Edukacja Machine Learning
Biznes,  Edukacja,  Podcast

Nauka Machine Learning – 3 różne perspektywy


Uczenie maszynowe nie jest skierowane do jednego konkretnego zawodu. To warstwa, która przecina wiele, o ile nie wszystkie, dziedziny w mniejszym lub większym stopniu. To również będzie dotyczyć Ciebie.

Dzisiaj zebrałem trzy opinie moich świeżo upieczonych absolwentów kursu „Praktyczne uczenie maszynowe od podstaw”, aby pokazać Ci, jak różne profile mają te osoby, ale każdy znalazł coś wartościowego dla siebie w tym kursie. 

Mam już 9 edycji za sobą, będzie kolejna. Liczba przeszkolonych osób na ten moment to już ponad 1000. Podejrzewam, że obecnie w każdej większej firmie w Polsce można będzie spotkać mojego studenta. Są to duzi gracze jak Google, Oracle, Orange, IBM, Nokia, wiele banków itd., ale też wiele mniejszych firm, które ciężko byłoby teraz wymienić. 

Dlaczego o tym mówię? Ludzie, którzy biorą udział w moich kursach, to nie są tylko osoby, które chcą na co dzień zajmować się uczeniem maszynowym. Są tacy, którzy dopiero zaczynają swoją przygodę z ML, są sprzedawcy, osoby decyzyjne, kierownictwo, zarząd itd., które w pewien sposób mają też styczność z uczeniem maszynowym. Prawdę mówiąc dzisiaj bardzo ciężko jest nie mieć kontaktu z ML. Szacuje się, że za około 15 lat machine learning stanie się standardem, czyli nie będzie firmy bez ML. 

Może to się wydawać bardzo odważnym stwierdzeniem, ale spójrzmy, jak wygląda sytuacja ze stronami internetowymi. Myślę, że można znaleźć firmę, która nadal nie posiada strony internetowej, ale jest to bardzo rzadko spotykane. W końcu w dzisiejszym świecie albo istnieje się w jakiejś formie w sieci (strona www, aplikacja, profile w mediach społecznościowych), albo nie istnieje się wcale. Są oczywiście wyjątki, ale to bardzo mały procent zarezerwowany dla specyficznych branży. 

Podczas kursu nie tylko przekazuję dużo wiedzy merytorycznej, ale także zwracam uwagę na sposób zadawania właściwych pytań, co jest istotne nie tylko w uczeniu maszynowym. Rozprzestrzenia się to również na inne dziedziny życia, przez co jest to wiedza uniwersalna. Ogromnie doceniam też networking odbywający się w trakcie trwania kursu pomiędzy uczestnikami. Jest to wielka wartość sama w sobie. Dlatego właśnie dzielę się tutaj opiniami kursantów, aby pokazać ich perspektywę, ich historię oraz wrażenia. Może zainspirują kogoś, by samemu spróbować swoich sił w uczeniu maszynowym.

BARTEK

To bardzo ciekawa, poukładana osoba, zwłaszcza w kontekście logicznego myślenia, a przy okazji skromną. Nie pochwalił się tym w wywiadzie, ale dodam, że wygrał konkurs na naszym kursie. To jest taki element, w którym łączymy całą wiedzę i w sposób praktyczny “łączymy kropki”. Doświadczenia nie da się zdobyć inaczej niż poprzez praktykę. Mogę długo mówić, tłumaczyć i to pięknie może brzmieć, ale dopóki się czegoś samemu nie zrobi, to naprawdę ciężko to zrozumieć – to będzie tylko informacja, a nie doświadczenie. Niektórzy mogą się dziwić, że konkurs budzi tak spore zainteresowanie, a uczestnicy bardzo aktywnie się w niego angażują, ale trzeba zrozumieć, że to jest znakomity sposób, aby wykorzystać teorię zdobytą na kursie i zastosować ją w praktyce. Sprawia to, że nauka jest jeszcze bardziej efektywna. 

Bartek w konkursie zajął pierwsze miejsce. Widać, że podchodzi do tematu na spokojnie, pragmatycznie, praktycznie zdobywa wiedzę i osiąga założone cele.

Cześć Bartek. Powiedz kilka słów o sobie: kim jesteś, czym się zajmujesz i gdzie mieszkasz? 

Witam Cię serdecznie. Dzięki wielkie za zaproszenie do rozmowy.

Kilka słów o mnie. Na co dzień mieszkam w Szczecinie, tutaj też pracuję w banku, gdzie pozyskujemy dane z rynku nieruchomości oraz informacje dotyczące przedsiębiorstw w formie danych jakościowych. Jednocześnie studiuję, jestem studentem III stopnia i mam nadzieję, że już w połowie przyszłego roku zakończę ten etap edukacji.

Co ciekawego ostatnio przeczytałeś? Podziel się główną myślą z tej książki.

Ostatnio z racji tego, że zajmuję się studiami i działalnością naukową, to nie mam wiele czasu, żeby dużo czytać. W ciągu ostatniego pół roku czytałem dwie książki. Jedna na pozórw ogóle nie jest związana z machine learningiem, chociaż można by było tutaj dyskutować. To książka „Zbij fortunę na dywidendach” autorstwa Marca Lichtenfelda. Widzimy tam pewną w miarę bezpieczną strategię (choć oczywiście zawsze jest na rynku akcji ryzyko), jak można tworzyć pewien długoterminowy portfel, dzięki któremu będziemy uzyskiwać pewniejsze zyski, większe niż na lokacie, szczególnie teraz w dobie niskich stóp procentowych. To naprawdę bardzo fajna, ciekawa pozycja. Ta książka przedstawia strategię o podejściu długoterminowym, więc też nie dla wszystkich osób.

Druga pozycja dotyczy wizualizacji danych – “The Big Picture” Steve’a Wexlera. Jest to obrazkowa książka, bardzo ciekawa, bo widzimy duży zestaw danych, wskazówki jak je pokazać, a także zasady, jakie powinny zostać przedstawione na wykresach, dobre praktyki, klasyczne błędy. To są takie dwie książki, które myślę, że są godne polecenia.

Dzięki wielkie. Na temat wizualizacji danych też nagrywaliśmy osobne odcinki.

Tak i tam były też te zasady, które w tej książce były ukazane, więc było to fajne przypomnienie.

Jesteś świeżo upieczonym absolwentem kursu „Praktyczne uczenie maszynowe od podstaw”. Dlaczego zdecydowałeś się na rozwój w kierunku ML i czy czujesz wartość po tych 8 aktywnych tygodniach nauki?

Ja się zajmuję pozyskiwaniem danych na rynku nieruchomości, a na kursie był taki masterclass odnośnie rynku nieruchomości. Pokazałeś wtedy cały proces, jak należy przeprowadzić ten model, jak go wykonać. Bardzo lubię automatyzować i uważam, że automatyzacja jest potrzebna szczególnie tam, gdzie można poprawić, przyspieszyć, poprawić jakość, efektywność. Dzięki tej automatyzacji zacząłem się uczyć programowania w Pythonie, a machine learning jest kolejnym krokiem. Masterclass i praktyczne ujęcie tematu mi pokazały, że warto po prostu skorzystać z tego kursu i nie pomyliłem się, bardzo dużo z tego kursu skorzystałem.

Trzeba wziąć pod uwagę, że kurs trwa 8 tygodni. Codziennie przez 8 tygodni obcuje się z machine learningiem w sposób praktyczny. A to jest umiejętność podobna do gry na pianinie – trzeba ćwiczyć, żeby nabyć tę umiejętność. Nie można tylko przeczytać, trzeba cały czas ćwiczyć i ten kurs to zapewnia.

Do tej pory znałem tylko koncepty teoretyczne, nie znałem nawet tego procesu modelowania. Teraz już go znam, więc zawsze wiem, jak się odnaleźć. Mam też fragmenty kodu, które wykorzystam w przyszłych projektach. To jest też super, że już mam część pracy za sobą. Trzeba przyznać, że całość materiału i te 8 tygodni były w przystępnej cenie. Jak porównywałem ofertę np. studiów podyplomowych, to ceny są kosmiczne i zakładam, że tam będzie więcej teorii, a tej praktyki może będzie mniej albo nie zawsze będzie taka dokładna jak na tym kursie, więc to mnie bardzo mocno też motywowało.

Jak podkreśliłeś, kurs jest bardzo praktyczny. Gdzie widzisz praktyczne zastosowanie uczenia maszynowego w Twojej branży? Chyba już wiem, jaka będzie odpowiedź, ale zapytam. Gdzie potencjalnie machine learning mógłby pomóc, być może już pomaga, może też wiesz, że ktoś (z konkurencji albo podobnych graczy na rynku) już to stosuje?

Na pewno domyślasz się, że rynek nieruchomości, pozyskiwanie danych z rynku nieruchomości to właściwie była moja pierwsza motywacja do nauczenia się programowania i później do machine learningu, żeby przyspieszyć i polepszyć proces pozyskiwania danych. 

Analiza też, ale w mniejszym stopniu, bo u nas w banku głównie pozyskujemy dane, analizujemy tylko tak lokalnie, ale mamy swój schemat, więc tam machine learning nie jest potrzebny. Bardziej chodzi o pozyskiwanie. Oczywiście inne firmy też na świecie pozyskują, też wyceniają nieruchomości, nam chodzi tu bardziej o zebranie tych danych. 

Ten rynek nieruchomości jest o tyle fajny z tego względu, że można wiele aspektów machine learningu i deep learningu zastosować, także na przykład NLP. Widziałem podsumowanie kursu o NLP, też właśnie był tam poruszony temat nieruchomości. Można oceniać standard na podstawie zdjęć, a przynajmniej to będę próbował zrobić i można ten rynek analizować – albo poprzez jeden kwartał, czyli dane informacje z danego kwartału, albo nawet szeregi czasowe. To bardzo rozległy temat i pozwala rozwijać się też w szerokim kontekście.

Odnośnie do NLP dodam, co tam dokładnie było. Czasem jest tak, że mamy ustrukturyzowane dane, czyli jest np. tabela i wiadomo na pewno, jaki jest metraż mieszkań, na jakich znajdują się piętrach itd. Ale prawda jest taka, że często mamy dużo treści nieustrukturyzowanych. Z NLP trochę skomplikowaliśmy sobie życie i analizowaliśmy tylko treść. To nie zawsze jest idealne rozwiązanie, aby analizować tylko treść, ale w tym przypadku to było NLP, więc tylko na tym się skupiliśmy. Oczywiście najlepiej to później połączyć – jeden sygnał z drugim. Ale efekt tego eksperymentu był bardzo interesujący i sporo ciekawych wniosków z tego powstało. Biorąc pod uwagę, że takich treści jest najwięcej, to umiejętność przeanalizowania naturalnego języka jest naprawdę bardzo ważna.

Tak i muszę przyznać, że treść bardzo też pomaga, bo my oczywiście mamy dane z tabeli dotyczące nieruchomości, ale często to treść pokazuje głębię. Możemy w ten sposób też poprawiać błędy, bo np. pośrednik napisze w tabeli, że nieruchomość posiada balkon, a tak naprawdę w tekście widzimy, że jest balkon typu francuskiego, czyli okno balkonowe i na tym balkon się kończy. Tak realnie tego balkonu nie ma.

