上次更新时间：2020年4月8日（更新反映了SAP Data Intelligence 3.0）
在我的短博客中，我试图为SAP解决方案架构师提供一个有关选定主题的有趣概述。这一次是机器学习（ML）。我概述了用于机器学习的SAP技术，介绍了一些预构建的特定于应用程序的场景，并展示了在何处可以找到更多信息。该博客不涉及实现或技术细节。我也不涉及会话人工智能或机器人过程自动化（RPA）。
什么是机器学习？
机器学习是一种颠覆性技术，预计将大幅增长，是数字化转型的关键创新之一。它是人工智能（AI）的一个子集，使用从大量样本数据中学习的模型来预测结果。在传统的解决方案中，人类创建的规则和解决方案具有明确的需求和结构化数据。机器学习可以自动化基于复杂规则和结构化数据（如数据库表）或非结构化数据（如自然语言和图像）的过程或决策。例如，根据服务票据的文本内容对其进行准确分类。（链接如下）。业务上的好处是允许人们专注于增加更多价值的任务。下图显示了从采购到付款流程中可能出现的ML场景。
ML有大量的软件和解决方案可供选择。虽然很明显，AI可以解决极其复杂的问题（例如自动驾驶汽车），对于使用SAP企业软件的组织来说，问题是ML能否应用于具有明确投资回报的业务场景。S/4HANA使您可以轻松尝试简单的ML方案，然后允许您扩展到更雄心勃勃的解决方案。
SAP针对ML的解决方案
SAP为ML提供了两种技术集：SAP Data Intelligence和Embedded ML。这两种方法都提供了1）预构建的特定于应用程序的业务方案和2）允许您构建自己的机器学习解决方案。
SAP Data Intelligence提供了一个深度学习组合，可以处理来自SAP和外部云的大量结构化和非结构化数据，以及Hadoop HDFS、AWS S3和Azure Data Lake等内部资源。它包括数据科学家熟悉的开源框架和算法，如Python和R语言，以及TensorFlow和Pandas等库。它基于SAP数据中心解决方案和SAP云平台ML。这是SAP用于构建和操作ML解决方案的go-to解决方案。它是将非SAP大数据与SAP企业数据相结合的理想选择。SAP Data Intelligence可用作云解决方案或内部部署。
嵌入式ML在S/4HANA实例中工作，主要基于SAP结构化数据对更简单的场景使用预测分析。它用于要求低数据、RAM和CPU的用例。嵌入式SAP解决方案的示例包括"早期检测慢速或非移动货物"和"支付块现金折扣风险"。应用程序可以通过所谓的预测分析接口（PAI）访问机器学习框架。该框架提供了用于培训和管理机器学习模型的Fiori应用程序。
根据您使用的是SAP S/4HANA内部部署、SAP云平台还是SAP S/4HANA云，您可以使用的ML场景会有所不同。有些应用程序（如SAP Cash应用程序）需要额外的许可证。以下是一些示例：
报价转换率：请参阅S/4HANA scope item 2YJ，淘客cms，其中包括嵌入式机器学习教程：https://rapid.sap.com/bp/#/浏览/scopeitems/2YJSAP现金应用程序中的发票和付款匹配：查看视频和帮助。服务票情报：看视频和帮助发票和货物收据对帐：参见此视频https://www.youtube.com/watch？v=FjA0KKJecpg在途库存：看这个视频https://www.youtube.com/watch？v=BQw8ADEbd48
请参阅ASUG博客，了解智能场景列表（许多都有更多信息的链接）：https://blog.asug.com/hubfs/ASUG82247%20-%20Road%20Map%20Machine%20Learning%20and%20the%20Intelligent%20Enterprise.pdf
了解更多
如果您是机器学习新手，并且想了解机器学习的原理和方法作品您可以查看OpenSAP课程"简单的企业机器学习"。这张有用的自解释图片取自课程：
有关SAP数据智能的更多信息，淘客服，请参见SAP页面：https://www.sap.com/products/data-intelligence.html
SAP Data Intelligence云版的SAP帮助如下：https://help.sap.com/viewer/product/sap\u DATA\u INTELLIGENCE/Cloud/en-US
SAP Data Intelligence还提供BYOL（自带许可证）模式，可在您自己的数据中部署在任何hyperscaler public（AWS、Google、，或私有云。请参阅SAP帮助：
https://help.sap.com/viewer/product/sap\u DATA\u INTELLIGENCE\u ON-PREMISE/3.0.latest/en-US
熟悉ML技术的数据科学家可以查看OpenSAP课程SAP Data Intelligence for Enterprise AI：https://open.sap.com/courses/di1
新加入ML的解决方案架构师应该得到介绍在OpenSAP课程"数据自由与SAP Data Hub"中，首先访问SAP Hub：https://open.sap.com/courses/hub1
SAP Data Hub使用Kubernetes管理的Docker容器构建。
有关如何将预测分析接口用于嵌入式机器学习的信息，查看此博客：https://blogs.sap.com/2018/10/11/sap-s4hana-and-sap-predictive-analytics-integrator-blog-series/
有很多新的技术层需要理解。这是我的行话，以节省解决方案架构师在谷歌的时间。
