近年来，全世界在可用于畜牧业的技术方面取得了重大进展。

这些技术将帮助农民、饲养者协会和其他行业利益相关者，使用劳动强度较低的方法，持续监测和收集动物和农场一级的数据。

具体而言，我们看到基于数字图像、声音、传感器、无人系统和实时不间断计算机视觉的全自动数据记录的使用。

这些技术可以极大地帮助农民，并有可能提高产品质量、福祉、管理实践、可持续发展和动物健康，最终有助于改善人类健康。

这些技术在利用来自动物的转录组、基因组学和微生物群等丰富的分子信息实现时，可以帮助实现精确畜牧业的长期梦想。

这意味着，有了帮助技术，我们将能够更好地监测和管理一个单独的动物与量身定做的信息。

然而，上述全自动数据记录或表型平台所产生的数据的复杂性及其不断增长的数量，导致成功实施精确畜牧业的若干障碍。

机器学习和数据挖掘如何帮助

机器学习和数据挖掘等日益增长的领域预计将有助于应对全球农业面临的挑战。

当与大数据相结合时，机器学习模型可以作为生物学的框架。

然而，正如上面提到的，当我们用大量的数据来训练它时，高度复杂的数据模型通常会受到过度拟合的影响。过度拟合是复杂模型天真应用失败的最大问题。

将机器学习技术应用于动物科学的主要原因是：

1、在继续努力之前建立正规化的先验知识

2、不断收集数据集并以不同方式集成数据集，以增加可用于培训的所收集样本的大小

在收集数据之后，人们必须记住分析集成数据集块所需的计算负载。只要有可能，还应该考虑模型与并行计算的兼容性。

例如，AmazonAWS和MicrosoftAzure提供的GPU云计算服务可能被证明是有用的。它们还提供保护、托管和共享大数据的基础设施。

在机器学习和数据方法的指导下，我们可以进入大数据增长的下一个阶段，重新考虑动物科学管理决策的所有特征。

总之，精确畜牧业必将在畜牧企业的生产、管理、福利、健康监测、可持续性和环境足迹等领域有所增加。在利用工具定期监测和收集农场和动1物的信息方面取得了显著进展，其方式比以前要少。

在这些方法中，动物科学已经开始了一种利用信息技术驱动的发现来改善畜牧业的旅程。可以通过使用诸如AWS和Azure之类的流行的云平台来处理过拟合的问题。