Tag: dataworkshop

BM64: Przetwarzanie języka naturalnego w biznesie

BM64: Przetwarzanie języka naturalnego w biznesie

W 47 odcinku po raz pierwszy poruszyłem temat przetwarzania języka naturalnego. Dzisiaj wrócę do tej kwestii i wyjaśnię, do czego nam to jest potrzebne. Jakie problemy można rozwiązywać i czy te rozwiązania wnoszą wartość dodaną? Dodatkowo omówię podstawowe algorytmy, które są łatwiejsze niż mogą się wydawać.

Na początku mam dla Ciebie dwa ogłoszenia. Po pierwsze, 27-28 września odbędzie się międzynarodowa konferencja w Warszawie DWCC 2019. Będzie dużo praktyki, eksperci światowej klasy z różnych zakątków, z takich firm jak DeepMind, Facebook, Uber, Stanford, Huawei, Alpha itd. Stawiamy duży nacisk na networking, wsparcie merytorycznych dyskusji (dobór właściwych osób we właściwym czasie) i połączenie ze sztuką. Będzie tak zwana AMA, czyli Ask Me Anything. To jest specjalna formuła, kiedy po prezentacji nie ma pytań, wówczas prelegent będzie w wyznaczonym miejscu dostępny do prywatnych rozmów i wymiany zdań. Będzie to w formie bardziej przyjacielskiej rozmowy z mniejszą ilością stresu, bo tam będzie po prostu mniej ludzi. Organizowana jest także wyjątkowa strefa sztuki. Zapraszam i do zobaczenia.

Read More Read More

Share
Jak ugryźć uczenie maszynowe od strony praktycznej?

Jak ugryźć uczenie maszynowe od strony praktycznej?

W sierpniu 2018 roku LinkedIn opublikował coroczny raport LinkedIn Workforce Report. Można w nim znaleźć wiele ciekawych informacji m.in. o pewnych umiejętnościach, na które obecnie jest duży popyt. Zauważalnie szybka jest dynamika wzrostu zapotrzebowania na specjalistów uczenia maszynowego. W skali całego kraju (USA) ten niedobór wynosi ponad 150 tys. specjalistów.

Z czego ponad 30 tys. w samym Nowym Jorku i tyle samo w San Francisco. Nie ma jeszcze raportu wydanego w 2019 roku, wkrótce ma się pojawić (zwykle jest wydawany w sierpniu). Czuć natomiast duży potencjał.

W tym miejscu warto zatrzymać się na chwilę i wyjaśnić kilka kwestii.

Obecnie możemy zaobserwować rozkwit związany z uczeniem maszynowym. Często wiele osób entuzjastycznie rozpoczyna swoją przygodę w tym obszarze, bo tu zarabia się dość sporo (w szczególności w krajach zachodnich). Tutaj zostawię link do innego raportu Indeed (agregatora ogłoszeń) opublikowanego w styczniu 2019 roku, w którym podaje się kwoty pensji od 100 tys. do ponad 140 tys. dolarów rocznie.


Read More Read More

Share
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
Łukasz Siatka – ex Googler, Facebooker

Łukasz Siatka – ex Googler, Facebooker

Z tego odcinka dowiesz się:

  • czym zajmuje się Łukasz Siatka,
  • co to jest to TPU i jakie problemy rozwiązuje,
  • czy TPU ma przewagę nad GPU,
  • jak w praktyce wykorzystywane jest TPU,
  • co zrobić, żeby wejść w świat deep learningu,
  • kiedy opłaca się kupować własną kartę, a kiedy lepiej przejść na chmurę,
  • na czym polega rola sound engineera,
  • jakie są największe wyzwania w uczeniu maszynowym,
  • które obszary w uczeniu maszynowym rozwijają się najszybciej,
  • jak wdrożyć uczenie maszynowe w swoim biznesie,
  • czym zajmuje się organizacja Machine Learning Study Group,
  • jakie są stanowiska w Facebooku, czy podobnej wielkości firmach, związane z uczeniem maszynowym i analizą, jakich kompetencji wymagają,
  • od czego zacząć naukę uczenia maszynowego i gdzie się uczyć.

Łukasz Siatka
Łukasz Siatka

Google już rok temu zapowiedział strategię AI First. Zabrał się za to na poważnie, ilość projektów, który w ten czy inny sposób wykorzystują uczenie maszynowe rośnie w postępie wykładniczym. Nie tylko Google, ale również inne firmy działają podobnie. Na ostatniej konferencji Google IO CEO Google Sundar Pichai zaprezentował tzw. Google Duplex. Bardzo polecam obejrzenie krótkiego wideo.

