Come apprendere l'apprendimento automatico
— Qual è il tuo background, cosa facevi prima del machine learning? Come
— Gestisco l'attività di servizi di SethiTecnologie. Forniamo ai nostri clienti soluzioni basate sul machine learning e sull’intelligenza artificiale. Negli ultimi due anni abbiamo lavorato con alcune delle più grandi aziende Fortune 500.
Sono sempre stato affascinato dai dati.Ciò ha determinato la mia scelta: successivamente ho iniziato a ricercare conoscenze, competenze ed esperienza nel campo dell'apprendimento automatico attraverso l'apprendimento basato su progetti. Ciò mi ha dato l'opportunità di diventare un esperto di machine learning presso Education Ecosystem, un ecosistema di apprendimento decentralizzato che insegna a professionisti e studenti universitari come costruire prodotti del mondo reale.
“Se i dati, l’automazione e gli algoritmi sono interessanti, allora il machine learning è una scelta di carriera gratificante”.
— In che modo le persone iniziano ad apprendere il machine learning? Non è forse questo un settore in cui sono necessarie conoscenze fondamentali e molti anni di istruzione?
— Conoscenze fondamentali nel settorela programmazione rappresenta un ulteriore vantaggio, altrimenti la curva di apprendimento sarà troppo ripida. L'apprendimento automatico è anche una componente fondamentale delle aree in più rapido sviluppo: Big Data, Analisi predittiva, Data Mining e Statistica computazionale.
Se i dati, l’automazione e gli algoritmi causanointeresse, allora il machine learning è una scelta di carriera redditizia. Seguire un programma o un corso strutturato è uno dei modi migliori per apprendere l'apprendimento automatico da zero. L'elevata domanda in questo settore ha portato alla disponibilità di centinaia di corsi in presenza e online.
— Che consigli puoi dare agli sviluppatori e agli analisti che vogliono svilupparsi in questo settore?
— L’apprendimento automatico ha il potenziale per creareapplicazioni più potenti e più rispondenti alle esigenze degli utenti. Gli sviluppatori che desiderano implementare l'apprendimento automatico nelle applicazioni devono conoscere alcuni punti chiave che li aiuteranno ad avere successo:
- Più dati ha un algoritmo, più accurato diventa, quindi evita il sottocampionamento, se possibile.
- Scegliere il metodo di machine learning più adatto al problema è fondamentale e spesso determina il successo o il fallimento.
- I modelli di machine learning possono essere validi solo se i dati sono validi.
- Comprendere le caratteristiche dei dati e migliorarle (creando nuove funzionalità ed eliminando quelle esistenti) ha un impatto notevole sulla prevedibilità.
-Dove puoi impararlo? Magari nei corsi o nelle scuole?
— Fortunatamente oggi ci sono molte piattaformeprogrammi di apprendimento online come Education Ecosystem, dove puoi apprendere vari concetti di machine learning e intelligenza artificiale. Nell'ecosistema educativo puoi imparare da sviluppatori esperti attraverso progetti che includono tutorial e risorse di progetto. Ad esempio, ho creato diversi progetti come questo:
- Recupero di immagini per somiglianza utilizzando Tensorflow e Keras
- Trasferimento dello stile neurale utilizzando Keras e Tensorflow
- Come eseguire il rilevamento dei volti utilizzando OpenCV Haar Cascades
Quale azienda ha bisogno e quale no dell’AI?
— Come si “vendono” l’intelligenza artificiale e il machine learning alle aziende e come queste migliorano il loro lavoro? Perché pensi che il business sia diventato più scientifico?
— Gli algoritmi di apprendimento automatico possono ripetutamenteapprendere in base al set di dati fornito, comprendere modelli, comportamenti. Il processo è iterativo e continuamente migliorato, aiutando le aziende a cambiare continuamente per soddisfare le esigenze aziendali e dei clienti.
"Gli algoritmi di apprendimento automatico possono apprendere in modo iterativo da un determinato set di dati."
— Quali aziende si adatteranno e non si adatteranno? Quali problemi possono essere risolti con il loro aiuto?
— Le aziende hanno bisogno soprattutto del machine learning,che si occupa della classificazione delle immagini, dell'analisi del testo o della modellazione predittiva. Per altri tipi di attività, gli algoritmi possono essere addestrati per consigliare qualcosa all’utente, raccogliere dati, utilizzare il deep learning e le reti neurali. Nel settore dei servizi, gli algoritmi possono essere addestrati come un dirigente dell'help desk elaborando il linguaggio naturale in base ai reclami comuni dei clienti.
— In questa zona compaiono cose nuove quasi ogni giorno. Come monitorare cosa sta succedendo, a cosa prestare particolare attenzione?
- Un recente rapporto di Indeed ha rilevato che le opportunità di lavorogli ingegneri del machine learning sono davanti a tutti gli altri in termini di stipendio, domanda e crescita. Il documento rileva inoltre che la domanda di ingegneri del machine learning è aumentata del 344%.