Dokładnie. Opowiedz trochę o swojej przyszłości związanej z uczeniem maszynowym. Jakie masz plany, jeżeli chodzi o dalszy rozwój? Chociaż nie opowiedziałeś historii z konferencji, to może też ją dokończ. Czuję, że będziesz się rozwijać w tym kierunku, bo czujesz w tym duży potencjał. Więc opowiedz historię z konferencją i o swoich dalszych krokach.

Jeżeli chodzi o konferencję, to na niej prelegent z Niemiec przedstawiał modele machine learningowe, brał próbę z wszystkich landów i próbował określić ceny nieruchomości i przewidywać je. Bardzo mi się na tej konferencji podobało, że na gruncie naukowym jest pewna rozbieżność. My tu patrzymy na machine learning pod względem mocno praktycznym, naukowcy zwykle mają podejście teoretyczne i widzę to po sposobie, w jaki profesorowie próbują zrozumieć uczenie maszynowe. Domyślam się, że oni wiedzą, o co chodzi, ale zawsze ujmują to inaczej. Patrzą ekonometrycznie, do sprowokowało ciekawą dyskusję: dlaczego korzystasz z machine learningu, a nie z jakichś innych algorytmów. To pokazuje, że machine learning jest bardzo fajnym narzędziem, są też alternatywy, może kiedyś to się jakoś połączy, bo to wszystko są funkcje i alternatywy. Myślę, że można to jakoś połączyć. To tyle o konferencji.

Jeżeli chodzi o dalszy rozwój, teraz muszę skończyć studia do połowy roku, więc jestem trochę w zawieszeniu. Cały czas z tyłu głowy chcę zrealizować projekty automatyzacji pozyskiwania danych z rynku nieruchomości, żeby to zrobić w sposób efektywny i wydajny, jakościowo dobrze. Chciałbym je zacząć i na koniec zrealizować. Szczerze przyznam, że tam są szeregi czasowe, NLP, bo też i analiza, więc niewykluczone, że się będziemy widzieć na jeszcze kolejnych kursach. Czekam z niecierpliwością na kurs o NLP i szeregach czasowych. Tak jak wcześniej wspominałem, też się interesuję rynkiem akcji, więc tam szeregi czasowe będzie można wykorzystać.

Myślę, że to będzie taki fajny początek tworzenia tych projektów i myślenie, co zrobić z dalszym rozwojem. Myślę, że stworzenie tych projektów da mi bardzo dużą deltę rozwoju i pozwoli mi dalej określić, co dalej.

Dzięki wielkie Bartek za to, że znalazłeś czas na tę rozmowę i podzieliłeś się swoimi przemyśleniami. Do usłyszenia, do zobaczenia.

Również Ci dziękuję za ten czas. Powodzenia, trzymaj się. Do zobaczenia w przyszłości na kolejnych Masterclassach, mam nadzieję.

JAREK

Jarek jest ciekawą osobą, która łączy różne światy. Z jednej strony jest sprzedawcą, z drugiej obraca się w tematach IT, bo takie produkty sprzedaje. Ma też zamiłowanie do porządkowania rzeczy, algorytmizacji oraz eksploracji nowych obszarów. Osobiście bardzo lubię takie podejście. 

Dziecko, kiedy się pojawia na świecie, ma to wbudowane, zaszyte gdzieś głęboko i próbuje cały czas nowych rzeczy. Eksploruje ten świat, dotyka paluszkami. Dziecko zwykle w ciągu dnia przepuszcza przez siebie ogromną ilość informacji. Gdyby tylko dorosły człowiek mógł tak szybko poznawać nowe rzeczy. Zwykle z wiekiem ten nawyk zanika z różnych powodów. Natomiast ja bardzo doceniam ludzi, którzy przypominają sobie, że to jest ważne, aby właśnie eksplorować przez cały czas, próbować ten świat, jednocześnie zdawać sobie sprawę z tego, że my nigdy tego świata nie zrozumiemy w 100%, ale jednak próbujemy go odkryć. Rozmawialiśmy z Jarkiem o tym. Warto cieszyć się wtedy, kiedy dowiadujesz się, że czegoś nie wiesz. Jeżeli wiesz, czego nie wiesz, to już prawie sukces. Dość często człowiek nie wie, czego nie wie i przez to trafia w różne pułapki. Zapraszam do wysłuchania opinii Jarka.

Cześć Jarek. Przedstaw się: kim jesteś, czym się zajmujesz i gdzie mieszkasz?

Cześć Vladimir. Przede wszystkim dziękuję za zaproszenie, bo zdałem sobie sprawę, że od dłuższego czasu jestem słuchaczem Twoich ciekawych podcastów. Teraz mam niesamowitą okazję i fajną niespodziankę, że mogę w nim wystąpić. 

Mieszkam obecnie pod Warszawą w niewielkiej miejscowości. Mam czterdzieści parę lat, żonaty, dwoje dzieci, dwie fajne córki, jedna już dorosła. Praktycznie od 20 lat zajmuję się sprzedażą rozwiązań IT. Jeżeli chodzi o sprzedaż, to ta część życia była do tej pory i dalej jest dominująca – z uwagi na wyzwania, na oczekiwania klientów. Także obracam się praktycznie cały czas w IT, w najnowszych technologiach, w różnych firmach, dużych enterprise’ach, dużych zagranicznych korporacjach, czy mniejszych firmach. 

Jaką ciekawą książkę ostatnio przeczytałeś i dlaczego warto ją polecić? 

Bardzo fajne pytanie, które dało mi też do myślenia, bo tych książek czytałem ostatnio dosyć sporo, a szczególnie w wakacje miałem więcej czasu. Przy okazji Twojego pytania zdałem sobie sprawę z tego, że ostatnie książki, które czytam, one są o liczbach i algorytmach w życiu. Też zastanawiam się tak naprawdę, skąd to się generalnie wzięło i dlaczego to ze mną rezonuje. 

Taką ciekawą książkę, którą przeczytałem w wakacje, to były „Prawa epidemii. Skąd się epidemie biorą i czemu wygasają?” Adama Kucharskiego. Jest to matematyk i epidemiolog, który jest profesorem nadzwyczajnym w London School of Hygiene and Tropical Medicine. Ta książka jest aktualna z uwagi na to, co dzisiaj się dzieje na świecie. Ale ona patrzy na problemy, które generują nam wirusy, epidemie, w sposób matematyczny, od strony algorytmów, modeli matematycznych. Co ciekawe jest na tyle pasjonująca, że można na tej podstawie analizować również inne ciekawe rzeczy, które możemy określić jako niepożądane w naszym życiu np. kryzysy finansowe albo w jaki sposób działają piramidy finansowe. To niesamowicie ciekawa książka, która pozwala zrozumieć epidemie i inne zjawiska w naszym życiu od strony algorytmów, matematyki, liczb, pewnych relacji czy wzorców, które powtarzają się w różnych dziedzinach. 

Wymienię jeszcze jedną książkę, którą teraz czytam i też polecam. Również jest o liczbach. Jest to książka pt. „Algorytmy. Kiedy mniej myśleć”. Nie chodzi o to, żeby w ogóle nie myśleć, tylko żeby myśleć bardziej racjonalnie. Książka napisana przez Toma Griffithsa i Briana Christiana o tym, w jaki sposób algorytmy mogą nam pomóc w naszym normalnym życiu. Tutaj są fajne, ciekawe, życiowe przykłady, np. w jaki sposób posegregować książki w swojej bibliotece. To jest klasyczny przykład sortowania – czy zrobić to samemu i nam to zajmie może tydzień, czy np. zaprosić kilku naszych znajomych, podzielić książki na paczki i niech wspólnie zrobią tzw. mikro sortowanie. Wtedy mamy globalny problem rozwiązany. 

Inny przykład – eksploracja albo eksploatacja. Będąc na wakacjach w różnych krajach egzotycznych znajdujemy bardzo fajną restaurację i lubimy tam chodzić. Ale dopóki jeszcze mamy tydzień przed sobą tych wakacji, to możemy zmieniać, szukać innych miejsc. Natomiast ostatniego czy przedostatniego dnia jest to pytanie, czy dalej korzystać z tego, co znane i jest dobre (eksploatować to znalezisko), czy załóżmy eksplorować potencjalne możliwości. Ryzyko jest duże, bo możemy znaleźć gorszą restaurację i popsują nam się wspomnienia. To też jest fajny przykład pewnych algorytmów typu eksploruj albo eksploatuj, który nam pomoże w różnych życiowych rozterkach.

Tutaj właśnie takich algorytmów matematycznych jest bardzo dużo. W kontekście różnych takich spraw życiowych, które mogą nam pomóc zrozumieć świat, właśnie z perspektywy liczb czy z perspektywy algorytmów. Polecam tego typu książki, które mówią o życiu od innej strony.

Powiedziałeś już wcześniej, że z jednej strony zajmujesz się sprzedażą, z drugiej to jest działka związana z IT, a z trzeciej strony książki, które wymieniasz, są właśnie o liczbach, algorytmach i też się interesujesz machine learningiem, jesteś świeżo upieczonym absolwentem kursu „Praktyczne uczenie maszynowe od podstaw”. 

Jak zainteresowałeś się tą dziedziną? Dlaczego rozwijasz się również w tym kierunku? Jak minęła ta nauka? Jak się czujesz z tym wszystkim?

Jeżeli chodzi faktycznie o moją działalność sprzedażową, to ja też lubiłem ją strasznie eksplorować. Czytałem różne książki biznesowe, o sprzedaży, o relacjach między ludźmi, o grach, jakie się toczą między ludźmi, jeżeli chodzi o transakcje, rozmowy, konflikty. Coś, co przybliżało mnie do tego, żeby zrozumieć, na czym polega życie, relacje i też, żeby to po prostu przenieść na bardziej skuteczną sprzedaż. 

Wcześniej głównie się skupiałem na książkach biznesowych, ale gdzieś tam we mnie była potrzeba odkrywania innych obszarów, bo lubię algorytmy, lubię porządkować pewne rzeczy, w projektach informatycznych lubię mieć kontrolę nad pewnymi rzeczami. Takie myślenie algorytmami, czy porządkowanie jest częścią mojej osobowości. Zawsze też, jeszcze na studiach, trochę uczyłem się programować (język Fortran, C++, Visual Basic), ale to było bardzo dawno temu. Niemniej zawsze to było dla mnie miłe wspomnienie, bo udało się napisać wtedy na studiach kilka fajnych prac i zaliczeń. W związku z tym gdzieś za mną chodziła taka potrzeba: może by do tego wrócić i przypomnieć sobie te miłe wspomnienia? 

Początek pandemii, myślę, że nie tylko dla mnie, był takim czasem, kiedy mieliśmy troszeczkę może nie więcej czasu, ale możliwość, żeby spojrzeć na pewne rzeczy z innej strony. A też miałem taką sytuację, że miałem trochę więcej czasu i przypadkiem znalazłem na półce książkę Python, jakieś proste przykłady zastosowań do automatyzacji prostych czynności. Tak to się rozwijało, raz na tydzień, czasami do tego nie wracałem przez miesiąc, później znów wracałem, przypominałem sobie. Gdzieś tam brakowało pomysłu na to, żeby to bardziej rozwijać, aczkolwiek te wspomnienia wróciły, rozwiązywanie pewnych problemów za pomocą algorytmu, ta przyjemność z tego wróciła i też myślę, że te myśli krążyły wokół tego problemu. 

Kiedyś Charlie Chaplin chyba w swojej biografii powiedział, że jak człowiek ma jakiś problem, zachowuje się jak latarnia morska. Omiata światłem ten cały wszechświat, jeszcze nie wie, czego szuka, ale czasami coś znajduje. Myślę, że to jest taki efekt poszukiwania, który tak właśnie się odbywał, gdzie czytając chaotycznie o różnych rzeczach, w pewnym momencie natrafiłem właśnie na uczenie maszynowe. I tu też przy okazji natrafiłem na blog Mirka Mamczura, którego pozdrawiam również, bo on mnie w dużej mierze zainspirował i też skierował mnie do Ciebie na kursy. Tak się ta przygoda rozwijała, ale taki konkretny moment to właśnie była ta inspiracja blogiem, inspiracja przykładami, które Mirek wymienia, opisuje w bardzo ciekawy sposób na swoim blogu i też zarekomendował wtedy czy to w jakiejś prywatnej wiadomości, czy na blogu Twoje kursy. Tutaj generalnie już była po prostu katapulta, jeżeli chodzi o rozwój umiejętności, bo pamiętam przed wakacjami w tym roku pierwszy Masterclass – „Predykcja Cen Mieszkań”. Ja nie lubię być przygotowany, to oczywiście na tydzień przed zrobiłem sobie kilka modułów na Kaggle tego kursu, żeby jednak coś się nauczyć. Wtedy pamiętam, że sam Kaggle nic mi nie dał, bo Twoje podejście było tak inne, tak ciekawe, że po prostu w pewnym momencie, jak straciłem jedną sobotę na analizowaniu porównań, to stwierdziłem, że muszę się skupić na tym, co Vladimir pisze w swoich starterach, żeby już dokończyć zadanie. Wtedy zająłem chyba siódme miejsce. To dało też niesamowicie ciekawą motywację do tego, żeby dalej się rozwijać. 

Następnie był kurs o wykorzystaniu Pythona w analizie danych – rewelacyjny kurs, polecam! Następnie po tych trzech tygodniach „Praktyczne uczenie maszynowe od podstaw” i dzisiaj praktycznie jak patrzę na siebie, to co było przed wakacjami, przed pierwszym Masterclass i dzisiaj to faktycznie jest strasznie duży progres i fun. Tym bardziej że poza jednym wypadkiem, cały czas jestem w Top 10.

Idziesz jak burza! Przy okazji oczywiście pozdrawiamy Mirka, który jest też absolwentem. Zresztą przerobił właściwie wszystkie kursy, które są na Data Workshop. Był także gościem w 108 odcinku podcastu: „machine learning i cybersecurity”. Polecam posłuchać, też zapraszam na blog Mirka – jest bardzo interesującą osobą.

Masz perspektywę osoby, która rozumie sprzedawców, też rozumie świat technologiczny i teraz poznałeś machine learning. W Twoim rozumieniu, na ile klasycznemu sprzedawcy brakuje wiedzy z zastosowania ML i na ile to może wznieść te osoby na zupełnie inny poziom?

Myślę, że to jest efekt uboczny, ale bardzo pozytywny, ponieważ obecnie faktycznie pracuję w pewnej firmie, która zajmuje się danymi, bazami danych. Powiem o fajnej technologii, bo to są technologie związane z replikacją danych w czasie rzeczywistym. Też myślę, że dodatkowo ta działalność i te rozwiązania, technologia spowodowała, że więcej się zainteresowałem bazami danych, więcej czytałem na ten temat. Też robiłem proste kursy z SQL, żeby w rozmowach z klientami lepiej rozumieć kwestie replikacji fizycznej czy logicznej, jak na biznes wpływa wykorzystanie np. dystrybucji danych w czasie rzeczywistym. 

Dodatkowo jak analizowałem przykłady wykorzystania tej technologii w machine learningu, to okazuje się, że tutaj ta technologia może być bardzo użyteczna, np. w obszarze analityki predykcyjnej albo analityki preskryptywnej. 

Te elementy bardzo fajnie rezonują w mojej głowie. Wiedza o machine learningu pozwala mi patrzeć na problemy klientów =z innej perspektywy. Natomiast to też nie jest tak, że za każdym razem mówię: „Drogi kliencie – machine learning”. Miałem taką sytuację u klienta z branży logistycznej, który chciał pewne rzeczy przewidywać, prognozować i powiedziałem wprost: „Drogi kliencie. Znając trochę machine learning, uważam, że to nie jest dobre rozwiązanie. Myślę, że przede wszystkim nie zdefiniowałeś problemu i wydaje Ci się, że machine learning będzie rozwiązaniem. A gdy spojrzymy na ten problem z takiej strony, może się okazać, że potrzebujesz tak naprawdę narzędzia do rejestrowania pewnych zdarzeń, żeby na tej podstawie wyciągać jakieś wnioski i reagować na sytuacje nieprzewidziane”. 

Ten świat się zazębia, nowa wiedza, doświadczenia, one faktycznie fajnie pracują, dają ciekawe wnioski i wartość. Jest to dla mnie wartość, bo tutaj czuję, że faktycznie się rozwijam, ale w takim proaktywnym kierunku, łącząc różne kropeczki, ale też w rozmowach z biznesem mogę ocenić lepiej, bardziej komfortowo, czy dane rozwiązanie faktycznie ma sens. Ponad tym wszystkim pozostaje jeszcze jedna najważniejsza kwestia, o której często przypominasz. „Zdefiniuj dobrze problem, nazwij go, później szukaj rozwiązań wokół tego problemu.” 