Idea jest prosta: mamy wirtualnego asystenta, w tym przypadku jest to Google Assistant, który będzie robił coraz więcej za Ciebie, w końcu jest asystentem. Może na przykład zarezerwować wizytę u fryzjera, czy stolik w restauracji. Ta rozmowa była bardzo ciekawa, nie trywialna, w szczególności jeżeli chodzi o restaurację. Można z niej wyciągnąć taki wniosek, że po pierwsze: Google Assistant próbuje udawać człowieka, by ten, kto odbierze nie czuł, że dzwoni bot, po drugie: staje się coraz bardziej intelektualny, czyli fajnie łapie kontekst, udaje mu się zadawać fajne pytania, które zależą od tego, co usłyszy od rozmówcy, po trzecie: może się wydarzyć, że po obu stronach będą boty, które będą udawać ludzi – brzmi to ciekawie, ale jest możliwe.

Nagrałem już odcinek, który więcej mówi o asystentach i jak to może zmienić naszą przyszłość. Myślę, że jest to kwestia czasu, być może 5 lat, może troszkę więcej. Tacy asystenci zaczną wchodzić w nasze życie i staną się na tyle powszechni, że już po jakimś krótkim czasie nie będziemy w stanie wyobrazić sobie życia bez takich asystentów. Podobnie mamy teraz z komórkami, kto jeszcze 10 lat temu nie mógł przeżyć bez komórki, a jak to jest teraz? No właśnie.

Dzisiaj chciałem szerzej poruszyć temat infrastruktury, również zająć się Google. Już dawno temu chciałem zaprosić Łukasza, który jest dzisiejszym gościem, jednak pewne ograniczenia, nie do końca zależne od Łukasza, spowodowały, że trochę się to przeciągnęło w czasie. Dobra wiadomość jest taka, że udało się nam spotkać i nagrać odcinek. Łukasz wcześniej pracował w Google, teraz pracuje w Facebooku, wykonuje wiele różnych ciekawych rzeczy, dla mnie jest taką skrzynką pełną wiedzy, bo potrafi odpowiedzieć na wszystkie pytania. Być może ma jakieś limity, ale jak na razie nie udało mi się go zaskoczyć, jego wiedza jest tak szeroka, że nasze rozmowy mogłyby trwać wieczność.

Co jakiś czas mamy okazję wspólnie działać na różnych eventach, hackatonach i są to zawsze bardzo inspirujące spotkania i rozmowy, dlatego pomyślałem, że fajnie byłoby zaprosić Łukasza, żeby podzielić się z większym gronem. Ta rozmowa była momentami bardzo techniczna, ale się nie przerażajcie, bo było również sporo wskazówek biznesowych, jak i edukacyjnych, czyli jak się zabrać do uczenia maszynowego.

Read More Read More

Share
DataWorkshop i praktyczne uczenie maszynowe

DataWorkshop i praktyczne uczenie maszynowe

Z tego odcinka dowiesz się:

  • czym zajmowałem się na etacie i czy łatwo było z niego zrezygnować,
  • kiedy rozpocznie się trzecia edycja kursu Data Workshop i czym będzie się różnić od poprzednich edycji,
  • jakie mam plany na ten rok i gdzie będziecie się mogli ze mną zobaczyć,
  • kim z zawodu są uczestnicy drugiej edycji kursu DataWorkshop,
  • dla kogo jest ten kurs i jak praktycznie wykorzystać tę wiedzę,
  • jakie trudności uczestnicy mieli podczas nauki Pythona,
  • jakimi wrażeniami z kursu mogą się podzielić,
  • czy to, czego się nauczyli pomoże im w realizacji planów zawodowych,
  • jak widzą przyszłość sztucznej inteligencji.

Praktyczne uczenie maszynowe
Praktyczne uczenie maszynowe

Zrezygnowałem z etatu. Pewnie wiesz, że oprócz tych wszystkich rzeczy, nad którymi pracuję, miałem również etat w General Electric. Odejście z pracy było bardzo logicznym krokiem i pewnie zrobiłbym to wcześniej, ale ta decyzja była dość trudna emocjonalnie. Analizowałem swoje wnętrze, poszukując odpowiedzi i zrozumiałem… po prostu w ciągu trzech lat, przez które pracowałem jako architekt w GE, wiele rzeczy udało się zmienić.

