Kā iemācīties mašīnmācīšanos
— Kāda ir jūsu pieredze, ko jūs darījāt pirms mašīnmācības? Kā
— Es vadu Seti pakalpojumu biznesutehnoloģijas. Mēs piedāvājam saviem klientiem risinājumus, kuru pamatā ir mašīnmācīšanās un mākslīgais intelekts. Pēdējo divu gadu laikā mēs esam strādājuši ar dažiem lielākajiem Fortune 500 uzņēmumiem.
Mani vienmēr ir fascinējuši dati.Tas noteica manu izvēli – pēc tam es sāku meklēt zināšanas, prasmes un pieredzi mašīnmācības jomā, izmantojot projektu mācības. Tas man deva iespēju kļūt par mašīnmācīšanās ekspertu Izglītības ekosistēmā — decentralizētā mācību ekosistēmā, kas māca profesionāļiem un koledžu studentiem veidot reālus produktus.
“Ja interesē dati, automatizācija un algoritmi, mašīnmācība ir izdevīga karjeras izvēle”
Kā cilvēki sāk mācīties mašīnmācību? Vai šī nav joma, kur nepieciešamas fundamentālas zināšanas un daudzu gadu izglītība?
— Pamatzināšanas attiecīgajā jomāprogrammēšana ir papildu priekšrocība, pretējā gadījumā mācīšanās līkne būs pārāk stāva. Mašīnmācība ir arī galvenā sastāvdaļa visstraujāk augošajās jomās - lielie dati, prognozējamā analīze, datu ieguve un skaitļošanas statistika.
Ja izsauc dati, automatizācija un algoritmiinteresi, tad mašīnmācība ir izdevīga karjeras izvēle. Strukturētas programmas vai kursa apguve ir viens no labākajiem veidiem, kā apgūt mašīnmācīšanos no nulles. Lielais pieprasījums šajā nozarē ir radījis simtiem klātienes un tiešsaistes kursu.
— Ko jūs varat ieteikt izstrādātājiem un analītiķiem, kuri vēlas attīstīties šajā jomā?
– Mašīnmācībai ir potenciālslietojumprogrammas ir jaudīgākas un vairāk reaģē uz lietotāju vajadzībām. Izstrādātājiem, kuri vēlas ieviest mašīnmācību lietojumprogrammās, ir jāzina dažas galvenās lietas, kas viņiem palīdzēs gūt panākumus.
- Jo vairāk datu ir algoritmam, jo precīzāks tas kļūst, tāpēc izvairieties no apakšiztveršanas, kad vien iespējams.
- Problēmas risināšanai labākās mašīnmācīšanās metodes izvēle ir ļoti svarīga un bieži vien nosaka panākumus vai neveiksmes.
- Mašīnmācīšanās modeļi var būt labi tikai tad, ja dati ir labi.
- Datu funkciju izpratnei un uzlabošanai (veidojot jaunas un noņemot esošās) ir liela ietekme uz paredzamību.
- Kur to var iemācīties? Varbūt kursos vai skolās?
— Par laimi, šodien ir daudz platformutiešsaistes mācības, piemēram, izglītības ekosistēma, kurā varat apgūt dažādas mašīnmācības un mākslīgā intelekta koncepcijas. Izglītības ekosistēmā varat mācīties no ekspertiem izstrādātājiem, izmantojot projektus, kas ietver apmācības un projektu resursus. Piemēram, es izveidoju vairākus projektus, piemēram:
- Attēlu izguve pēc līdzības, izmantojot Tensorflow un Keras
- Neironu stila pārnešana, izmantojot Keras un Tensorflow
- Kā veikt sejas noteikšanu, izmantojot OpenCV Haar kaskādes
Kuram biznesam ir vajadzīgs un kuram nav vajadzīgs AI
— Kā jūs "pārdodat" AI un mašīnmācīšanos uzņēmumiem un kā tie uzlabo savu darbu? Kāpēc, jūsuprāt, bizness ir kļuvis zinātniskāks?
— Mašīnmācīšanās algoritmi var atkārtotimācīties, pamatojoties uz sniegto datu kopu, izprast modeļus, uzvedību. Šis process ir iteratīvs un pastāvīgi pilnveidojas, kas palīdz uzņēmumiem pastāvīgi mainīties, lai apmierinātu biznesa un klientu vajadzības.
"Mašīnmācīšanās algoritmi var mācīties iteratīvi no noteiktas datu kopas"
Kuriem uzņēmumiem tas derēs un vai ne? Kādas problēmas var atrisināt ar viņu palīdzību?
— Visvairāk mašīnmācība ir nepieciešama uzņēmējdarbībai,kas nodarbojas ar attēlu klasifikāciju, teksta parsēšanu vai paredzamo modelēšanu. Citu veidu uzņēmējdarbībai algoritmus var apmācīt ieteikt kaut ko lietotājam, vākt datus, izmantot dziļo mācīšanos un neironu tīklus. Pakalpojumu nozarē algoritmus var apmācīt kā palīdzības dienesta vadītāju, izmantojot dabiskās valodas apstrādi, pamatojoties uz izplatītām klientu sūdzībām.
— Šajā jomā gandrīz katru dienu parādās kaut kas jauns. Kā sekot līdzi notiekošajam, kam pievērst īpašu uzmanību?
