Как да научите машинно обучение
— Какъв е вашият опит, с какво се занимавахте преди машинното обучение? как
— Аз управлявам сервизния бизнес на Sethiтехнологии. Ние предоставяме на нашите клиенти решения, базирани на машинно обучение и изкуствен интелект. През последните две години работихме с някои от най-големите компании от Fortune 500.
Винаги съм бил очарован от данните.Това предопредели избора ми – след това започнах да търся знания, умения и опит в областта на машинното обучение чрез проектно базирано обучение. Това ми даде възможност да стана експерт по машинно обучение в образователната екосистема, децентрализирана екосистема за обучение, която учи професионалисти и студенти да създават реални продукти.
„Ако данните, автоматизацията и алгоритмите представляват интерес, тогава машинното обучение е печеливш избор на кариера“
Как хората започват да учат машинно обучение? Това не е ли област, в която са необходими фундаментални знания и дългогодишно образование?
— Фундаментални познания в областтапрограмирането са допълнително предимство, в противен случай кривата на обучение ще бъде твърде стръмна. Машинното обучение е и основният компонент на най-бързо развиващите се области – Big Data, Predictive Analytics, Data Mining и Computational Statistics.
Ако данните, автоматизацията и алгоритмите се обаждатинтерес, тогава машинното обучение е печеливш избор на кариера. Поемането на структурирана програма или курс е един от най-добрите начини да научите машинно обучение от нулата. Голямото търсене в тази индустрия доведе до стотици присъствени и онлайн курсове.
— Какво можете да посъветвате разработчиците и анализаторите, които искат да се развиват в тази област?
– Машинното обучение има потенциал да направиприложенията са по-мощни и по-отзивчиви към нуждите на потребителите. Разработчиците, които искат да внедрят машинно обучение в приложения, трябва да знаят няколко ключови неща, които ще им помогнат да успеят:
- Колкото повече данни има алгоритъмът, толкова по-точен става той, така че избягвайте подизвадката, когато е възможно.
- Изборът на най-добрия метод за машинно обучение за проблем е ключов и често определя успеха или провала.
- Моделите за машинно обучение могат да бъдат добри само когато данните са добри.
- Разбирането на характеристиките на данните и подобряването им (чрез създаване на нови и премахване на съществуващи) има голямо влияние върху предвидимостта.
- Къде можете да го научите? Може би в курсове или училища?
— За щастие днес има много платформионлайн обучение, като образователната екосистема, където можете да научите различни концепции за машинно обучение и изкуствен интелект. В Education Ecosystem можете да се учите от експертни разработчици чрез проекти, които включват уроци и ресурси за проекти. Например, създадох няколко проекта като този:
- Извличане на изображения чрез сходство с помощта на Tensorflow и Keras
- Трансфер на невронен стил с помощта на Keras и Tensorflow
- Как да направите разпознаване на лица с помощта на OpenCV Haar Cascades
Кой бизнес има нужда и кой не се нуждае от AI
— Как „продавате“ AI и машинното обучение на компаниите и как те подобряват работата си? Защо според вас бизнесът е станал по-научен?
— Алгоритмите за машинно обучение могат многократноучат въз основа на предоставения набор от данни, разбират модели, поведение. Този процес е итеративен и непрекъснато се подобрява, което помага на компаниите постоянно да се променят, за да отговорят на нуждите на бизнеса и клиентите.
„Алгоритмите за машинно обучение могат да се обучават итеративно от даден набор от данни“
Кои компании ще и кои няма да отговарят? Какви проблеми могат да бъдат решени с тяхна помощ?
— Машинното обучение е необходимо най-вече на бизнеса,който се занимава с класификация на изображения, разбор на текст или прогнозно моделиране. За други видове бизнес алгоритмите могат да бъдат обучени да препоръчват нещо на потребителя, да събират данни, да използват дълбоко обучение и невронни мрежи. В индустрията на услугите алгоритмите могат да бъдат обучени като мениджър на бюро за помощ чрез обработка на естествен език въз основа на често срещани оплаквания на клиенти.
— В тази област почти всеки ден се появява нещо ново. Как да следите какво се случва, на какво да обърнете специално внимание?
— Скорошен доклад на Indeed установи, че свободните работни местаинженеров в области машинного обучения опережают все остальные по зарплате, спросу и росту. В документе также отметили, что спрос на инженеров машинного обучения вырос на 344%.
Тази област е толкова важна, защотопозволява на бизнеса да види тенденциите в поведението на клиентите и бизнес моделите на работа, насърчава разработването на нови продукти. Много от водещите компании като Facebook, Google и Uber превръщат машинното обучение в централна част от своите операции. Непрекъснатото професионално развитие ще помогне на професионалистите да се възползват от голямото търсене и ниското предлагане в тази индустрия.
— Машинното обучение често се използва при анализ на големи данни. Какви пробивни продукти ще се появят тук?
Големите данни станаха важни също толкова многоорганизации, както публични, така и частни, събират огромно количество информация в определени области. Сливането на машинно обучение и големи данни е безкраен процес. Ще видим как алгоритмите за машинно обучение се прилагат към всеки елемент от работата с големи данни, включително сегментиране, анализ на данни и моделиране.
— Какви свободни пазарни ниши са свързани с развитието на машинното обучение и ИИ?
- Изкуственият интелект е пробивскорошна технология. Има много ниши, където AI оказва значително влияние. Има и други нишови приложения, които не се отразяват в медиите, но ги има в научни публикации. През следващите години те ще получат най-голямо развитие, това са образованието, строителството и планирането, развлеченията и спортните анализи.
— Как виждате развитието на машинното обучение? Как може да помогне на хората, бизнеса, държавата?
— Машинното обучение помага на бизнесаизползвайте превантивна поддръжка, за да намалите повредите на оборудването и да увеличите печалбите. С нарастването на търсенето на големи и сложни възможности за обработка на данни, машинното обучение ще помогне на бизнеса да използва потребителските данни за изграждане на полезни клиентски профили, увеличаване на продажбите и изграждане на лоялност към марката.
Машинното обучение тепърва започва да се развива. Всичко най-интересно предстои
Кои са най-големите погрешни схващания относно големите данни и машинното обучение?
- Най-голямата заблуда ече моделите за машинно обучение могат да решат всички проблеми на този свят. Един от най-известните цитати за машинното обучение идва от Дейв Уотърс: „Бебето се учи да пълзи, да ходи и след това да тича. В областта на машинното обучение сме във фаза на обхождане.“
В процеса на машинно обучение винаги ще имаучастващ човек. Но тук има едно предупреждение. С подобрени алгоритми ще можем да елиминираме напълно човешкото участие след обучение на конкретен модел на машинно обучение.
- Не всички са в крак с пробивите в тази област - на какво трябва да обърнем внимание?
— Последни разработки в областта на машинитеученето днес е автоматизирано машинно обучение (AutoML), управление на операционализиране на машинното обучение (MLOps), машинно обучение без код и разработка на машинно обучение с нисък код. Това са концепции, които ще доведат до много обещаващи проекти през следващите години.
— Какви са краткосрочните и дългосрочните проблеми на ML? Какво ще кажете за пристрастията на разработчиците, лошите намерения и етичните стандарти, които не могат да бъдат записани и формализирани?
— Най-големите предизвикателства в машинното обучение —това е липса на квалифицирани ресурси, липса на качествени данни и разбиране какви процеси трябва да бъдат автоматизирани. Докато нямаме чисти и надеждни данни, специалистите по машинно обучение ще продължат да се сблъскват с предизвикателства при разработването на алгоритми и системи, които отговарят на точните нужди, за които са създадени.
- Кога и в каква област изкуственият интелект ще се прояви по най-интересния начин?
— Изкуственият интелект оформя бъдещеточовечеството в почти всички сектори. Той вече е основен двигател на нововъзникващи технологии като големи данни, роботика и интернет на нещата и ще продължи да бъде технологичен новатор в обозримо бъдеще. Днес е трудно да се избере една конкретна област, като се има предвид, че всички индустрии днес работят с големи количества данни и имат различни нужди от автоматизация.
Прочетете още:
Археолозите официално потвърдиха легендите от Библията
Откриха гроба на "жрицата" на Афродита: учените показаха какво са открили там
Учените са видели какво има на територията на столицата на маите. Находката ги изненада.