Udało się wprowadzić wiele dobrych praktyk, jak należy myśleć o produkcie i budować go, zarządzać kodem, testować, jak również wprowadzić sporo automatyzacji w różnych wymiarach (w momencie rezygnacji z pracy mamy tysiące automatycznych procesów wykonywanych dziennie, a jak dołączyłem, to mieliśmy zero i nawet żadnych pomysłów, że można to zrobić. Oczywiście GE to duża firma,  mówię jedynie o moim zespole). Poświęciłem sporo energii na tłumaczeniach zastosowania uczenia maszynowego i udało się również podziałać w tym temacie. Zajmowałem się edukacją zespołu, zarówno lokalnie, jak i za granicą (przede wszystkim w Indiach, ale również innych krajach). Mówiąc w skrócie, włożyłem w to serce i duszę. I trafiłem w pułapkę. W ten sposób człowiek przywiązuje się do wyników pracy. Zrozumiałem, w sumie po raz kolejny, jedną bardzo prostą rzecz, że najpierw należy odpuścić to, co udało się zrobić, żeby móc zrobić coś więcej.

Read More Read More

Share
Jak zacząć używać uczenie maszynowe w praktyce?

Jak zacząć używać uczenie maszynowe w praktyce?

Świat zmienia się szybciej niż myślisz, to już chyba wiesz…. Ale zmiany z definicji potrzebują kogoś, jak na razie jeszcze cały czas chodzi o ludzi, kto będzie je realizował. Przez to, że świat tak dynamicznie pędzi do przodu są dość duże braki chociażby w takich obszarach jak sztuczna inteligencja (w szczególności uczenie maszynowe).

Jak zacząć używać uczenie maszynowe
Jak zacząć używać uczenie maszynowe

Sytuacja jest czasem paradoksalna, kiedy firmy oferują gigantyczne kwoty dla specjalistów, żeby zaprosić ich do swojego zespołu. Oczywiscie, fajnie jest kiedy Twoja firma to Google czy Microsoft, gdzie roczny zysk wynosi blisko 100 miliardów dolarów. Natomiast, jak sobie radzić w sytuacji, kiedy Twoja firma jest w Polsce i jej obroty są mniejsze o 3 lub nawet 5 zer? 🙂

Również z drugiej strony, jeśli jesteś ambitnym człowiekiem, który chce wejść w temat uczenia maszynowego, ale jest to zbyt trudne. Być może już nawet były pierwsze próby, tylko po nich pojawiła się wiedza teoretyczna, brakowało zrozumienia jak ją wykorzystać i teraz czujesz się zagubiony.

Mam dobrą wiadomość dla obu przypadków. Kurs praktyczne uczenie maszynowe może Ci pomóc. Z punktu widzenia firmy, można przekwalifikować swoich programistów i dodać im jeszcze jedną, tak zwaną dodatkową, warstwę wiedzy. Z mojego doświadczenia wiem, że programiści chętnie wchodzą w ten temat bo jest to idealny obszar dla ich mózgu. Zyskujesz to, że w Twojej firmie nadal pracuje ten sam człowiek, który już zna funkcjonujący w Twoim przedsiębiorstwie proces, tylko co ważne staje się on bardziej wydajny.

Read More Read More

Share
Sztuczna inteligencja w ING Banku Śląski

Sztuczna inteligencja w ING Banku Śląski

Robotic process automation zmienia świat! Według KPMG  45% a może nawet i 75% prac w finansowym sektorze będzie wykonywane przez roboty w najbliższe 15 lat. Mówiąc bardziej precyzyjnie, przez tak zwany Robotic Process Automation (RPA). Dzisiaj o tym, ale nie tylko będzie mowa.

Gościem podcastu jest Ernest Wagner, który od 2004 stworzył kilka firm: agencję interaktywną, software house, technologiczny dom doradczy i kilka startupów w modelu SaaS. W 2015 roku stworzył zespół, który uruchomił bank mobile-first o nazwie Loot.io oceniony jako jeden z najgorętszych startupów w UK. Zarządza projektami IT od ponad 16 lat. Od 2014 roku doradza klientom w tematach związanych z danymi i sztuczną inteligencją. Od początku 2017 roku odpowiada za sztuczną inteligencję w ING Banku Śląskim.

Ernest Wagner
Ernest Wagner

Ernest posiada doświadczenie na skrzyżowaniu kilku dziedzin: sztuczna inteligencja, finanse, startupy. Dlatego ta rozmowa czasem była trochę o innych, ale bardzo ciekawych tematach. Na przykład Ernest mówi:

“Bąbel na rynku startupowym niewątpliwie istnieje, może podobny do tego, jak w latach 90-tych, nawet większy, bo jest dużo więcej pieniędzy w tym rynku technologicznym teraz. Wielu mądrych inwestorów, moim zdaniem i których szanuję, przewiduje krach w tym sektorze w najbliższym czasie.”

Również na samym końcu dowiesz się jak dostać bezpłatną godzinną konsultację ze mną.

Już nie przedłużam i zapraszam do wysłuchania.

Read More Read More

Share