— Nesenā Indeed ziņojumā tika atklāts, ka ir brīvas darba vietasMašīnmācības inženieri ir priekšā visiem pārējiem algu, pieprasījuma un izaugsmes ziņā. Dokumentā arī norādīts, ka pieprasījums pēc mašīnmācīšanās inženieriem palielinājās par 344%.
Šī joma ir tik svarīga, jo tāļauj uzņēmumiem saskatīt tendences klientu uzvedībā un biznesa darbības modeļos, veicina jaunu produktu izstrādi. Daudzi no vadošajiem uzņēmumiem, piemēram, Facebook, Google un Uber, padara mašīnmācību par savu darbību centrālo daļu. Nepārtraukta profesionālā izaugsme palīdzēs profesionāļiem izmantot lielo pieprasījumu un zemo piedāvājumu šajā nozarē.
— Lielo datu analīzē bieži izmanto mašīnmācību. Kādi revolucionāri produkti šeit parādīsies?
Lielie dati ir kļuvuši tikpat svarīgi kā daudziorganizācijas, gan valsts, gan privātās, savāc milzīgu informācijas apjomu noteiktās jomās. Mašīnmācīšanās un lielo datu apvienošana ir nebeidzams process. Mēs redzēsim, kā mašīnmācīšanās algoritmi tiek piemēroti katram elementam darbā ar lielajiem datiem, tostarp segmentācijai, datu analītikai un modelēšanai.
— Kādas brīvā tirgus nišas ir saistītas ar mašīnmācības un AI attīstību?
- Mākslīgais intelekts ir izrāviensjaunākās tehnoloģijas. Ir daudzas nišas jomas, kurās AI būtiski ietekmē. Ir arī citi nišas pielietojumi, kas netiek atspoguļoti plašsaziņas līdzekļos, bet tie ir zinātniskās publikācijās. Tuvākajos gados tie saņems vislielāko attīstību, tie ir izglītība, būvniecība un plānošana, izklaide un sporta analītika.
— Kādu jūs redzat mašīnmācības attīstību? Kā tas var palīdzēt cilvēkiem, uzņēmumiem, valstīm?
— Mašīnmācība palīdz uzņēmumiemizmantot profilaktisko apkopi, lai samazinātu iekārtu bojājumus un palielinātu peļņu. Pieaugot pieprasījumam pēc lielām un sarežģītām datu apstrādes iespējām, mašīnmācīšanās palīdzēs uzņēmumiem izmantot patērētāju datus, lai izveidotu noderīgus klientu profilus, palielinātu pārdošanas apjomu un palielinātu zīmola lojalitāti.
Mašīnmācība tikai sāk attīstīties. Viss interesantākais ir priekšā
Kādi ir lielākie maldīgie priekšstati par lielajiem datiem un mašīnmācīšanos?
– Lielākais nepareizs priekšstats irka mašīnmācīšanās modeļi var atrisināt visas šīs pasaules problēmas. Viens no slavenākajiem citātiem par mašīnmācīšanos nāk no Deiva Votersa: “Bērns iemācās rāpot, staigāt un tad skriet. Mašīnmācības jomā mēs esam pārmeklēšanas fāzē.
Mašīnmācīšanās procesā vienmēr būsiesaistītā persona. Bet šeit ir brīdinājums. Izmantojot uzlabotus algoritmus, mēs varēsim pilnībā novērst cilvēku iesaistīšanos pēc konkrēta mašīnmācīšanās modeļa apmācības.
– Ne visi tur līdzi sasniegumiem šajā jomā – kam pievērst uzmanību?
— Jaunākie sasniegumi mašīnu jomāMūsdienās mācīšanās ir automatizētā mašīnmācīšanās (AutoML), mašīnmācīšanās operāciju pārvaldība (MLOps), bezkoda mašīnmācīšanās un zema koda mašīnmācīšanās izstrāde. Šīs ir koncepcijas, kas turpmākajos gados novedīs pie ļoti daudzsološiem projektiem.
— Kādas ir ML īstermiņa un ilgtermiņa problēmas? Kā ir ar izstrādātāju aizspriedumiem, sliktiem nodomiem un ētikas standartiem, kurus nevar pierakstīt un formalizēt?
— Lielākie izaicinājumi mašīnmācībā —tas ir kvalificētu resursu trūkums, kvalitatīvu datu trūkums un izpratne par to, kādi procesi ir jāautomatizē. Kamēr mums nebūs tīru un uzticamu datu, mašīnmācīšanās speciālisti turpinās saskarties ar izaicinājumiem, izstrādājot algoritmus un sistēmas, kas atbilst tieši tām vajadzībām, kurām tie tika izveidoti.
– Kad un kurā jomā mākslīgais intelekts sevi parādīs visinteresantāk?
— Mākslīgais intelekts veido nākotnicilvēce gandrīz visās nozarēs. Tas jau tagad ir galvenais jauno tehnoloģiju virzītājspēks, piemēram, lielie dati, robotika un IoT, un pārskatāmā nākotnē turpinās būt tehnoloģiju novators. Mūsdienās ir grūti izvēlēties vienu konkrētu jomu, jo visas nozares šodien strādā ar lielu datu apjomu un tām ir dažādas automatizācijas vajadzības.
Lasīt vairāk:
Arheologi ir oficiāli apstiprinājuši Bībeles leģendas
Tika atrasts Afrodītes "priesterienes" kaps: zinātnieki parādīja, ko viņi tur atrada
Zinātnieki ir redzējuši, kas atrodas maiju galvaspilsētas teritorijā. Atradums viņus pārsteidza.