Як навчитися машинному навчанню
— Який у вас бекграунд, чим займалися до машинного навчання? Як
- Я керую сервісним бізнесом SethiТехнології. Ми надаємо нашим клієнтам рішення на основі машинного навчання та штучного інтелекту. За останні два роки ми попрацювали з найбільшими компаніями зі списку Fortune 500.
Мене завжди захоплювали дані.Це визначило мій вибір — після цього я почав шукати знання, навички та досвід у галузі машинного навчання через проектне навчання. Це дало мені можливість стати експертом у галузі машинного навчання у Education Ecosystem, децентралізованій екосистемі навчання, яка навчає професіоналів та студентів коледжів створювати реальні продукти.
"Якщо дані, автоматизація та алгоритми викликають інтерес, то машинне навчання - це вигідний вибір професії"
- Як люди починають вивчати машинне навчання? Це не та область, де потрібні фундаментальні знання та багаторічна освіта?
- Фундаментальні знання в областіпрограмування є додатковою перевагою, інакше крива навчання буде занадто крутою. Машинне навчання теж основний компонент областей, що найбільш бурхливо розвиваються - Big Data, Predictive Analytics, Data Mining і Computational Statistics.
Якщо дані, автоматизація та алгоритми викликаютьінтерес, то машинне навчання - це вигідний вибір професії. Проходження структурованої програми або курсу – один із найкращих способів вивчити машинне навчання з нуля. Високий попит у цій галузі призвів до того, що є сотні очних та онлайн-курсів.
— Що ви можете порадити розробникам та аналітикам, які хочуть розвиватися у цій галузі?
— Машинне навчання має потенціал зробитипрограми більш потужними та більш чуйними до потреб користувачів. Розробники, які хочуть впровадити машинне навчання у додатки, повинні знати кілька ключових моментів, які допоможуть їм досягти успіху:
- Чим більше даних у алгоритму, тим точніше він стає, тому по можливості уникайте підвиборки.
- Вибір методу машинного навчання, який найкраще підходить для проблеми, є ключовим і часто визначає успіх чи невдачу.
- Моделі машинного навчання можуть бути хорошими лише тоді, коли дані будуть добрими.
- Розуміння особливостей даних та їх поліпшення (шляхом створення нових та усунення існуючих особливостей) дуже впливає на передбачуваність.
— Де це можна навчитися? Можливо, на курсах чи школах?
— На щастя, сьогодні є багато платформонлайн-навчання, таких як Education Ecosystem, де ви можете вивчити різні концепції машинного навчання та штучного інтелекту. На Education Ecosystem можна навчатися у експертів-розробників через проекти, які включають підручники та ресурси проектів. Наприклад, я створив кілька таких проектів:
- Image Retrieval by Similarity using Tensorflow and Keras
- Neural Style Transfer Using Keras And Tensorflow
- How To Do Face Detection Using OpenCV Haar Cascades
Якому бізнесу потрібен, а якому не потрібен ІІ
— Як ви «продаєте» ІІ та машинне навчання компаніям і як вони покращують свою роботу? Як ви вважаєте, чому бізнес став більш науковим?
— Алгоритми машинного навчання можуть багаторазововчитися на основі наданого набору даних, осягати закономірності, поведінку. Цей процес є ітеративним та постійно вдосконалюється, що допомагає компаніям постійно змінюватись під запити бізнесу та клієнтів.
"Алгоритми машинного навчання можуть багаторазово вчитися на основі наданого набору даних"
— Яким компаніям він підійде та не підійде? Які проблеми можна вирішити з їхньою допомогою?
— Найбільше машинне навчання потрібне бізнесу,який займається класифікацією зображень, аналізом тексту або передиктивним моделюванням. Для інших видів бізнесу алгоритми можна навчити щось рекомендувати користувачеві, збирати дані, використовувати глибоке навчання та нейронні мережі. У сфері обслуговування алгоритми можна навчити як керівника служби підтримки шляхом опрацювання природної мови на основі поширених скарг клієнтів.
— У цій галузі нове з'являється мало не щодня. Як слідкувати за тим, що відбувається, на що звернути особливу увагу?
- Нещодавній звіт Indeed показав, що вакансіїінженерів у галузі машинного навчання випереджають всі інші із зарплати, попиту та зростання. У документі також зазначили, що попит на інженерів машинного навчання зріс на 344%.
Ця область настільки важлива, оскільки вонадозволяє підприємствам побачити тенденції у поведінці клієнтів та операційні схеми бізнесу, сприяє розробці нових продуктів. Багато провідних компаній, таких як Facebook, Google і Uber, роблять машинне навчання центральною частиною діяльності. Постійне підвищення кваліфікації допоможе фахівцям скористатися перевагами високого попиту та низької пропозиції у цій галузі.
— Машинне навчання часто використовується для аналізу великих даних. Які проривні продукти з'являться тут?
— Великі дані стали важливими, оскільки багато хтоорганізації, як державні, і приватні, збирають величезні обсяги інформації з конкретних областях. Злиття машинного навчання та великих даних – це нескінченний процес. Ми побачимо, як алгоритми машинного навчання застосовуються до кожного елемента роботи з великими даними, включаючи сегментацію, аналітику даних та моделювання.
— Які вільні ніші на ринку пов'язані з розвитком машинного навчання та ІІ?
- Штучний інтелект - це проривнатехнологія останнього часу Є багато нішевих областей, в яких ІІ значно впливає. Є й інші нішеві сфери застосування, яким не приділяють уваги в медіа, але вони є в наукових публікаціях. Найближчими роками вони отримають найбільший розвиток, це освіта, будівництво та планування, розваги та спортивна аналітика.
— Як ви бачите розвиток машинного навчання? Як воно може допомогти людям, підприємствам, державам?
— Машинне навчання допомагає підприємствамвикористовувати профілактичне обслуговування зниження кількості поломок устаткування й збільшення прибутку. У міру зростання потреби у великих та складних можливостях обробки даних машинне навчання допоможе підприємствам використовувати споживчі дані для побудови корисних профілів клієнтів, збільшення продажів та підвищення лояльності до бренду.
Машинне навчання лише почало розвиватися. Все найцікавіше - попереду
— Які найбільші помилки про великі дані та машинне навчання?
— Найбільша помилка полягає в тому,що моделі машинного навчання здатні вирішити усі проблеми цього світу. Одна з найвідоміших цитат про машинне навчання належить Дейву Уотерсу: «Дитина вчиться повзати, ходити, а потім бігати. У галузі машинного навчання ми знаходимося на стадії повзання».
У процес машинного навчання завжди будезалучена людина. Але тут є застереження. З удосконаленими алгоритмами ми зможемо повністю виключити участь людини після навчання конкретної моделі машинного навчання.
— Не всі встигають за проривами в цій галузі, на що нам звернути увагу?
— Останні розробки в галузі машинногонавчання сьогодні - це автоматизоване машинне навчання (AutoML), управління операційалізацією машинного навчання (MLOps), No-Code Machine Learning та Low-Code Machine Learning Development. Це концепції, які найближчими роками призведуть до дуже перспективних проектів.
— Які короткострокові та довгострокові проблеми ML? Як щодо упередженості розробників, поганих намірів та етичних норм, які неможливо прописати та формалізувати?
— Найбільші проблеми у машинному навчанні —це брак кваліфікованих ресурсів, відсутність якісних даних та розуміння того, які процеси потребують автоматизації. Поки ми не матимемо чистих і надійних даних, фахівці з машинного навчання продовжуватимуть стикатися з проблемами при розробці алгоритмів і систем, що відповідають саме тим потребам, для яких вони були створені.
— Коли і в якій галузі штучний інтелект проявить себе найцікавішим чином?
— Штучний інтелект формує майбутнєлюдства практично у всіх галузях. Вже зараз він є головною рушійною силою таких технологій, що розвиваються, як великі дані, робототехніка та IoT, і в найближчому майбутньому він продовжуватиме виступати в ролі технологічного новатора. Сьогодні важко вибрати якусь одну конкретну область з огляду на те, що всі галузі сьогодні працюють з великими обсягами даних і мають різні потреби в автоматизації.
Читати далі:
Археологи офіційно підтвердили оповіді з Біблії
Знайдено могилу «жриці» Афродіти: вчені показали, що знайшли там
Вчені розглянули, що на території столиці майя. Знахідка їх здивувала