Tutaj mógłbym też dać przykład od siebie – ostatni Masterclass dotyczący predykcji, czy firma zbankrutuje. Pamiętam, że przez pierwszy dzień zagubiłem się w analizowaniu poszczególnych cech, czyli future engineering, które nic nie dało. Na końcu stwierdziłem: „Dobrze, ale zawsze mówi Vladimir: Reguła Pareto 80/20. Spójrzmy na to z innej strony”. Zdefiniowałem problem: „Jakie jest najlepsze podejście do problemu klasyfikacji, kiedy mamy dane niezbilansowane?”. Google, analiza i okazuje się, że faktycznie to jest ten kierunek.

Rzecz najważniejsza: umiejętność definicji problemu i później kierunkowego szukania rozwiązań, żeby odsiewać szum i kierować się w stronę dobrego rozwiązania, brać pod uwagę czas, wyzwanie, stres i czy to jest konkurs, czy to jest życie, myślę, że to jest właściwa reguła.

Życie zawsze też jest konkursem. Dzięki wielkie za te przykłady. Często jest takie błędne podejście, bo ktoś myśli: „Jestem sprzedawcą, po co mi jest uczenie maszynowe”. Ale to nie chodzi o zmianę zawodu, chociaż czasem może tak być. Chodzi o to, że taki sprzedawca nie musi na co dzień implementować machine learningu, ale np. przy rozmowie z kimś po prostu taki sprzedawca może doradzić i powiedzieć: „Słuchaj, w tym przypadku jeszcze jest krok wcześniej. A może w ogóle ML nie potrzebujesz. Najpierw pozbieraj dane, bo bez nich nie będzie uczenia maszynowego”. Pod tym względem korzyści są namacalne.

Zgadza się. Myślę, że faktycznie motywacje wewnętrzne mogą być różne, bo już też zaobserwowałem. Dzięki Twoim inicjatywom zrzeszasz ludzi, którzy mają podobne zainteresowania i dzięki komunikacji na Slacku można się bliżej poznać, ale już widać po tym, jak się ludzie przedstawiają, że są z różnych światów, różnych branż, mają różne motywacje. Tutaj można faktycznie szukać zmiany zawodu, życia. Można szukać też inspiracji do nowych pomysłów. Tak można oczywiście powiedzieć o każdym nowym obszarze życia. Machine learning ma bardzo szerokie zastosowanie. To też pokazuje po prostu, jaki to jest ciekawy obszar, jak różnorodne problemy można analizować. Dzięki temu wokół ML zbierają się ludzie o różnym profilu zawodowym, różnych zainteresowaniach i z tego wynikają różne konsekwencje typu inspiracja czy zmiana pracy. To jest wartość dodana wokół uczenia maszynowego, która łączy różne światy.

Dzięki Jarek za tę rozmowę, za podzielenie się swoją opinią, bo uwielbiam gromadzić różne perspektywy. Świat jest tak skomplikowany, że ciężko zrozumieć patrząc tylko swoimi oczami. Trzeba wchodzić w buty różnych osób, różnego profilu. Wtedy trochę lepiej rozumiesz, o co chodzi na tym świecie i też szybciej się rozwijasz, idziesz do przodu.

Dzięki wielkie, do usłyszenia, do zobaczenia.

Dziękuję również, do usłyszenia.

MATEUSZ

Mój trzeci gość to ciekawa, twórcza osoba. Twórczość to jest dla mnie taka słaba strona pod tym względem, że uwielbiam twórczych ludzi. Jak patrzę, jak przejawia się twórczość na różne sposoby, to dla mnie to jest efekt WOW. Czuję się po pierwsze bardzo komfortowo, bo to jest taka naturalna atmosfera, kiedy coś powstaje. Po drugie to bardzo inspirujące, jak widzisz właściwą osobę we właściwym miejscu. Chciałbym, aby w pewnym stopniu udało się to nieco zwiększyć, bo mam taką misję, aby pomagać ludziom, w szczególności tym, którzy się zagubili, otwierać własne potencjały. Mateusz po prostu znalazł siebie w wizualizacji, jest jej mistrzem. To jest też świetny przykład, że np. na temat wizualizacji można długo opowiadać. Był już o tym osobny odcinek na Biznes Myśli – zapraszam do wysłuchania. Zauważalna część naszych zasobów na poziomie mózgu jest poświęcana na kwestie wizualne, dlatego znacznie łatwiej przychodzi nam przyswajanie informacji zobrazowanych w pewien sposób.

Bardzo się cieszę, że Mateusz pojawił się na kursie, miałem okazję z nim bliżej się poznać. Ogromnie się cieszę, że grono moich kontaktów twórczych osób jest coraz większe.

Cześć Mateusz. Przedstaw się: kim jesteś, czym się zajmujesz i gdzie mieszkasz? 

Nazywam się Mateusz Karmalski. Mieszkam w Warszawie, pochodzę z Radomia. Zajmuję się analityką ponad 10 lat, głównie w branży budowlanej, w firmie CEMEX. Przewinąłem się przez kilka różnych działów, począwszy od analizy kosztów, głównie logistycznych, potem całą linię biznesową i obecnie od 2-3 lat zajmuję się analityką sprzedaży w całej Europie jeśli chodzi o CEMEX.

Czytałeś ostatnio coś, co warto polecić innym czytelnikom i słuchaczom Biznes Myśli?

Książki jako takiej do polecenia nie mam, natomiast chciałbym polecić społeczność zorientowaną wokół analityki. Jest ona moją pracą, ale też jest moją pasją prywatną. Zwłaszcza ten element wizualizacyjny jest tutaj dla mnie istotny i staram się go też rozwijać po godzinach. Dlatego zachęcałbym wszystkich, którzy w jakiś sposób chcieliby wejść głębiej w temat analizy wizualnej, do dołączenia do takiej społeczności. Działa ona ponad podziałami i funkcjonuje głównie na Twitterze, wokół Tableau, ale też różnych innych narzędzi wizualizacyjnych. Jest naprawdę mnóstwo fajnych ludzi, jest bardzo fajna społeczność, która wspiera się w zasadzie w wielu obszarach i można tam naprawdę bardzo fajnie wejść w ten temat i w tym aspekcie się rozwinąć.

Prowadzisz również blog.

Tak, mam rolę autora gościnnego na blogu firmy NewDataLabS, która jest partnerem Tableau w Polsce. Można tam znaleźć sporo wpisów mojego autorstwa, ale nie tylko. Miałem przygodę z własnym blogiem, ale po prostu za dużo mi to konsumowało czasu i skupiłem się na innych rzeczach. 

Zobaczyłem Twoje wizualizacje robione w Tableau, między innymi też się nimi zainspirowałem. Napisałem na swoim LinkedIn o najbardziej popularnych imionach w Polsce. To są takie fajne historie. Zresztą my już nagrywaliśmy kilka odcinków na temat wizualizacji i rozmawialiśmy o tym, jak ważną rolę pełni wizualizacja danych w biznesie.

Istotne jest także pewne opowiadanie historii. Wykres sam w sobie może niewiele mówić, ale my też jako twórcy opowiadamy pewną historię za pomocą tych elementów wizualnych i to jest też potężne narzędzie i warto wiedzieć, jak je efektywnie wykorzystywać, zwłaszcza w pracy zawodowej, organizacjach.

Jesteś świeżo upieczonym absolwentem kursu „Praktyczne uczenie maszynowe od podstaw”. Opowiedz, dlaczego się zainteresowałeś machine learningiem i jak z tym się czujesz, po tej 8 tygodniowej przygodzie.

Myślę, że każdy, kto w jakiś sposób dotknął analityki, czy od strony bazodanowej, czy od strony front endowej (wizualnej), po jakąkolwiek analitykę biznesową, na pewno z pojęciem machine learning się zetknął. To raczej nie ulega wątpliwości. Tak samo było ze mną. Ta dziedzina oczywiście jest w rozkwicie teraz, ale jest dostępna dla takich zwykłych zjadaczy analitycznego chleba od jakiegoś czasu. Ostatnie 10 lat to jest boom na te tematy. Myślę, że machine learning staje się takim elementem, o którym każdy analityk powinien mieć jakieś pojęcia, co najmniej podstawowe. Tak jak mówimy o podstawach, jeżeli chodzi o bazy danych, SQL, tak samo budowa podstawowego modelu myślę, że powinna być taką umiejętnością, którą każdy analityk powinien posiadać. 

Dlatego też znalazłem się na tym kursie. Oczywiście to nie było moje pierwsze podejście do ML. Natomiast ciężko jest w pewnym miejscu zacząć, ponieważ jest ogrom informacji na różnych stronach, wiele dostępnych kursów i ciężko jest znaleźć coś, co w tym momencie jest dobre na start. Ważne by był to taki kurs, który z jednej strony nie będzie zbyt techniczny, ponieważ analitycy w większości nie są programistami, a z drugiej strony nie na tyle ogólny, aby można było wejść głębiej w ten temat.

W poszukiwaniu takiego kursu właśnie trafiłem na rekomendację jednego z poprzednich uczestników kursu, który bardzo fajnie na swoim blogu podsumował, dlaczego ten kurs był wartościowy i co z niego wyciągnął. Wydawało mi się, że to jest to, czego potrzebuję, żeby w tym temacie zacząć stawiać swoje pierwsze kroki. W praktyce okazało się to strzałem w dziesiątkę. Zwłaszcza muszę powiedzieć, że pierwsza część kursu, może z racji tego, w jakim obszarze pracuję, bardziej jest dla mnie wartościowa. Naprawdę myślę, że to podejście praktyczne, zwłaszcza jeśli chodzi o takie elementy jak konkurs, w który bardzo się wciągnąłem i udało mi się zająć drugie miejsce, co uważam za bardzo duży sukces, to myślę, że to było główną wartością dodaną z przerobienia tego kursu. 

Bardzo fajne było też to, bodajże jedna z pierwszych lekcji, jaką wyniosłem, żeby sobie odpowiednio tę wiedzę porcjować. Do tej pory jak siadałem do jakiegoś kursu, udało mi się wygospodarować dzień, dwa, pół, starałem się ten kurs zrobić jak najszybciej, ponieważ taką akurat miałem lukę czasową. Ten kurs pozwolił mi na to, żeby sobie tę wiedzę rozłożyć w czasie, nie przeznaczyć na niego więcej niż 2 godziny dziennie i myślę, że dzięki temu faktycznie ta wiedza w łatwiejszy sposób weszła do głowy.

Dzięki wielkie. Powiedz trochę więcej o konkursie. Tę całą historię można znaleźć w Internecie, rozrysowałeś mapę, jakie rzeczy były wykonywane. Można zobaczyć jakie fajne masz umiejętności do opowiadania historii, wizualizacji. 

Powiedz troszkę więcej co Cię najbardziej zaskoczyło, jeśli chodzi o konkurs. Czego się nauczyłeś w ten sposób?

Zaraz przed tym konkursem nie spodziewałem się, że aż tak się zaangażuję. Myślę, że ten element rywalizacji pozytywnej jak najbardziej zadziałał i taki dodatkowy bodziec się pojawił, żeby postarać się ten wynik jak najbardziej dopieścić. Natomiast myślę, że zaskoczyła mnie najbardziej kwestia ważności future engineeringu w stosunku do pozostałych elementów, gdyż miałem w głowie, że future engineering jest najważniejszy, ale równolegle starałem się też pracować nad innymi elementami, tj. parametrami modelu. Ale future engineering zwłaszcza w tym pierwszym wyniku osoby, która wygrała, po prostu rozłożył całą konkurencję na łopatki.

Ale też stosując tę cechę u siebie, byłeś jeszcze wyżej. 

Tak. W pewnym momencie poświęciłem troszkę czasu na ten konkurs, doszedłem tak wewnętrznie do ściany i uznałem, że nic już tutaj nie wymyślę i po prostu starałem się ten wynik dopieścić, czyli zrobiłem te wszystkie elementy, które jeszcze można było zrobić, żeby ten wynik podciągnąć, ale nie na tyle, żeby oczywiście przeskoczyć te 20 punktów (chyba w minutach mierzyliśmy opóźnienie). Natomiast udało się poprawić o jakieś 1,5 czy 2 i jak się okazało, to wystarczyło, żeby to drugie miejsce zająć. Także myślę, że to też nie był stracony czas.

Twoje zaangażowanie było widać.

Twoim zdaniem, w których obszarach lub miejscach machine learning ma największe zastosowanie? 

Teraz głównie zajmuję się analityką sprzedażową i myślę, że tutaj zastosowanie jest dosyć szerokie. Ja też tak naprawdę znalazłem się na tym kursie, ponieważ chcę w swojej pracy zawodowej zacząć korzystać z tych narzędzi. Chociażby przychodzą mi do głowy, np. analizy churnu, czyli rotacji/retencji klientów, przewidywania, który klient kiedy może odejść, także poszukiwanie szans sprzedażowych. Załóżmy, że mamy klientów, którzy kupują od nas produkt A i produkt B, a mogliby też kupować produkt C. Też możemy wykorzystać na pewno tego typu metody, żeby starać się takich klientów wytypować, którzy powinni kupować np. ten produkt, a wcale go nie kupują. 

Do tego dochodzi jeszcze szereg rzeczy, może niepowiązanych stricte z tym kursem, bardziej z szeregami czasowymi, czyli wszelkiego rodzaju prognozowania sprzedaży, pewnych anomalii. Biznes, w którym pracuję, jest mocno sezonowy, bardzo zależny od pogody, więc myślę, że tutaj też takie elementy mogłyby dać dużą wartość. Parę pomysłów mam w głowie i będę starał się je powoli wdrażać. 

Super. Pięknie, że masz już taką listę pomysłów, gdzie to można wdrożyć, bo wszystkie pomysły, które wymieniłeś, wydają się mieć świetne zastosowania dla machine learningu. 

Dzięki wielkie Mateusz za to, że udało Ci się znaleźć czas na rozmowę, podzielić się swoim doświadczeniem, perspektywą. To, co już w tej chwili pokazujesz a propos strony analitycznej, wizualizacji, to czuć, że jesteś w tym mistrzem. Dzięki wielkie, do usłyszenia.

Dzięki, do usłyszenia.

======

Dziękuję Ci bardzo za wspólnie spędzony czas. Wspomniałem na początku, że mam taki cel, aby pokazywać różne perspektywy jeżeli chodzi o ludzi, którzy rozwijają się w uczeniu maszynowym i pokazać Ci, że to nie są tylko osoby, które chcą na co dzień zajmować się wyłącznie machine learningiem. Dość często są to różne osoby, które kontynuują swoją pracę zawodową i dokładają do tego elementy uczenia maszynowego. 

Ruszamy już z 10. edycją jubileuszową! Czasem trudno uwierzyć, że udało nam się dotrzeć do tego punktu. Tyle osób już wzięło udział już w kursie. Ruszamy w marcu 2022 r. Zapraszam Cię na tę edycję. 

Powiem przy okazji, że oprócz kursu uruchomiliśmy ostatnio platformę DW Club. To jest miejsce, gdzie w sposób regularny pojawia się mnóstwo ciekawych materiałów. Polecam Ci dołączyć do DW Club jako taki etap przejściowy. Udział w DW Club jest jak koszt dwóch herbat. Dołączając zrobisz swoje pierwsze kroki i po tym możesz zapisać się na kurs.

Wierzę, że dla wielu osób przerobienie tego materiału naprawdę wzniesie ich na zupełnie inny poziom, bo w tym przypadku nie chodzi tylko o ML, a chodzi w ogóle o praktyczne podejście 20/80, kiedy zwracamy uwagę na to co jest najważniejsze, na czym należy się skupić najbardziej.

Zapisz się, a otrzymasz:

  1. Wartościowe materiały przygotowane przez gości podcastu, prezenty dla słuchaczy.
  2. Zniżkę (10% lub większą) na trening uczenia maszynowego.
  3. Aktualności na temat sztucznej inteligencji w zakresie nauki, technologii i biznesu.
  4. Będziesz na bieżąco ze wszystkimi odcinkami Biznes Myśli.
Rozpędź swój biznes sztuczną inteligencją! Powered by ConvertKit

Od 2013 roku zacząłem pracować z uczeniem maszynowym (od strony praktycznej). W 2015 założyłem inicjatywę DataWorkshop. Pomagać ludziom zaczać stosować uczenie maszynow w praktyce. W 2017 zacząłem nagrywać podcast BiznesMyśli. Jestem perfekcjonistą w sercu i pragmatykiem z nawyku. Lubię podróżować.

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *