W ostatnich  2 odcinkach serii podcastu Biznes Myśli: “Machine Learning – od pomysłu do wdrożenia” rozmawialiśmy o pomysłach i filtrach, które warto na nie nałożyć, aby uniknąć popularnych pułapek oraz o metrykach sukcesu w projektach uczenia maszynowego. Od tego zwykle się zaczyna. Jak to już masz mniej więcej określone, to pojawia się pytania: ale kogo właściwie potrzebuję, aby mój pomysł wdrożyć w życie i aby te metryki sukcesu się spełniły. Albo z drugiej strony, jeśli jesteś osobą, która nie szuka specjalistów, a chce być specjalistą w tym obszarze, to jak się wyspecjalizować, aby rzeczywiście umieć rozwiązywać problemy w praktyce, a nie tylko na  prezentacjach, bo to większość potrafi, ale biznes szybko i brutalnie to weryfikuje. Właśnie dlatego w tym odcinku porozmawiamy sobie o rolach i kompetencjach w projektach  z uczeniem maszynowym w roli głównej. Temat zwykle zamyka się na “Data Scientist” lub “ML Engineer”, ale jednak na tym nie kończą się kompetencje potrzebne, aby…

Stabilność modeli to bardzo ciekawy temat. Z jednej strony pojawia się coraz więcej algorytmów, które pokazują całkiem fajny wynik, ale ten wynik czasem może być złudny. Mam na myśli to, że jak wdrożymy model na produkcję, to może nas zaskoczyć. W jaki sposób? W których miejscach mogą być potencjalne kłopoty? O tym dzisiaj będę rozmawiać z Adamem, który bardzo się inspiruje tymi tematami pod wieloma względami. Z jednej strony porozmawiamy o tym, jak ważne jest to, żeby wynik był powtarzalny, z drugiej strony ważna jest także generalizacja wiedzy. Poruszymy też temat potencjalnych ataków, które mogą się przydarzyć i zepsuć model w nieoczekiwanym momencie i z bolesnym skutkiem…

Czy leki są konieczne? Jak sobie wyobrazić dawne czasy, to kiedyś leków nie było. Czy możemy stwierdzić, że ludzie byli bardziej chorzy? Już widzę te komentarze, że „tak”, ale z drugiej strony przeanalizujmy nasze obecne społeczeństwo, np. dzieci. Czy stan zdrowia był kiedykolwiek gorszy niż jest teraz, mimo tego że tych leków mamy tak dużo? Stąd pytanie: jak myślisz, czy leki są konieczne? Z drugiej strony, wcale nie próbuję powiedzieć, że nie, ale proces wykrywania leków jest dość magiczny. Mimo tego że zajmują się tym naukowcy, to dość często (nie wszyscy to przyznają wprost) nie do końca wiedzą, jak zrobić to najlepiej. To nie wynika z tego, że oni nie chcą zrozumieć jako naukowcy, chcą – tylko nasz świat naprawdę jest bardzo skomplikowany. Zresztą chociażby w książce „Antykruchość” jest powiedziane m.in. na temat medyków, że dość dużo tych największych odkryć wydarzyło się przez przypadek, a niekoniecznie w laboratorium. Jednocześnie rozważanie…

Uczenie maszynowe nieustannie zmienia wiele branż. Czasem te zmiany są rewolucyjne, czasem bardziej ewolucyjne. Jak sprawa wygląda w branży ubezpieczeń? W czym uczenie maszynowe może tam pomóc? Dzisiejszym gościem jest Marcin Kurczab – szef innowacyjnego laboratorium w PZU, gdzie powstają projekty tworzone własnymi siłami lub współpracując z partnerami. Marcin mówi, że w labie skupiają się na tym, aby więcej robić, mniej mówić… Posłuchaj całego wywiadu, warto!  Zapraszam. Cześć Marcin! Przedstaw się, proszę. Powiedz, kim jesteś, czym się zajmujesz, gdzie mieszkasz.