• absolwenci kursu
    Podcast

    Kiedy i jak uczyć się Machine Learning?

    W #84 odcinku poznasz 3 wyjątkowe osoby, które podzielą się swoimi przemyśleniami na temat rozwoju w zakresie uczenia maszynowego. Jak uczyć się Machine Learning? O czym pamiętać i jak może wyglądać edukacja? Jeśli rozważasz poznać praktyczne oblicze uczenia maszynowego, to warto poznać opinie osób, które już zaczęły to robić. Powstało już kilka odcinków (np. 61 czy 73) podcastu z absolwentami kursów, każdy jest inny i na swój sposób wyjątkowy, ponieważ za każdą zaproszoną osobą stoi historia. Warto poszukać takiej, która jest Ci bliska i się zainspirować do działania, ale zacznijmy od początku i ważnego pytania, które zadaję sobie regularnie.

  • Podcast

    Czy Twoja firma jest gotowa na ML?

    Jako DataWorkshop, którego jestem założycielem oraz prezesem, pomagamy firmom używać uczenia maszynowego we właściwy sposób. W praktyce oznacza to, że najpierw znajdujemy właściwy problem do rozwiązania, badamy, czy warto go rozwiązywać przy pomocy uczenia maszynowego robiąc prototypy i jeśli warto, to przygotowujemy rozwiązanie, a następnie wdrażamy je na produkcję. Naszą rolą jest przeprowadzić firmę za rękę od punktu A do punktu B, gdzie punktem startu jest moment narodzin pomysłu (jeszcze bez szczegółów technicznych), a końcem drogi jest wdrożenie rozwiązania na produkcję. To co wydarza się pomiędzy zawiera wiele pragmatycznych kroków, które umożliwiają przejść tę ścieżkę w efektywny sposób. Generalnie to działa.   Natomiast coraz częściej pojawia się rosnąca potrzeba działania znacznie szerszego niż jedynie rozwiązanie “punktowe”, które zostało opisane powyżej. W praktyce oznacza to, że zamiast jedynie rozwiązać konkretny problem X czy Y, warto zmienić także myślenie organizacji  i sprawić, aby…

  • Podcast

    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…

  • Brak kategorii

    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)…