Przetwarzanie języka naturalnego (rownież polskiego)

Przetwarzanie języka naturalnego (rownież polskiego)

W tym odcinku dowiesz się:

  • Czym jest NLP?
  • Jakie problemy biznesowe można rozwiązać stosując NLP?
  • Dokładnie w jaki sposób działa przetwarzanie języka naturalnego?
  • Na jakim etapie jest NLP biorąc pod uwagę język polski?
  • Jakie instytucje oraz ośrodki badawcze pracują nad udoskonalaniem NLP dla języka polskiego?
  • Czy NLP można wykorzystać w sytuacjach biznesowych?
  • Jakie oraz jak obszerne są aktualne zasoby przetwarzania języka naturalnego z wykorzystaniem języka polskiego?
  • Dlaczego NLP dla języka angielskiego jest najbardziej rozbudowane?
  • Czym jest konkurs PolEval oraz jak wziąć w nim udział?
  • Jak PolEval przyczynia się do poszerzenia wiedzy na temat NLP dla języka polskiego?
  • Jakie zasoby i narzędzia można wykorzystać oraz gdzie je znaleźć w przypadku rozpoczęcia nauki o NLP?
Przetwarzanie języka naturalnego
Przetwarzanie języka naturalnego

 

Mamy teraz okres świąteczny. Pewnie już się zastanawiasz jak ubrać choinkę, lub jakie kupić prezenty. Koniec roku to czas na podsumowanie. Skoro słuchasz tego podcastu, to często słyszysz frazę, że świat zmienia się szybciej niż myślisz. Czy wiesz, że zmienia się jeszcze szybciej?

Spróbuj, tak z ciekawości zajrzeć do większości zwykłych salonów samochodowych, jak Skoda, VW, KIA czy Hyundai, kończąc na droższych, jak Volvo czy BMW. Każdy z nich posiada już asystenta utrzymania pasa ruchu. Droższe samochody potrafią nawet jeszcze więcej. Pomagają prowadzić samochód autonomiczne, czy wykrywać pieszych. To już się dzieje. W październiku 2018 roku w Dubaju pojawiły się pierwsze autonomiczne taksówki i oni mają plan, aby do 2030 roku 25% pojazdów w Dubaju było autonomicznych, czyli za jakieś 11 lat. To robi wrażenie. Pomijam fakt wdrożenia latających taksówek. Chociaż co do latających taksówek.

Opowiem Ci jeszcze jedną ciekawostkę. W Moskwie w ciągu najbliższych 2 lat planuje się uruchomienie prototypu latającej taksówki. Kilka tygodni temu przedstawiono prototyp. Oczywiście, była to bardzo wczesna wersja, ale ten latający aparat nie zdążył nabrać wysokości zanim spadł. Z tego co czytałem, problem był dość ciekawy. Przez to, że na ulicy był mróz i przed startem ta taksówka stała na ziemi, jej akumulator podobno się szybko rozładował. Podobnie jak czasem telefon komórkowy szaleje na mrozie. Można stąd wyciągnąć kilka ciekawych wniosków, np. że technologia powinna dojrzeć. Chociaż już zamykając ten temat, oglądałem ciekawy materiał o autonomicznym samochodzie, który przejechał z Moskwy do Kazania ponad 780 km. Podróż trwała ok. 11 godzin i 99% czasu samochód jechał autonomicznie. Załączę video do notatek, ale ciekawostka polega na tym, że samochód poradził sobie na drogach bez pasów i nawet takich… gdzie nia ma asfaltu :). Rozwiązanie było przygotowane przez firmę Yandex (czyli taki rosyjski Google).

Jeśli chcesz nauczyć się wdrażać uczenie maszynowe w swojej firmie, to warto zapisać się na kurs. Pierwszy kurs jest praktycznym wprowadzeniem do uczenia maszynowego (w którym również będzie mowa o Deep Learning) i startuje 25 lutego 2019, oraz drugi kurs dedykowany praktycznemu prognozowaniu szeregów czasowych, który startuje 11 marca. Dobra wiadomość dla Ciebie: otrzymujesz prezent pod choinkę – 25% zniżki na oba kursy. Zniżka jest ważna na wybrane pakiety, dla pierwszych 10 osób do końca grudnia 2018 roku na hasło BIZNES_MYSLI_25.

Dzisiejszym tematem będzie przetwarzanie języka naturalnego. Łukasz Kobyliński jest dzisiejszym gościem, który ma doświadczenie w tym temacie, w szczególności w NLP dla języka polskiego. Rozmowa wyszła trochę dłuższa, ale warto jej posłuchać. Zapraszam!


Read More Read More

Share
Szeregi czasowe: rozmowa z doświadczonym inżynierem z Uber

Szeregi czasowe: rozmowa z doświadczonym inżynierem z Uber

  • Czym jest prognozowanie na szeregach czasowych (time series forecasting)?
  • Jakie zastosowanie mają szeregi czasowe w biznesie?
  • Jaka jest różnica pomiędzy statystyką a uczeniem maszynowym?
  • Które podejście sprawdza się najlepiej w stosunku do prognozowania szeregów czasowych?
  • Na co należy zwracać szczególną uwagę przy wykorzystywaniu uczenia maszynowego do prognozowania szeregów czasowych?
  • Czy odbywają się konkursy związane z prognozowaniem szeregów czasowych?
  • Jak konkursy wpływają na rozwój technologii?
  • Czym jest M4 Competition?
  • Jak działa model hybrydowy który łączy uczenie maszynowe ze statystyką?
Sławomir Smyk
Sławomir Smyl

Prognozowanie szeregów czasowych jest prawdopodobnie jedną z tych dziedzin, która przy minimalnym wysiłku daje namacalne korzyści. Mało tego – okazuje się, że wiele firm dotychczas robiło to w tak prymitywny sposób, że wystarczy minimalna zmiana podejścia, aby uzyskać pozytywną różnicę.

Tak się złożyło, że słuchałem wiele podcastów o różnych tematykach, na przykład biznesowej i był jeden odcinek, który mówił o poradach dla przedsiębiorców. W tym odcinku był poruszony temat mówiący o tym, że wiele przedsiębiorstw nie wie, ile pieniędzy spodziewać się pod koniec miesiąca.

Wystarczy obliczyć, ile średnio zarabiasz w dni robocze, i następnie jeżeli już wiesz ile zarabiasz średnio w ciągu dnia, a do końca miesiąca pozostało Ci, na przykład siedem dni roboczych, to wystarczy przemnożyć tą wartość średnią razy siedem i tyle jeszcze zarobisz do końca miesiąca. Kiedy tego słuchałem z zaciekawieniem, ponieważ sam zajmuję się tego typu tematami i chciałem dowiedzieć się czegoś nowego, aby zyskać nowe spojrzenie oraz doświadczenie, to dało mi to do myślenia, bo skoro takie proste podejście jest w stanie pomóc, to tym samym prostsze modele uczenia maszynowego radzą sobie z tym jeszcze lepiej ze względu na większą jakość prognozy oraz predykcji.

Jeżeli, na przykład wyliczymy sobie taką średnią, i ta średnia przypada akurat na czarny piątek w listopadzie, który był niedawno, to wtedy całkowicie sobie zaburzysz cały system. Więc nie możesz sobie wziąć jakiejkolwiek średniej z dowolnego dnia roboczego. Prawdopodobnie wymagane jest uwzględnienie sezonów. Dodatkowo, trzeba brać pod uwagę cykle, przesunięcia. Biznes ciągle się rozwija. Coś dodaje, coś usuwa. W grę wchodzą również większe koszty, i tak dalej. Tych dodatkowych rzeczy trochę jest. Warto wtedy zastosować pewne narzędzie, które pozwoli na uwzględnienie tego wszystkiego.

O znaczeniu szeregów czasowych powiedziałem więcej w odcinku 39. Tytuł tego odcinka to: “10 przykładów jak uczenie maszynowe może pomóc Twojemu biznesowi”. Tam powiedziałem więcej o sposobach mapowania oraz innych tematach, które pomagają rozwiązać wyżej wymienione problemy.

Prawdopodobnie wiesz też, że prowadzę kurs, który nazywa się: “Praktyczne prognozowanie szeregów czasowych”. Właśnie trwa pierwsza edycja. Muszę przyznać, że naprawdę włożyłem w to wiele wysiłku i zawsze kiedy mam zamiar wystartować z kolejną edycją, to mówię sobie: nigdy więcej, ponieważ przerasta to troszkę moje możliwości. Jestem już na tyle zmęczony, że gdybym zobaczył dinozaura przebiegającego obok mnie, to nawet nie zwróciłbym na niego uwagi, bo po prostu nie miałbym już kompletnie siły o tym myśleć i analizować tego zadziwiającego zjawiska :). Z drugiej strony, kiedy już kończę taki kurs i obserwuję, jak ludzie się uczyli i potem relacjonują, że mogą to zastosować na różnych obszarach, to jest to bardzo satysfakcjonujące.

Też między innymi, są do wyboru dwa pakiety. Pakiet indywidualny oraz wspólny, gdzie wdrażamy rozwiązania na konkretnych danych, i natychmiast otrzymujemy spodziewane wyniki. To jest bardzo pocieszające i motywujące. Wtedy czujesz, że wszystko co robisz ma jakiś sens.

Dlatego, jeżeli na poważnie rozważasz robienie prognoz sprzedaży, popytu oraz innych rzeczy związanych z tym tematem, to zapraszam Cię bardzo gorąco do udziału w drugiej edycji, która odbędzie się w marcu i będzie trwała sześć tygodni. Więcej o  tym powiem kolejnym razem. Mam zamiar zaprosić kilku absolwentów do kolejnych rozmów, prawdopodobnie w styczniu, może w lutym.

W pewnym momencie, kiedy bardziej skupiłem swoją uwagę na kursach oraz konferencjach to stwierdziłem, że to bardzo fajne uczucie pomagać ludziom oraz dzielić się z nimi posiadaną wiedzą. Z drugiej strony, nie da się odciąć od robienia rzeczy samodzielnie, wprost, wdrażania ich na produkcję. Nagle może się okazać, że wiedza którą posiadam i którą zdobyłem w sposób praktyczny, po czym przestałem się tym zajmować, staje się trochę mniej aktualna. Wtedy podjąłem decyzję, że nadal muszę osobiście zajmować się rzeczami związanymi z biznesem, z konkretnymi danymi. Wcześniej to bardziej wyglądało jak consulting z jedną osobą, teraz to zaczyna nabierać wyższych obrotów. Jestem współzałożycielem firmy Intelligene. Aktualnie mamy wiele projektów, niektóre z nich związane są właśnie z szeregami czasowymi. Uzyskanie zgody na powiedzenie o tych tematach to dość trudna sprawa, ale mam nadzieję, że niedługo uda mi się wszystko załatwić i będę w stanie zdradzić więcej.

Na razie trochę upraszczając, załóżmy że to jest taka prognoza popytu. Kiedy obserwowałem ten problem i powiedzmy, że uda się poprawić prognozę o jeden procent przy obecnych obrotach, to nagle się okazuje, że już w pierwszym roku wszystkie koszty związane z tym projektem się pokrywają i kolejnym krokiem są tylko oszczędności.

W ogóle, trochę mnie dziwi to, że większe firmy podchodzą do tego tak późno. Częściowo wynika to z biurokracji, z zamieszania, z polityki wewnętrznej. I aby rozwiązać ten problem, to więcej czasu spędzamy na aspektach prawnych, formalnych, zamiast na rozwiązywaniu konkretnych problemów. Ale ja to wszystko przyjmuję z pokorą. Po prostu uznałem, że tak funkcjonuje ten świat.

Podsumowując, postaram się przekazać więcej informacji o firmie którą współtworzę. O tych wszystkich planach, które zapowiadają się bardzo ciekawie. Aktualnie rozpoczynamy współpracę z czterema większymi firmami, które na pewno znasz. Ale to na razie sekret. 🙂

Teraz przechodzimy do sedna tematu. Potrzebowałem osoby, która powie więcej o szeregach czasowych. Chodzi o prawdziwego weterana który, jak to się mówi “zjadł zęby” w tym obszarze i taką osobę znalazłem. Jest nią Sławomir Smyl. Sławek pracuje w Uberze. Jest on bardzo otwarty na świat oraz na nowoczesne metody, które potrafi adaptować. Moim głównym celem było zapytać wprost, czy metody statystyczne radzą sobie lepiej od uczenia maszynowego. Wbrew pozorom, oczekiwałem, że metody statystyczne w przypadku konkursu M4 poradzą sobie lepiej. Było tam 100 000 szeregów czasowych. Problem z tymi szeregami był taki, że one nie posiadały żadnego kontekstu, tylko samą wartość zmieniająca się w czasie.

Załóżmy, że mamy na przykład kurs waluty (złotówka – dolar), to mamy tych szeregów czasowych powiedzmy 10 000, ale nie mamy żadnych informacji ani kontekstu. Wiemy tylko, że ta wartość zmienia się w czasie. Zwykle w takich zastosowaniach metody statystyczne działają lepiej, ale tutaj dzięki jednej sztuczce, która zastosował Sławek, udało się usprawnić wynik i tym samym wygrać ten konkurs. Zajął on pierwsze miejsce, i to po raz kolejny potwierdza jego talent oraz zdolności w tej dziedzinie. Jest on bardzo fajnym człowiekiem.

Serdecznie zapraszam!             

Read More Read More

Share
Schneider Electric i sztuczna inteligencja w sprzedaży

Schneider Electric i sztuczna inteligencja w sprzedaży

W tym odcinku dowiesz się:

  • Jak działa oraz czym zajmuje się firma Schneider Electric?
  • Jaka jest rola Michała w firmie?
  • W jaki sposób sztuczna inteligencja może usprawnić proces sprzedażowy?
  • Jak sprawnie przeprowadzić segmentację rynku na podstawie określonych danych?
  • W jaki sposób rozmawiać z osobami decyzyjnymi w firmach oraz biznesach, aby przekonać ich do swojego rozwiązania?
  • Czym jest „Joseph” oraz jaką pełni funkcję?
  • Jak uczyć się na własnych błędach na przykładzie przeprowadzonych iteracji?
  • Czy uczenie maszynowe zrewolucjonizuje proces sprzedaży w najbliższej przyszłości?
Michał Korzycki
Michał Korzycki

 

Otrzymałem bardzo dużo pozytywnych opinii o poprzednim odcinku z Januszem, za co Ci bardzo dziękuję. Wiele osób mnie pytało, czy mam konto na Patronite, czy na innych tego typu serwisach. Jak na razie, to nie mam i nie jestem pewien, czy gotów jestem je założyć z powodu poczucia takiej odpowiedzialności, że będę musiał starać się bardziej względem osób, które płaciłyby miesięczną kwotę. Może to nie są wielkie sumy, ale wiąże się to z dodatkową odpowiedzialnością. Cały czas się waham, a to co robię sprawia mi dużą przyjemność.

Jeszcze jedno ogłoszenie. Jeżeli używasz Spotify i akurat brakowało Ci tam BiznesMyśli, to podcast jest już tam dostępny! Wystarczy wpisać w wyszukiwarce BiznesMyśli i możesz posłuchać odcinków na Spotify.

Bardzo gorąco zapraszam do subskrybcji tego podcastu. Podzielenia się nim z przynajmniej jednym znajomym i dziękuję wszystkim osobom, które udzielają swoich opinii, oraz zostawiają “gwiazdki”. To jest właśnie moją motywacją do działania.

Z takich ciekawostek, które miały miejsce ostatnio. Ministerstwo Cyfryzacji opublikowało raport “Założenia do strategii AI w Polsce”. Ten raport zapowiada się bardzo ciekawie. Jest on troszkę obszerniejszy. Jeżeli nie miałeś okazji go przeczytać, to w notatkach znajdziesz link. Jeżeli chciałbyś abym go streścił, to daj znać. Postaram się to zrobić.

Mówi się, że uczenie maszynowe, albo tak zwana sztuczna inteligencja przyczynia się do zmian wielu zawodów. To jest raczej prawda. Myślę, że z tym się zgodzisz. Oczywiście to też dotknie obszaru sprzedaży. Sprzedaż stanie się bardziej efektywna.

Dzisiejszym gościem jest Michał Korzycki, który pracuje jako Head of Data Science w Schneider Electric. Opowie bardzo ciekawe i inspirujące historie oparte na własnym doświadczeniu, kiedy to prawdziwy lider bierze całe ryzyko na siebie, aby ostatecznie zostać zwycięzcą. Czasami podejście do sprawy od całkiem innej strony jest kluczem do sukcesu.  


Read More Read More

Share
Prowadzący naukowiec z DeepMind o rozwoju sztucznej inteligencji

Prowadzący naukowiec z DeepMind o rozwoju sztucznej inteligencji

Janusz Marecki
Janusz Marecki

W tym odcinku dowiesz się:

  • Czym zajmuje się Janusz Marecki oraz jak działa DeepMind?
  • Co Januszowi udało się osiągnąć pracując w IBM Research
  • Czym są problemy w całości obserwowalne?
  • Jakie są przeszkody w procesie konstrukcji sztucznego mózgu?
  • Czym jest system wieloagentowy (multi-agents system)?
  • Jaką wartość biznesową możesz uzyskać wdrażając system wieloagentowy do swojej firmy?
  • Czym jest efektywność Pareto?
  • Na czym polega „dylemat więźnia” oraz „dylemat społeczny”?
  • Jak problemy sztucznej inteligencji przekładają się na otaczającą nas rzeczywistość?
  • Czy w przyszłości będziemy w stanie kontrolować sztuczną inteligencję?
  • Czym dokładnie jest AGI oraz czy jesteśmy w stanie go osiągnąć?
  • W jak szybkim tempie technika posuwa się do przodu?
  • Jakich błędów unikać podczas wyciągania wniosków z „udanych” eksperymentów?
  • Które dziedziny nauki lub medycyny rozwiną się najbardziej w ciągu kolejnych 5-10 lat?

Na początek szybkie ogłoszenie. Pewnie jak już wiesz, 29 października ruszył mój autorski kurs praktycznego uczenia maszynowego. Natomiast 12 listopada, rusza już drugi, też autorski kurs online w 100%: “Praktyczne prognozy szeregów czasowych”. Czym są szeregi czasowe, opowiedziałem w odcinku 39, który nosi tytuł: “10 przykładów jak uczenie maszynowe może pomóc Twojemu biznesowi”. W skrócie chodziło o to: jeżeli chcesz się nauczyć robić prognozy, na przykład popytu, różnych wartości i innych wymiernych czynników w czasie, to bardzo gorąco Cię zapraszam na ten kurs, gdyż może okazać się, że nagle jesteś w stanie zoptymalizować swój biznes i przedstawić wymierne korzyści, dlaczego uczenie maszynowe działa. To tyle jeśli chodzi o ogłoszenie.

Tu możesz zobaczyć kawałek nagrania z kursu…

Teraz przechodzimy do dzisiejszego gościa, którym jest Janusz Marecki. Pracuje on w DeepMind. Wcześniej pracował w IBM, bardzo ciekawa osoba, z bardzo fajnym, przyjacielskim podejściem do życia. Kiedy już go lepiej poznasz, to bardzo przyjemnie się z nim współpracuje. Osobom, które mniej siedzą w temacie może się wydawać, że Janusz posiada czasem kontrowersyjne poglądy. Z drugiej strony jest to spojrzenie pragmatyczne. Tak, jak to widzi naukowiec pracujący w DeepMind. 


Read More Read More

Share
Uczenie maszynowe, muzyka i logistyka…

Uczenie maszynowe, muzyka i logistyka…

Adrian Foltyn
Adrian Foltyn

W tym odcinku dowiesz się:

  • Jak uczenie maszynowe pomogło firmie HelloFresh oraz jakie korzyści przyniosłoby Twojej firmie?
  • Na czym polega łańcuch dostaw (ang. Supply Chain Revolution) wykorzystywany przez HelloFresh?
  • W jakim stopniu umysł artysty (muzyka) jest powiązany z pracą jako Data Scientist oraz jakie można wynieść z tego korzyści?
  • Czy każda osoba jest w stanie rozpocząć przygodę z uczeniem maszynowym?
  • Jak jako Data Scientist podchodzić do problemów oraz jak efektywnie sobie z nimi radzić?
  • Jaki wpływ będzie miało uczenie maszynowe na logistykę w przyszłości?
  • Jakie są mity i legendy związane z uczeniem maszynowym?
  • Czym różnią się pojęcia: Machine Learning, AI, Data Science?
  • Jaki zabrać się za wdrażanie uczenia maszynowego w firmie z punktu widzenia decydenta?

 

W momencie, kiedy nagrywam to intro jestem już po konferencji, która odbyła się w sobotę, 13 października w Warszawie. Jeżeli jesteś regularnym słuchaczem, to wiesz, że musiałem włożyć wiele wysiłku i podejść twórczo do organizacji tego wydarzenia. Natrafiłem na wiele różnych przeszkód i ostatecznie organizacja była trudniejsza, niż mogłoby się to wydawać na początku, tym bardziej że świadomie zrezygnowaliśmy ze sponsorów na konferencji, aby jakość prezentacji była jak najwyższa, co wpłynęło fatalnie na aspekt finansowy tego przedsięwzięcia
i stworzyło wiele wątpliwości… Ale za to, po konferencji dostałem tak duży zastrzyk pozytywnej energii, aż byłem zaskoczony. Udało się zorganizować wydarzenie na takim poziomie, że nawet moje optymistyczne oczekiwania były zaniżone. Więcej o konferencji powiem na samym końcu.

29 października rusza praktyczny kurs online na temat uczenia maszynowego, który potrwa 8 tygodni i skończy się tuż przed “gwiazdką”. W trakcie kursu poznasz ze strony praktycznej fundamenty uczenia maszynowego. Będzie mowa o regresji i klasyfikacji (klasycznie uczenie maszynowe). Większość problemów biznesowych można sprowadzić właśnie do tych dwóch aspektów. Podjęty zostanie również temat uczenia głębokiego (w szczególności przetwarzanie obrazów).

Dotychczas odbyły się 2 edycje, w których wzięło udział 130 osób. Moi absolwenci pracują w takich firmach jak Intel, Orange, Allegro, IBM, Microsoft, Nokia, Bayer, Roche, Gemius, Santander Bank. Pracują również na uczelniach – Akademia Górniczo-Hutnicza w Krakowie, Szkoła Główna Handlowa w Warszawie, Politechnika Lubelska, Uniwersytet w Zielonej Górze. Również sporo osób w mniej znanych, ale bardzo ciekawych startupach lub software houseach.

W ciągu roku mają miejsce maksymalnie dwie edycje. Czwarta edycja odbędzie się najwcześniej w marcu lub kwietniu 2019.

Dodatkowo zdradzę jedną rzecz. Konferencja o której wspomniałem na początku i opowiem szczegółowo na końcu, została stworzona z myślą pomocy moim absolwentom. Cały czas staram się o nich myśleć. Są oni ciągle na bieżąco. Nawet po kursie przesyłam aktualizacje o kolejnych edycjach lub innych rzeczach. Postanowiłem, że absolwenci kursu otrzymają zniżkę w wysokości 50% na kolejne konferencje. Mimo tego, że będę musiał za nich dołożyć drugą połowę, to stwierdziłem że takie działania mają sens.

Dobra wiadomość! Zniżka 20% na hasło BM_KURS20

Dzisiejszym gościem jest Adrian Foltyn. Jest to człowiek, który próbuję łączyć muzykę z uczeniem maszynowym. Okazuje się, że obie te dziedziny mają wiele wspólnych cech, i jedni mogą wiele wyciągnąć od drugich. W szczególności, specjaliści od uczenia maszynowego od muzyków. Zapraszam do wysłuchania.

Read More Read More

Share
Sztuczna inteligencja w iTaxi

Sztuczna inteligencja w iTaxi

Tomasz Brzeziśnki - Chief Data Scientist w iTaxi
Tomasz Brzeziśnki – Chief Data Scientist w iTaxi

Z tego odcinka dowiesz się:

  • Jak optymalizacja pomogła firmie iTaxi?
  • Jak podnieść atrakcyjność oraz usprawnić działanie firmy wykorzystując uczenie maszynowe oraz sztuczną inteligencję?
  • Jak skutecznie optymalizować algorytmy?
  • Czy skuteczna automatyzacja może usprawnić workflow?
  • Jakie są problemy oraz trudności w odpowiedniej optymalizacji algorytmów?
  • Jak wykorzystać podejście symulacyjne do rozwiązywania problemów?
  • Co powinno być priorytetem podczas doboru procesów, aby jak najbardziej odzwierciedlały rzeczywistość?
  • Jak efektywnie wykorzystywać testy A/B?
  • Jak upewnić się, że symulator działa poprawnie oraz jak odpowiednio dobrać jego parametry?
  • Czy zastosowanie symulatora w przemyśle innym niż logistyka jest opłacalne?
  • Na co należy uważać oraz jakich kosztów się spodziewać podczas wdrażania uczenia maszynowego oraz sztucznej inteligencji do swojej firmy?
  • Jak będzie wyglądać postęp technologiczny w ciągu następnych 15 lat?

Jeżeli słuchasz tego odcinka wtedy, kiedy został opublikowany, to zostało Ci jeszcze kilka dni, prawie tydzień do rozpoczęcia konferencji DataWorkshop Club Conf, gdzie bardzo gorąco Cię zapraszam. Mam nadzieję, że jeszcze będą miejsca, i to jest miejsce, gdzie będzie można usłyszeć naprawdę wartościowe, takie życiowe wskazówki, jak należy podchodzić do uczenia maszynowego w naszym życiu, takim życiu realnym.

Nie błądź!
Nie błądź!

Również, chciałbym zrobić taki szybki anons, że dwudziestego dziewiątego października startuję z trzecią edycją mojego kursu „Praktyczne uczenie maszynowe” na DataWorkshop. To, jak już powiedziałem jest trzecia edycja. Sto trzydzieści osób wzięło w tym udział. Absolwenci moi pracują w różnych firmach. Znanych i mniej znanych. Myślę, że warto tego spróbować tym bardziej, że wiele osób, czyli moich absolwentów wygłosiło opinię o tym. Ja to wszystko zbiorę i w notatkach to będzie dostępne.

A teraz przechodzimy do tematu, bo dzisiaj jestem z bardzo ciekawą osobą. Nazywa się Tomasz Brzeziński, który pracuje w iTaxi, i dla mnie takie osoby są bardzo inspirujące, interesujące dlatego, że po pierwsze, potrafią myśleć inaczej, ale czasem widzę dwa rodzaje takich ludzi, którzy myślą inaczej. Pierwszy rodzaj to taki, który po prostu się buntuje i mówi: nie, ale za tym nic nie stoi, tylko po prostu się nie zgadza. Taki trochę nastolatek. A drugi rodzaj, który przyciąga moją uwagę to człowiek, który mówi, że można coś zrobić inaczej, i za tym stoją takie twarde, lub jak to się mówi w Polsce, grube argumenty. I to jest super ciekawa rzecz, kiedy wydaje się, że tak się robiło zawsze i przychodzi ktoś i mówi: a zróbmy to inaczej. I tłumaczy dlaczego tak jest. Dobra, już nie przeciągam tego wprowadzenia. Zapraszam do wysłuchania tego odcinka.

Tomasz Brzeziński
Tomasz Brzeziński

Read More Read More

Share
Sztuczna inteligencja w e-commerce

Sztuczna inteligencja w e-commerce

Przygotowałem dla Ciebie 10 przykładów, jak uczenie maszynowe może zmienić świat e-commerce.

Sztuczna inteligencja w e-commerce
Sztuczna inteligencja w e-commerce

Z tego odcinka dowiesz się:

  • Jakie znaczenie ma zbliżająca się rewolucja przemysłowa?
  • Czy technologia diametralnie odmieni nasz sposób życia w przyszłości?
  • Czy komputer może mieć wyobraźnię?
  • Na jakich płaszczyznach wykorzystuje się uczenie maszynowe?
  • Czy sztuczna inteligencja zastąpi człowieka w przyszłości w aspekcie kontaktu firma – klient?
  • Jak zaawansowane systemy rekomendacyjne dopasowują się do swoich odbiorców/klientów?
  • Jak bardzo sprawny oraz efektywny system rekomendacyjny może wpłynąć na sprzedaż?
  • jak efektywnie zwiększyć swój open rate przy pomocy uczenia maszynowego?
  • czy uczenie maszynowe jest w stanie zapobiec oszustwom podczas zakupów internetowych?
  • jak odpowiednio zarządzać katalogiem (strukturami drzewiastymi) wykorzystując potencjał uczenia maszynowego?
  • czy sztuczna inteligencja może stać się Twoim potencjalnym konsultantem?
  • który z obecnych asystentów głosowych jest najbardziej inteligentny?
  • czy w przyszłości będziemy robić zakupy przez Internet wyłącznie za pomocą komend głosowych?

Przed wstępem do tej rozmowy, chcę zrobić zapowiedź konferencji, którą organizuję – DataWorkshop Club Conf. Odbędzie się ona 13 października w Warszawie. Dzięki inspirującym historiom, zaoszczędzisz kilka lat ciągłego błądzenia i gromadzenia nadmiaru zbędnej wiedzy. Nawiążesz wartościowe kontakty i poznasz właściwe osoby, z którymi na pewno znajdziesz wspólne cele oraz motywację do działania.

Ugryź kawałek Machine Learning
Ugryź kawałek Machine Learning

Obecnych będzie osiemnastu prelegentów, którzy opowiedzą o swoich doświadczeniach. Jak to się stało, że są tam gdzie są, jakie porażki popełnili, jakie wyciągnęli z nich wnioski, z jakich ‘life-hacków’ korzystają, które pomagają im w życiu. Dzięki temu będziesz mógł poznać różne ścieżki rozwoju Machine Learning, jak i również odnaleźć swoją własną. To będzie dobra okazja zarówno dla początkujących, jak i również dla osób, które już działają w tym temacie i chciałyby go poszerzyć.

Nie trać czasu! Podobnie było z DataWorkshop Tour. Bilety wyprzedały się w mgnieniu oka i potem było wiele próśb, aby zwiększyć ich liczbę, lecz ze względu na limity “fizyczne”, nie jest to takie proste. Sprzedaż dopiero ruszyła i w momencie jak nagrywam, wyprzedane jest już 40% biletów. Koszt biletu, jak na wysiłek który jest włożony, jest mocno zaniżony. Dlatego schodzi dość szybko. Robię to z kilku powodów, np. dlatego, że chcę udostępnić tę wiedzę szerszemu gronu. Są też jeszcze inne powody.

Kolejną wyróżniającą nas rzeczą jest to, że postanowiliśmy to zrobić własnymi siłami, bez sponsorów, dzięki czemu, jak łatwo się domyślić, udało nam się wyeliminować prezentacje sponsorskie. Wszystkie prezentacje które się pojawią, będą wnosiły tylko i wyłącznie praktyczną wartość. Zobacz na program :).

Natomiast jeśli jednak ten dzień masz już zajęty (będzie to sobota), lub nawet jesteś zagranicą, czy zabrakło biletów, też o tym pomyśleliśmy. Możesz kupić dostęp do transmisji online i zobaczyć prezentację 18 prelegentów, przy czym wszystkie nagrania będą dostępne co najmniej przez rok, więc możesz je obejrzeć w dogodnym dla Ciebie czasie. Co ważne, dostaniesz również dostęp do slack’a, gdzie będziesz mógł poznać uczestników, jak i zadać pytania prelegentom. Koszt dostępu do transmisji to jedynie 150 zł. (netto).

Specjalista Machine Learning to jeden z najbardziej opłacalnych zawodów przyszłości, dlatego warto tam być. Jestem pewien, że robimy coś unikalnego nawet w skali europejskiej.


Teraz wracamy już do dzisiejszego tematu.

Read More Read More

Share
Przemysław Chojecki – doktor po Oxfordzie

Przemysław Chojecki – doktor po Oxfordzie

Żyjemy w czasach, kiedy dzięki AI pojawia się coraz więcej możliwości, ale wraz z nimi rodzą się i zagrożenia. Prawda jest taka, że dojdzie do walki pomiędzy tymi, którzy chcą wykorzystać AI, by pomagać i tymi, którzy będą używać go do złych rzeczy, jak oszustwa, manipulacje i wiele innych szkodliwych dla ludzkości działań. Ostatnio trafił do mnie ciekawy raport (ma ponad 100 stron) pod tytułem „Złośliwe wykorzystywanie sztucznej inteligencji: prognozowanie, zapobieganie i łagodzenie”.

 

Z tego odcinka dowiesz się:

  • jakie są różnice pomiędzy polską, brytyjską i francuską edukacją?
  • czy są jakieś specjalne korzyści dla biznesu związane z prowadzeniem biznesu związanego ze sztuczną inteligencją?
  • czym jest tak ogólna sztuczna inteligencja i czy kiedyś uda się ją stworzyć?
  • jak można zastosować sztuczną inteligencję w naszym codziennym życiu?
    czym zajmuje się Ulam.ai?
  • co to jest DeepAlgebra i czemu ma służyć?
  • jaki problem rozwiązuje projekt Aimee?
  • czy sztuczna inteligencja spowoduje, że modelki stracą pracę?
  • czym są komputery kwantowe?
  • czy zastosowanie komputerów kwantowych może wpłynąć na rozwój uczenia maszynowego?
  • jak technologia może wpłynąć na życie ludzi w ciągu najbliższych 10-20 lat?

Kilka przykładów szkodliwych działań  w AI:

  1. Zautomatyzowane wyłudzanie informacji lub tworzenie fałszywych wiadomości e-mail, witryn internetowych i linków prowadzących do kradzieży informacji,
  2. Szybsze hackowanie dzięki automatycznemu wykrywaniu luk w oprogramowaniu,
  3. Oszukiwanie systemów sztucznej inteligencji, korzystając z wad w tym tego, w jaki sposób AI widzi świat,
  4. Automatyzacja terroryzmu za pomocą komercyjnych dronów lub autonomicznych pojazdów jako broni,
  5. Zdalne ataki, ponieważ autonomiczne roboty nie musiałyby być kontrolowane w obrębie ustalonej odległości.

Również mogę wymienić tematy polityczne, takie jak:

  1. Propaganda, dzięki łatwo generowanym fałszywym obrazom i wideo,
  2. Automatyczne usuwanie niezgody przez automatyczne wyszukiwanie i usuwanie tekstu lub obrazów,
  3. Spersonalizowana perswazja, wykorzystywanie publicznie dostępnych informacji do celowania w czyjeś opinie.

Zastanawiam się nad tym, żeby przygotować osobny odcinek, by lepiej uświadomić osoby decyzyjne o tym, jak można zminimalizować ryzyko. Proszę, daj mi znać, czy jest to dla Ciebie interesujące.

Dzisiejszym gościem jest Przemysław Chojecki, który przez dłuższy czas mieszkał za granicą, najpierw we Francji, potem w Anglii, gdzie uczył się oraz uczył na Oxfordzie. Następnie jednak zdecydował się wrócić do Polski. Napisał też 2 książki, w których dzieli się swoimi przemyśleniami. Ma ciekawe cele, chce zbudować ogólną sztuczną inteligencję. Jest współzałożycielem Ulam.ai. O tym wszystkim i nawet więcej będzie w tym odcinku. Zapraszam do wysłuchania.

Przemyslaw Chojecki
Przemyslaw Chojecki

Read More Read More

Share
10 przykładów jak uczenie maszynowe może pomóc Twojemu biznesowi

10 przykładów jak uczenie maszynowe może pomóc Twojemu biznesowi

Szeregi czasowe

Z tego odcinka dowiesz się:

  • jak uczenie maszynowe może pomóc Twojemu biznesowi?
  • czym są szeregi czasowe?
  • jakie problemy rozwiązuje możliwość prognozowania popytu w przedziale czasowym?
  • jakie problemy w biznesie może rozwiązać predykcja sprzedaży w przedziale czasowym?
  • czy można przewidzieć, ilu klientów zamierza odejść w pewnej perspektywie czasowej?
  • czy dzięki prognozowaniu można usprawnić pracę w call center?
  • kto może skorzystać z prognozowania ilości awarii w przedziale czasowym?
  • czy jest możliwość przewidzenia, jakie będzie zanieczyszczenie powietrza?
  • od czego zależy dynamiczna zmiana cen?
  • czy można przewidzieć wystąpienie choroby?
  • dlaczego warto zapisać się na najbliższą edycję kursu „Praktyczne uczenie maszynowe” na DataWorkshop?
Szeregi czasowe
Szeregi czasowe

Biznesy mają pewne elementy wspólne. Każdy biznes ma zarabiać, bo właśnie po to został stworzony. Ostatnio nawet usłyszałem bardziej agresywną definicję. Tworząc własny biznes, musisz założyć, że chcesz zarabiać co najmniej 5 lub 10 razy więcej w 2-3 lata. Bo biznes to podejmowanie ryzyka i jeśli rośnie wolniej, to bardziej opłaca się pracować na etacie (zakładając, że ktoś inny osiągnął podobny wynik, żeby pokryć koszty). Akurat ta agresywna definicja może być dość kontrowersyjna. Pytanie: jakim kosztem się to osiąga? Odpowiedź na to pytanie zostawiam Tobie.

Umiejętność zarządzaniem ryzykiem jest sztuką. Jak już ustaliliśmy wcześniej, biznes zawsze wiąże się z ryzykiem, zawsze coś pójdzie inaczej, niż było zaplanowane. Pamiętam, że jeszcze jako programista nauczyłem się, że czas pomiędzy stworzeniem buga w kodzie i jego wykryciem oraz naprawieniem ma wykładniczy wpływ na koszty. To oznacza, że czym później wykryjesz błąd w kodzie, tym znacznie więcej to będzie kosztować firmę i ten koszt z czasem ma wzrost wykładniczy. To stąd, tak zwany „legacy code” i zawarty w nim dług techniczny jest tak drogi, a w pewnym momencie potrafi wywrócić do góry nogami nawet potężny biznes.

Potem zauważyłem, że to jest ogólna zasada życiowa, również dla biznesu. Dobrze, że popełniamy błędy, bo w ten sposób się uczymy, problem polega na tym, że zbyt dużo czasu potrzebujemy, żeby je zidentyfikować, wyciągnąć wnioski i wprowadzić zmiany do strategii firmy. Zobacz, jak ważna jest ta zasada dla biznesu. Jak już mówiłem, biznes ma ambicje rosnąć bardzo szybko, co oznacza, że trzeba biec. Pytanie tylko: dokąd? Ktoś mądry powiedział: że „możesz spieszyć się jedynie wtedy, gdy biegniesz we właściwym kierunku”.

Wszystko brzmi bardzo prosto i logiczne, ale jak to często bywa w życiu, rozumienie i wdrażanie to są dwie różne historie. Jak uczenie maszynowe może nam w tym pomóc?

Read More Read More

Share
Sztuczna inteligencja i prawo

Sztuczna inteligencja i prawo

Z tego odcinka dowiesz się:

  • sztuczna inteligencja i prawo, czy prawo nadąża za zmianami związanymi ze sztuczną inteligencją?
  • jakie wyzwania, możliwości, czy zagrożenia wiążą się z nadaniem praw robotom?
  • czy robot może posiadać akt urodzenia, obywatelstwo, a nawet indeks wyższej uczelni?
  • czy można sklonować robota?
  • czy będzie możliwe uzyskanie obywatelstwa, takiego samego jak ma człowiek – przez robota?
  • czy człowiek powinien być informowany o tym, że jest obsługiwany przez robota?
  • czy są przepisy regulujące istnienie robotów w społeczeństwie?
  • kiedy na polskich drogach będą jeździły samochody bez kierowców?
  • do kogo należą prawa autorskie w przypadku utworu wykonanego przez sztuczną inteligencję?
  • jakie są warunki harmonijnej koegzystencji ludzi i sztucznej inteligencji?
  • dlaczego warto skorzystać z kursu „Praktyczne uczenie maszynowe” na DataWorkshop?
Martyna Czapska
Martyna Czapska

Technologia pędzi do przodu, a jak jest z prawem? Czy obywatelstwo Sophii to normalne obywatelstwo, czy jednak tylko udawane? Czy Sophia ma podobne prawa jak człowiek, czy chociażby jak obywatel? Czy potrzebuje wizy, żeby podróżować? Takich ciekawych pytań jest mnóstwo, więc musiałem ten temat poruszyć.

Dzisiejszym gościem jest Martyna Czapska, która jest prawnikiem i jako jedyna w moim otoczeniu zajmuje się prawem związanym z tak zwaną sztuczną inteligencją. Nasza rozmowa mogła być znacznie dłuższa, bo tyle ciekawych wątków rodziło się po drodze. Być może warto będzie nagrać jeszcze jeden odcinek za jakiś czas, na przykład za rok, myślę, że wtedy pojawi się wiele nowych ciekawostek. Co o tym myślisz?

Martyna przygotowała dla Ciebie prezent, ale o tym będzie na końcu. Po wywiadzie z Martyną znajdziesz opinię Roberta, programisty z dziesięcioletnim doświadczeniem, absolwenta drugiej edycji kursu „Praktyczne uczenie maszynowe” na DataWorkshop.

Zapraszam do przeczytania.

Read More Read More

Share