机器学习:连接统计学和IT

如何处理来自多个数据源的数百万个需要分类的数据点, 编码, 和分析? 而且是实时的? 而且预算很紧? 编码和分类可能需要数年时间才能完成. 更不必说成本了. 机器学习提供了补救措施.

通过机器学习,我们手动检查和分类可用数据的子集. 然后,我们使用这些子集通过最新的机器学习技术来训练系统,以自动编码和分类原始数据. 我们可以随着时间的推移重新校准流程,以处理困难的数据模式和不断变化的需求.

机器学习让我们建立一个基础设施,我们可以接收和审查大量的数据, 并迅速点, 分析, 并报告趋势.

韦斯特特采用先进的解决方法

韦斯特特利用统计学和IT的力量来解决数据管理的挑战. 我们开发了一种使用自然语言处理的多管齐下的方法, 机器学习方法, 和统计算法. 我们的工具包利用了神经网络和支持向量机方法, 潜在语义索引, 以及其他先进的统计方法.

预后良好,便于医院调查数据的处理

当处理大规模纵向数据时,机器学习是一个很好的工具. 以一项提供全国住院病人护理数据的调查为例. 韦斯特每年为调查收集数百万份医疗索赔记录. 数据通过一个安全的站点发送给我们.

使用机器学习, 我们开发了一个系统,根据记录中所列的付款人姓名,自动将付款人分类:

  1. 我们建立字典,将原始数据预处理为可用的输入. 
  2. 我们用预处理的数据训练系统,并使用生成的“模型”来编码新数据. 
  3. 我们建立了一个基础设施来审查数据管理, 检查质量, 注释, 和更新的结果.

我们的系统已经处理了数千万条记录, 以前需要高强度体力劳动的东西. 我们还开发了一个系统来简化数据质量控制,从而减少了80%的人工审查. 这使得数据管理人员能够专注于解决更困难的数据问题.

80%
减少需要的人工检查
系统简化了数据质量控制,减少了手工评审的需要

bob手机版下载?
你会和很多人在一起.

关于我们 职业生涯

bob手机版下载员工.
bob手机版下载员工.
AAA交通安全基金会
巴尔的摩城市委员会
疾病控制和预防中心
医疗保险中心 & 医疗补助服务
芝加哥都市规划局
特区公立学校
乔治亚州运输部
国内收入署
领导蒙哥马利
马里兰癌症登记处
密歇根州卫生与公众服务部
国家科学基金会
纽约市长经济机会办公室
经济合作与发展组织
罗伯特·伍德·约翰逊基金会
sirius xm公司
社会保障局
药物滥用和精神健康服务管理局
“为美国而教
德州教育机构
约翰霍普金斯大学
国立卫生研究院
Verizon基金会
丰田
U.S. 农业部
U.S. 教育部
U.S. 卫生与公众服务部
U.S. 司法部
U.S. 交通部
U.S. 退伍军人事务部
马里兰大学巴尔的摩校区
密歇根大学
马里兰大学系统
《福布斯》2021年度最佳女性雇主由Statista主办的《福布斯》2021年最佳多元化雇主排行榜《福布斯》2021:Statista统计的美国最佳中型雇主

韦斯特特是一个机会均等的雇主,不存在种族歧视, 信条, color, 宗教, 性, 国家的起源, 年龄, 资深地位, 残疾, 婚姻状况, 性取向, 国籍, 遗传信息, 性别认同或表达, 或任何其他受适用法律保护的状态. 通知员工 & 申请人.

友情链接: 1 2 3 4