Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Identifying Pitfalls in Machine Learning Implementation Projects: A Case Study of Four Technology-Intensive Organizations
KTH, Skolan för industriell teknik och management (ITM), Industriell ekonomi och organisation (Inst.), Industriell Marknadsföring och Entreprenörskap.
2018 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)Alternativ titel
Identifiering av fallgropar i implementationsprojekt inom maskininlärning : En fallstudie av fyra teknologi-intensiva organisationer (Svenska)
Abstract [en]

This thesis undertook the investigation of finding often occurring mistakes and problems that organizations face when conducting machine learning implementation projects. Machine learning is a technology with the strength of providing insights from large amounts of data. This business value generating technology has been defined to be in a stage of inflated expectations which potentially will cause organizations problems when doing implementation projects without previous knowledge. By a literature review and hypothesis formation followed by interviews with a sample group of companies, three conclusions are drawn from the results. First, indications show there is a correlation between an overestimation of the opportunities of machine learning and how much experience an organization has within the area. Second, it is concluded that data related pitfalls, such as not having enough data, low quality of the data, or biased data, are the most severe. Last, it is shown that realizing the value of long-term solutions regarding machine learning projects is difficult, although the ability increases with experience.

Abstract [sv]

Detta examensarbete har åtagit sig arbetet att undersöka vanligt förekommande misstag eller problem som organisationer står inför i samband med implementationsprojekt av lösningar inom maskininlärning. Maskininlärning är en teknologi med styrkan att kunna analysera och skapa insikter från stora mängder data. Denna värdeskapande teknologi har blivit definierad att vara i en fas av förhöjda förväntningar, vilket potentiellt skapar problem i organisationer vid implementationsprojekt av teknologin utan att besitta tidigare erfarenhet. Genom en litteraturstudie och hypotesformulering följt av intervjuer med en urvalsgrupp av företag, dras tre slutsatser från resultaten. Indikationer tyder på en korrelation mellan övertro för maskininlärning och hur mycket erfarenhet en organisation har inom området. Vidare visas att datarelaterade fallgropar, till exempel för liten datamängd, dålig kvalitet på datan, eller partisk data, är de mest allvarliga. Det indikeras även att förmågan att inse värdet av långsiktiga lösningar inte är stark, men också att den ökar i samband med att en organisation erhåller mer erfarenhet.

Ort, förlag, år, upplaga, sidor
2018. , s. 53
Serie
TRITA-ITM-EX ; 2018:224
Nyckelord [en]
artificial intelligence, machine learning, pitfalls, implementation, project management
Nyckelord [sv]
artificiell intelligens, AI, maskininlärning, fallgropar, implementation, projektledning
Nationell ämneskategori
Datorteknik Teknik och teknologier
Identifikatorer
URN: urn:nbn:se:kth:diva-231830OAI: oai:DiVA.org:kth-231830DiVA, id: diva2:1230169
Externt samarbete
Findwise AB
Ämne / kurs
Datateknik med industriell ekonomi
Utbildningsprogram
Civilingenjörsexamen - Industriell ekonomi
Presentation
2018-05-31, Lindstedtsvägen 30, Stockholm, 09:07 (Svenska)
Handledare
Examinatorer
Tillgänglig från: 2018-07-26 Skapad: 2018-07-03 Senast uppdaterad: 2020-04-06Bibliografiskt granskad

Open Access i DiVA

fulltext(974 kB)544 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 974 kBChecksumma SHA-512
ad98737532050704a775a946f753bb4d9128734c44013b61402f5ff28b4d2dd46ae920ca522d2197d3f1e52b6c07dc537d3083187d678f623e8b18c770adac21
Typ fulltextMimetyp application/pdf

Sök vidare i DiVA

Av författaren/redaktören
Clemmedsson, Elin
Av organisationen
Industriell Marknadsföring och Entreprenörskap
DatorteknikTeknik och teknologier

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 544 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 867 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf