Tag: machine learning

Uczenie maszynowe na DataWorkshop, pragmatyczne wejście do świata ML

Uczenie maszynowe na DataWorkshop, pragmatyczne wejście do świata ML

Uczenie maszynowe na DataWorkshop, pragmatyczne wejście do światu ML
Uczenie maszynowe na DataWorkshop, pragmatyczne wejście do światu ML

Uczenie maszynowe, lub tak zwana sztuczna inteligencja jest bardzo gorącym tematem, głównie dlatego, że można dzięki niej uzyskać zauważalną wartość dodaną w biznesie. Czasem nawet może być ona kluczowa, bo dzięki temu pojawią się nowe biznesy, które zmieniają dotychczasowe reguły gry. W każdej branży obecność uczenia maszynowego jest coraz bardziej odczuwalna nie tylko na świecie, ale również w Polsce.

Pytanie, które zadają sobie dyrektorzy, managerowie, liderzy to w jaki sposób przeszkolić mój zespół w obszarze uczenia maszynowego. Również podobnie pytanie, tylko z innej perspektywy dość często zadają sobie osoby techniczne, np. programiści lub analitycy. Jak rozpocząć pracę z uczeniem maszynowym?

Cały paradoks polega na tym, że ilość informacji na ten temat jest tak ogromna, że ciężko jest się w tym odnaleźć. Są osoby, które próbują przerobić jak najwięcej różnych książek, artykułów, itp. w wyniku czego mają wrażenie, że wiedzą wszystko… natomiast dość często prawda jest taka, że dużo słyszeli, ale mniej przerobili.

Rozwiązanie rzeczywistych problemów wymaga innego sposobu myślenia. Musisz zacząć patrzeć na świat innymi oczami, traktować uczenie maszynowe bardziej jako narzędzie, niż cel. Wiem, że jest to dość oczywiste dla osób z biznesu, natomiast dla osób technicznych sama zabawa w uczenie maszynowe może być sposobem na dobrze spędzony czas.

Między innymi dlatego staram się utrzymywać stały kontakt z różnymi biznesami, poznawać przeróżne problemy i próbować zrozumieć, jakie umiejętności są najbardziej potrzebne, żeby to robić skutecznie. W roku 2018 współpracowałem z wieloma firmami i pomagałem przerabiać różne tematy związane z uczeniem maszynowym, o różnej złożoności. Między innymi robiłem klasyfikację produktów w katalogu, wykrywanie fraudów, prognoznozwanie sprzedaży, prognozowanie pewnych wzorców na giełdzie, prognozowanie związane ze wsparciem klienta, prognozowanie budżetu, nawet częściowo wspierałem bardzo ciekawy projekt społeczny, który miał na celu zminimalizowanie awarii na drogach (bardzo trzymam kciuki, żeby ten projekt poszedł dalej, bo technicznie rokuje dobrze). Również były inne projekty. Podam Ci jeszcze jeden przykład. Jest firma, która ma pewną przepustowość. Jak jest za mało zleceń, jest źle, jak jest za dużo, też jest źle. Natomiast jest potrzeba na dużą ilość zamówień. Ilość zamówień można regulować przy pomocy reklamy, chociażby na Google. Pytanie tylko, jak to zrobić rozsądnie. Tutaj z pomocą przychodzi prognozowanie oparte na uczeniu maszynowym. Z jego pomocą można częściej trafić w złoty środek, w wyniku czego firma maksymalizuje swój zysk, utrzymując jakość na wysokim poziomie.

Świadomie pomagam wielu firmom, bo dzięki temu przepuszczam przez swój mózg kolejne wyzwania i próbuję łączyć kropki z różnych branż. Doświadczenie które posiadam, staram się przekazywać w moim autorskim kursie online. Właściwie, mam ich już dwa. Pierwszy to praktyczne uczenie maszynowe. Czwarta edycja startuje 25 lutego 2019. Drugi online kurs to praktyczne prognozy szeregów czasowych. Jako słuchacz BiznesMyśli otrzymujesz zniżkę 15% na pakiet Gold lub Standard (kod: BIZNES_MYSLI_15), jak i również dostęp do modułu zerowego. Jak do tej pory odbyły się już 3 edycje kursu, gdzie sumarycznie wzięło w nim udział ponad 200 osób. 

Osoby po kursie używają zdobytej wiedzy w różny sposób. Ktoś już miał taką potrzebę w firmie i stosuje, ktoś inny przekonuje swoje kierownictwa, że warto, ale również są osoby, które znajdują pracę. Również ich w tym wspieram. Potem do mnie wracają pracodawcy i pytają, czy mam jeszcze kogoś do polecenia, ponieważ te osoby się sprawdziły. Staram się to robić bardzo ostrożnie, żeby dobierać je odpowiednio.

Mówić można różne rzeczy, więc lepiej jednak zapytać wprost absolwentów, co oni o tym myślą. Dlatego zaprosiłem 3 osoby (tyle zmieści się w odcinku), żeby podzieliły się swoją opinią. Warto wziąć pod uwagę, że są to osoby, dla których nagranie podcastu wiązało się ze stresem, więc proszę wybacz potencjalne “plątanie się”.

Read More Read More

Share
Czy sztuczna inteligencja ma intuicję?

Czy sztuczna inteligencja ma intuicję?

Opowiem Ci dwie ciekawostki, nad którymi ostatnio się zastanawiałem.

Pierwsza, to odczytywanie naszych emocji z twarzy. Mam na myślę zwykłą kamerę, która nagrywa ludzi np. na ulicy czy w tramwaju. Mając zwykłe zdjęcie z twarzą człowieka, przy pomocy uczenia maszynowego, można próbować zgadnąć jak ten człowiek teraz się czuje. Techniczne, jest to możliwe już dzisiaj (i wiem, że podobne rozwiązania są stosowane, np. na konferencjach, ulicach czy w innych miejscach, tu między innymi pojawia się koncepcja “audience measurement” lub “crow measurement”).

Co prawda, na dużą skalę, to wymaga większej próbki danych, ale w naszych czasach mamy tak dużo nagrań z ludźmi, że da się to zrobić. Dlaczego o tym myślałem? Kiedyś, wyczytałem w książkach, że król to była taka osoba, która potrafi odczytać lub wyczuć nastrój ludzi „z powietrza”, i na podstawie tego podejmować te czy inne decyzji. Ten, kto robił to najlepiej, był sławny przez długi czas…

Warto powiedzieć wprost, bo czasem wydaje się, że bycie królem, czy używając bardziej nowoczesnego słowa – prezydentem, jest bardzo łatwe. Zwykle regulacje na takim poziomie muszą być ostrożne, bo nawet minimalne wahnięcie w lewo czy w prawo może doprowadzić do różnych skutków, czyli tak zwanego efektu motyla. Myślałem nad tym, a co jeśli już ktoś pracuje nad rozwiązaniem i mierzy jakie jest napięcie ludzi na dużą skalę? Również próbuje zrozumieć, jak to zmienia się z czasem, od czego to zależy. Jeśli pomyśleć jeszcze szerzej, to w ten sposób, można zbudować narzędzie które może mieć potężną siłę, żeby manipulować ludźmi. Na przykład, stworzyć sztuczną euforię wśród ludzi, wtedy kiedy jest taka potrzeba. Podobnie jak to było w książce braci Strugackich. Oczywiście, możesz powiedzieć, że już teraz sporo jest manipulacji, ale obawiam się, że to z czym mamy do czynienia teraz jest jak zabawka… Ciekawy jestem co o tym myślisz?

Druga historia, też powiązana ze zdjęciami i rozpoznawaniem po twarzy człowieka. Jeśli podróżujesz do większych miast, albo chociażby biorąc pod uwagę pewne dzielnice Warszawy, np. tak zwany Mordor (kto mieszka lub pracuje tam, wie o czym mówię). To pewnie wiesz jak dużo ludzi może pojawić się w jednym miejscu. Teraz jeśli to jest metro, czy inne miejsce, gdzie jest specjalna bramka, w którą trzeba wrzucić monetę czy bilet, to nagle staje się ono wąskim gardłem. Pojawia się gigantyczny korek, złożony tylko z ludzi.

Jak można to rozwiązać? Amerykańska firma Cubic Transportation Systems chce zrobić rewolucję w transporcie w Londynie. Zamiast użycia Oyster Card, będą… skanować twarze. Mówiąc wprost, po twarzy można będzie rozpoznać kto jedzie na gapę i to dosłownie! :). Jako wizja, brzmi to jak najbardziej możliwe. Myślę, że jeszcze będzie trochę wyzwań na poziomie technicznym, żeby osiągnąć skuteczność bliską 100%, a z drugiej strony być może to nie jest takie ważne. Pewnie firmie bardziej będzie się opłacać znacznie zwiększenie przepustowości bramki i incydentalne przepuszczanie ludzi bez biletu, niż zablokowanie tych, którzy mają bilet. Kontynuując tę myśl, po co nam dowód czy paszport w przyszłości? Co o tym sądzisz?

Łukasz Kuncewicz
Łukasz Kuncewicz

Już nie przedłużam, dzisiejszym gościem jest  Łukasz Kuncewicz. Cieszę się, że Łukasz znalazł czas, bo wiem, że jest mocno zapracowany. Ma sporo doświadczenia w IT, pracuje z dużymi danymi, czyli tak zwanym Big Data, jak i uczeniem maszynowym. Jest praktykiem, przez co bardzo z nim sympatyzuję, ale coś innego przykuło moją szczególną uwagę, on lubi myśleć dalej… Wiem, brzmi trochę dziwnie, ale to dość rzadka cecha w naszych czasach. Zastanawiać się nad procesami. Wyciągać z tego samodzielne wnioski.

Czuć, że Łukasz lubi zadawać pytania, przede wszystkim do samego siebie, ale nawet podczas wywiadu, też pytał mnie 🙂 Ciekawy jestem, czy odniesiesz to samo wrażenia.  Zapraszam do wysłuchania.

 

Read More Read More

Share
10 praktycznych porad jak uczenie maszynowe może usprawnić Twój biznes

10 praktycznych porad jak uczenie maszynowe może usprawnić Twój biznes

Każdy przedsiębiorca bardzo się cieszy, kiedy działalność firmy zaczyna nabierać tempa. Ale czy to naprawdę jest miernikiem sukcesu? A może jednak w naszych czasach to porażka, która tylko potrzebuje czasu, aby się ujawnić. Byłem lojalnym klientem firmy, która, można powiedzieć, jest liderem w swojej branży, ale jednak mnie zawiodła. Co takiego mogło się wydarzyć, że jeden przypadek zrujnował budowane przez kilka lat zaufanie?

10 praktycznych porad
10 praktycznych porad

Jak machine learning, czyli uczenie maszynowe mogłoby uratować tę sytuację. Dzisiaj opowiem o tym, jak uczenie maszynowe może pomóc Ci w jak najlepszy sposób dostarczać bardziej wartościowe produkty lub usługi, a przede wszystkim jak może ono wspomóc twoją pracę, gdy biznes się rozrasta.

Coraz częściej dostaję od Was informację, że poruszam wraz z gośćmi wiele ciekawych tematów dotyczących sztucznej inteligencji. Jest to często inspirujące lub nawet wręcz pouczające, jednak dość ciężko jest zmapować to doświadczenie na konkretne przypadki własnego biznesu. Jak się mówi, dobrze wiedzieć, że istnieją duzi gracze jak Google, Microsoft czy Amazon, którzy inwestują miliardy w sztuczną inteligencję.

Ale z drugiej strony, pewnie masz firmę w Polsce, w której pracuje kilkudziesięciu czy kilkuset pracowników, ale wciąż trochę brakuje do miliardowych budżetów. Pojawia się pytanie i co wtedy? Czy uczenie maszynowe może w tym pomóc? Odpowiedź jest krótka – tak, może pomóc. A jeśli chcesz się dowiedzieć więcej, to przeczytaj (posłuchaj) do końca 🙂 Również na końcu czeka na Ciebie kilka miłych niespodzianek.

Read More Read More

Share
Naukowiec Computer Vision z DeepMind – Mateusz Malinowski

Naukowiec Computer Vision z DeepMind – Mateusz Malinowski

Gartner opublikowała tak zwany hype cycle 2017, po polsku pewnie to brzmi jako cykl szumu albo cykl dojrzałości technologii. Hype cycle został wymyślony przez Gartner w 1995 roku i składa się z pięciu faz: najpierw pierwsze informacje na temat technologii, druga faza to dużo szumu i wielkie oczekiwania, trzecia faza rozczarowania, bo wykrywają się pewne ograniczenia, czwarta faza naprawa tych ograniczeń i znów oczekiwania. Piąta i ostatnia faza stabilizacja. Mówi się, że wtedy technologia dojrzała i oczekiwania są połączone z możliwościami.

Cycle Hype | Gartner | 2017
Cycle Hype | Gartner | 2017

Dla przykładu, na samym początku, czyli w fazie jeden jest tak zwany smartdust, po polsku to zabrzmi jako “inteligentny kurz”. W dużym uproszczeniu, wobraź sobie ziarno piasku, a teraz pomyśl, że tam jest mini-procesor, bateria i sensory. Bateria jest ładowana poprzez słońce lub inne naturalne źródła energie. Takie cząstki mogą robić wiele różnych rzeczy, obserwować otoczenia, mierzyć różne parametry i nawet szpiegować. Stanisław Lem, jeszcze w roku 1964, pisał w “Niezwyciężony” podobną wizję. Teraz o tym mało się mówi, ale wiele się robi w miejscach, o których też mało się mówi :).

Dla przykładu. Pamiętasz o swoich uczuciach kilka czy kilkanaście lat temu, kiedy po raz pierwszy wyszedł w publiczność ekran dotykowy. Wtedy to zrobiło wrażenie. Natomiast jest stosunkowa stara technologia, która już była znana co najmniej w latach 70-tych. ubiegłego stulecia. Podobnie do smartdust jest 4D printing, który też jest w pierwszej fazie. Jednym słowem 4D printing można wytłumaczyć jako – “transformer”. Wyobraź sobie, że został wydrukowany jakiś obiekt, który może transformować w inny obiekt z czasem. To ma wiele obszarów zastosowań w biznesie. Ale temat rzeka, podziel się swoją opinią czy chcesz więcej dowiedzieć się na temat technologii przyszłości jak smartdust lub 4D Printing?

Wracając do cyklu dojrzałości (hype cycle). Zwykle technologia przesuwa się w czasie od lewej strony do prawej, czyli od fazy numer 1 do fazy numer 5. Dla każdej technologii to potrzebuję różną ilość czasu od kilka lat do 10 (czy nawet więcej). Machine learning po raz pierwszy pojawił się w cyklu dojrzałości 3 lata temu (przed tym były tematy powiązane takie jak data science lub bigdata). Przez trzy lata (włączając rok 2017) machine learning jest cały czas jest w fazie numer 2 (czyli dużo szumu). Ciekawostką jest, że 3 lata temu machine learning był bliżej fazy trzeciej niż w roku 2017.

A co to oznacza w praktyce? Kilka wniosków. To, że jesteśmy na etapie, kiedy ilość szumu rośnie. Temat jest bardzo nagrzany i zawiera sporo magii. Kolejny wniosek jest taki, że oczekiwania rosną znacznie szybciej niż biznes jest gotów je wykorzystać. Stąd płynie kolejny wniosek, że po fazie drugiej jest faza trzecia – czyli rozczarowania wynikające z błędnego rozumienia możliwości. Postaram się pomóc Ci przejść z fazy drugiej w fazę trzecią z najmniejszą stratą jak materialną tak i moralną i przygotuję na to osobny odcinek. Już mam kilka pomysłów jak to można zrobić, ale chętnie posłucham Twoje przemyślenia na ten temat.

Naukowiec Computer Vision

Gościem dzisiejszego odcinku jest naukowiec z DeepMind – Mateusz Malinowski. W drugim odcinku podcastu już wspomniałem o turing test, również o tym rozmawialiśmy w innych odcinkach podcastu, np. w 10-ym z Aleksandrą Przegalińską. Natomiast Mateusz kilka lat temu zdefiniował Visual Turing Test, który nabiera coraz większą popularność i ważność.

Mateusz Malinowski | Naukowiec Computer Vision
Mateusz Malinowski

Read More Read More

Share