Questa zona è così importante perchéConsente alle aziende di vedere le tendenze nel comportamento dei clienti e nei modelli operativi aziendali e facilita lo sviluppo di nuovi prodotti. Molte delle aziende leader, come Facebook, Google e Uber, fanno dell’apprendimento automatico una parte centrale delle loro operazioni. Il continuo miglioramento delle competenze aiuterà i professionisti a trarre vantaggio dall’elevata domanda e dalla scarsa offerta in questo settore.
— L’apprendimento automatico è spesso utilizzato nell’analisi dei big data. Quali prodotti innovativi appariranno qui?
— I Big Data sono diventati importanti perché moltiLe organizzazioni, sia pubbliche che private, raccolgono grandi quantità di informazioni su aree specifiche. La fusione tra machine learning e big data è un processo senza fine. Vedremo come gli algoritmi di machine learning vengono applicati a ogni elemento dei big data, inclusa la segmentazione, l'analisi dei dati e la modellazione.
— Quali nicchie libere nel mercato sono associate allo sviluppo dell’apprendimento automatico e dell’intelligenza artificiale?
— L’intelligenza artificiale è una svoltatecnologia più recente. Esistono molte aree di nicchia in cui l’intelligenza artificiale sta avendo un impatto significativo. Esistono altre applicazioni di nicchia che non attirano l'attenzione dei media, ma sono presenti nelle pubblicazioni scientifiche. Nei prossimi anni, le aree che vedranno il maggiore sviluppo sono l’istruzione, l’edilizia e la pianificazione, l’intrattenimento e l’analisi sportiva.
— Come vedi lo sviluppo del machine learning? Come può aiutare le persone, le imprese, gli Stati?
— L’apprendimento automatico aiuta le impreseUtilizzare la manutenzione preventiva per ridurre i guasti alle apparecchiature e aumentare i profitti. Man mano che cresce la necessità di capacità di dati più grandi e complesse, l’apprendimento automatico aiuterà le aziende a sfruttare i dati dei consumatori per creare profili cliente utili, aumentare le vendite e fidelizzare la marca.
L’apprendimento automatico sta appena iniziando a svilupparsi. Tutte le cose più interessanti sono avanti
— Quali sono i maggiori malintesi sui big data e sul machine learning?
— Il più grande malinteso è questoche i modelli di machine learning possono risolvere tutti i problemi di questo mondo. Una delle citazioni più famose sull’apprendimento automatico viene da Dave Waters: “Un bambino impara a gattonare, camminare e poi correre. Siamo in una fase di scansione nel machine learning."
Nel processo di machine learning ci sarà semprepersona coinvolta. Ma qui c'è un avvertimento. Con algoritmi migliorati, saremo in grado di eliminare completamente l’input umano dopo aver addestrato uno specifico modello di machine learning.
— Non tutti tengono il passo con le scoperte in questo settore: a cosa dovremmo prestare attenzione?
— Ultimi sviluppi nel campo delle macchinel'apprendimento oggi è l'apprendimento automatico automatizzato (AutoML), l'operazionalizzazione dell'apprendimento automatico gestito (MLOps), l'apprendimento automatico senza codice e lo sviluppo dell'apprendimento automatico a basso codice. Sono concetti che porteranno a progetti molto promettenti nei prossimi anni.
— Quali sono i problemi a breve e lungo termine del machine learning? Che dire dei pregiudizi degli sviluppatori, delle cattive intenzioni e degli standard etici che non possono essere scritti o formalizzati?
— Le sfide più grandi nel machine learning sono:si tratta di una mancanza di risorse qualificate, di dati di qualità e di comprensione di quali processi necessitano di automazione. Fino a quando non disporremo di dati puliti e affidabili, gli scienziati del machine learning continueranno ad affrontare sfide nello sviluppo di algoritmi e sistemi che soddisfino esattamente le esigenze per le quali sono stati progettati.
— Quando e in quale ambito l'intelligenza artificiale si manifesterà nel modo più interessante?
— L’intelligenza artificiale sta plasmando il futurodell’umanità in quasi tutti i settori. È già uno dei principali motori delle tecnologie emergenti come i big data, la robotica e l’IoT, e continuerà a essere un innovatore tecnologico per il prossimo futuro. Oggi è difficile scegliere un'area specifica, dato che tutti i settori oggi lavorano con grandi quantità di dati e hanno esigenze di automazione diverse.
Leggi di più:
Gli archeologi hanno ufficialmente confermato le leggende della Bibbia
È stata trovata la tomba della "sacerdotessa" di Afrodite: gli scienziati hanno mostrato cosa hanno trovato lì
Gli scienziati hanno visto cosa c'è nel territorio della capitale Maya. La scoperta li sorprese.