类型的多个变量，以优化定价。价格优化模型对于成功实施电子商务的动态定价策略尤为重要。零售数据科学家还使用预测分析来优化具有复杂需求预测算法的供应链。