Zrobiliśmy to! Tak chcę rozpocząć dzisiejszy odcinek i za chwilę wszystko wyjaśnię. Dzisiaj opowiem Ci o moich przemyśleniach o osiąganiu więcej w innowacyjny sposób. Da się zastosować również w innych obszarach niż uczenie maszynowe.

Ten artykuł pojawia się z tygodniowym opóźnieniem, za co Cię bardzo przepraszam. Są tego dwa główne powody. Po pierwsze, organizowałem konferencję DWCC 2019 i czym bliżej ona była, tym szybciej leciał czas. Nawet sen stał się luksusem, na który pozwalałem sobie co drugą noc lub jeszcze rzadziej. Wiem, że sen jest ważny, ale co zrobisz… czasem trzeba się poświęcić. Po drugie, no właśnie konferencja. Zależało mi, żeby napisać artykuł już po niej. Kiedy jeszcze są emocje, energia i świeże wspomnienia, żeby podzielić się nimi z Tobą.

Ogłoszenia na początek. 

28 października rusza kurs online “praktyczne uczenie maszynowe od podstaw”. To już piąta edycja, którą poprowadzę. Być może to będzie ostatnia, bo mam pomysły na kolejne rzeczy, dlatego warto dołączyć się póki jest okazja. Kurs przeszło już ponad 300 osób, które pracują w większych firmach technologicznych (np. Google, Orange, Intel, Nokia, IBM, Ryanair, Allegro itd.), ale nie tylko. Kurs trwa 8 tygodnie. Zmienia tryb myślenia na bardziej praktyczny oraz etyczny. Masz osiągnąć cel, mówiąc precyzyjnie – dobry cel. Sposób, w jaki to osiągniesz, jest mniej istotny.

Dzisiejszy wpis będzie między innymi na temat mojego wystąpienia “Think out the box”. Przy czym tak się złożyło, że na samej konferencji miałem bardzo ograniczony czas i mam wrażenie, że warto jeszcze zgłębić ten temat i dodać więcej przykładów, żeby lepiej wyjaśnić, co mam na myśli.

To była już druga edycja konferencji DWCC. Trzeba przyznać, że ta edycja była zdecydowanie trudniejsza niż pierwsza i to pod każdym względem. W różnych wymiarach wyliczyliśmy, że złożoność podniosła się co najmniej 5-6 krotnie. Za całe przedsięwzięcie odpowiadały tylko trzy osoby, w tym ja, a przygotowania zajęły nam ponad 8 miesięcy.

Bardzo starannie zadbaliśmy o wszystkie szczegóły. Zaczynając od doboru sali, sprawdziliśmy wszystkie sale w Warszawie (które warto było sprawdzić) i wybraliśmy te, które pasowały najlepiej. Chociaż sama sala nie odpowiadała nam w 100%, dlatego zrobiliśmy całą aranżację od zera, zaczynając od sceny, światła, dźwięku itd. To miejsce w tym dniu, zaczęło wyglądać zupełnie inaczej, to dzięki Julii, która ma talent do spraw dekoratorskich, jest świetna w tym.

Najważniejsze pytanie, czy było warto? Powiem szczerze, przed konferencją już sam zacząłem mieć różne wątpliwości. Emocje były tak dziwne, że miałem wrażenie, że moje ciało żyje własnym życiem, które jest ciężko kontrolować. Czym bliżej był start, tym więcej miałem różnych niepokojów w głowie. Czułem się bardzo dziwnie. W dzień konferencji udało mi się wejść w stan spokoju, kiedy już nic nie mogło mnie zaskoczyć i to właśnie dlatego już właściwie po wydarzeniu doceniłem, że faktycznie udało się zmaterializować pomysł i osiągnąć cel.

O ile pamiętasz, w poprzednich odcinkach wspomniałem, jaka była nasza metryka sukcesu. Usłyszeć od uczestników, że to była najlepsza konferencja roku lub nawet najlepsza, na której byli. Słyszałem (na różne sposoby), że ciężko porównać nasze wydarzenie z czymkolwiek. Robimy coś unikalnego, tworzymy miejsce, gdzie czuć bardzo przyjazną atmosferę, dużo wartości i chce się wracać.

W szczególności miło jest to słyszeć nie tylko od znajomych, ale też od osób, które były w swoim życiu na różnych wydarzeniach. Przypomnę, że mieliśmy bardzo ciekawych prelegentów (z Facebook, DeepMind, Uber, Stanford), jak również sporo zagranicznych gości.

Uczestnicy przyjechali z ponad 10 krajów. Najwięcej, oczywiście, było ludzi z Polski, ale również z Niemiec, Francji, Norwegii, Szwajcarii, Hiszpanii, Czech, Wielkiej Brytanii, Rosji, Białorusi, Japonii, Wietnamu i Stanów Zjednoczonych.

Już po wydarzeniu, mimo tych wszystkich trudności, które były po drodze oraz tego, że ostatecznie musiałem wydać bardzo dużo prywatnych oszczędności, co wygenerowało u mnie ogromny stres, bo z punktu widzenia rodziny, ojca dwójki dzieci, czułem, że robię mega nieodpowiedzialny ruch, na szczęście mam wyrozumiałą żonę, która daruje mi wiele rzeczy. A jak jest teraz? Muszę jakoś nadrobić dziurę budżetową i “mieć co do garnka włożyć”, natomiast gdzieś wewnątrz bardzo cieszę się i czuję ogromną satysfakcję, że spełniłem obietnicę i sprawiłem, że uczestnicy poczuli się w ten dzień wyjątkowo.

Uznaliśmy, że aby osiągnąć nasz cel, musimy maksymalnie skupić się na wartości dla uczestników, usunąć wszystkie elementy, które drażnią. Dlatego właśnie pominęliśmy tak zwany festiwal rollupów. Zero rollupów. Pominęliśmy agresywną rekrutację, coś w rodzaju “wypełnij formularz, a otrzymasz gadżet”. Wszystkie prezentacje były merytoryczne, jeśli ktoś pojawił się na scenie, to dlatego, że miał coś ciekawego do powiedzenia. Zero sponsorskich prezentacji. Postawiliśmy na przyjazną atmosferę, zero formalizmu. Różne mechanizmy, które sprawiały, że ludzi poznawali się, wymieniali kontaktami.

Postawiliśmy na to, żeby wśród uczestników były zarówno początkujące jak i zaawansowane technicznie osoby. Poszliśmy znacznie dalej, zaprosiliśmy osoby z biznesu, m.in. prezesi różnych firm (z Polski i Wielkiej Brytanii). W tym roku połączyliśmy też to wydarzenie ze sztuką. 

Podczas swojego wystąpienia ogłosiłem, że została utworzona fundacja. Na temat DataWorkshop Foundation zamierzam stworzyć osobny wpis, ale w skrócie już przez dłuższy czas zajmuję się rzeczami, które społeczne są lub mają być pomocne.

Na końcu konferencji zapytałem, czy spodobało się i odpowiedź była bardzo jednoznaczna i głośna :). Teraz to jest wyzwanie. Wiem, że to, co robimy, na sens, ma dużo wartości i rozwija ludzi. Buduje się fajna społeczność, można nawet powiedzieć eco-system, w którym już zaczynają się dziać ciekawe rzeczy. Natomiast finansowo to się rozjeżdża.

Konkretnie w tym obszarze mnie osobiście brakuje doświadczenia. Musimy wymyślić jakiś inny wzór i tutaj właśnie jest potrzebna Twoja pomoc. Jeśli masz pomysły, jak można to lepiej ogarnąć, to skontaktuj się ze mną. Być może miasto nas powinno wspierać, być może firmy, ale nie żądać, żeby sprzedaliśmy nasze dusze? Założyliśmy też fundację, żeby również prawnie być transparentni i umożliwić firmom czy innym instytucjom dołączyć i nas wesprzeć. 

Ta konferencja jest dowodem, że wierzę w to, że to, co robimy, ma sens i może wyrosnąć na coś znaczącego i pomocnego dla ludzi. Moją prezentacje zacząłem od tego, że pokazałem drogi samochód i powiedziałem, że mogłem go kupić lub pojechać na egzotyczną wyspę i leżał tam przez pół roku nic nie robiąc. Jednak podejmuję inne decyzje. Kupuję bilet miesięczny na tramwaj (bo nadal nie mam samochodu) i lokuję swoje środki, jak również moją energię życiową w obszar, który ma sprawić, że zaczną się dziać piękne rzeczy. Tutaj muszę doprecyzować, że konferencja to krok przejściowy, który między innymi ma zjednoczyć ludzi, pokazać, że można inaczej i ukierunkować energię, żeby zaczęły się naprawdę rewolucyjne rzeczy.

Czasem słyszę, że jestem idealistą lub naiwny – to może być prawda. Natomiast to jest mało istotne kim jestem, ważne jest, co się dzieje na skutek moich inicjatyw. To jest największa wartość. Ludzie otwierają się, mają zapał i czują, że mogą być pomocni. Już w 6 miastach mamy regularne spotkania w Polsce i są plany ruszyć, również za granicę. Z tym akurat robimy ostrożnie, bo to ma być strategiczny ruch, a nie pochwalenie się, że tam jesteśmy.

W tej chwili jestem w sytuacji, kiedy mam do wyboru dwie opcje. Zacząć trochę hamować i poruszać się własnym tempem (nadal do przodu, bo tak jak powiedziałem, dla mnie to jest ważne), bo to, co robię, wymaga znacznie większych zasobów, bo nabiera skali lub będzie wsparcie, które umożliwi jeszcze bardziej się rozpędzić. Chodzi tu o wsparcie, które zostawi moją duszę w spokoju i zaufa w to, co robię (patrząc na rezultaty, które osiągam). Te kropki łączą się bardzo szybko i skutecznie. 

Jeśli masz pomysły lub możesz wesprzeć (jest wiele obszarów, w których możesz to zrobić), to proszę zrób to. 

Obiecałem, że opowiem Ci o mojej prezentacji z konferencji, a więc do dzieła!

Czy możesz zmienić ten świat? Sprawić, żeby był lepszy?

To pytanie jest zbyt trudne, zacznę od czegoś prostszego. Uczenie maszynowe jest piękne, prawda? Co ważne da się go zastosować w praktyce, bo rozwiązuje prawdziwe problemy, dostarcza wartość. Machine learning to połączenie wielu dziedzin np. matematyki, statystyki czy nawet fizyki i transformacja tych elementów w coś nowego. The whole is greater than the sum of its parts.

Uczenie nadzorowane jest jednym z najbardziej popularnych obszarów w machine learningu na dzień dzisiejszy. Szybkie przypomnienie. Mamy historyczne dane i problem do rozwiązania – wykrywanie oszustw. Mamy dane takie jak kraj, wiek, płeć osoby dokonującej transakcji i odpowiedź, czy konkretnie to działanie było oszustwem czy nie. Model uczy się na tych danych zgadując co raz lepiej i następnie na nowych danych robi swoją prognozę.

To podejście wymaga zdefiniowania metryki sukcesu i stałego poprawiania wyników. Na moim autorskim kursie lub wtedy, gdy pomagam firmom wdrażać uczenie maszynowe, spędzam sporo czasu na ustaleniu właśnie metryki sukcesu. Koncentruję się na tym, żeby to usprawniać. 

Ale… musi być jakieś “ale”. Jest inny wymiar tej rzeczywistości. Coś więcej niż z góry zaplanowany plan. Po prostu coś, co żyje własnym życiem. 

W Rosji jest taka bajka, w której mówi się “pójdź tam, nie wiem dokąd i przynieś to, nie wiem co”. Bardzo fajnie to jest powiedziane. To jest myślenie, kiedy nie stawiasz celu, tylko płyniesz jakimś prądem pozwalając pewnym kropkom ułożyć się. 

O tym samym, tylko bardziej nowoczesnym językiem mówił Steve Jobs: “Nie możesz połączyć kropek patrząc do przodu; możesz tylko połączyć je patrząc do tyłu. Musisz zaufać, że kropki połączą się jakoś w Twojej przyszłości. Musisz uwierzyć w coś, w przeznaczenie, życie, karmę lub cokolwiek innego. To podejście nigdy nie pozwoliło mi się poddać i zmieniło moje życie.”

Podam Ci bardziej namacalne przykłady. Jeśli ludzie skupiliby się tylko na liczydle, usprawniali tylko je, to pojawiłoby się inne, nowe. W sumie tak się stało, istnieją bowiem trochę inne liczydła np. z Rosji, Japonii czy Chin.

Skupiając się tylko na liczydłach, nigdy nie udałoby się stworzyć komputera. Dlaczego? Bo żeby go stworzyć, to trzeba było najpierw odkryć elektryczność, tranzystory i inne rzeczy. Takich przykładów jest wiele. Podobnie można powiedzieć o ogrzewaniu. Można skupić się na piecu, ale nadal to nigdy nie doprowadzi wprost do energii atomowej.

Kluczem dla nauki oraz innowacyjnych technologii jest generowanie nowych problemów (pomysłów) i przełączanie celów, czyli tak zwany goal switching. Spróbuj podejść do dowolnego problemu w taki sposób, żeby ugryźć go z różnych stron lub zacznij łączyć rzeczy, które niekoniecznie do siebie pasują.

Tutaj przy okazji dochodzimy do jednego z argumentów, dlaczego pojawiła się sztuka na konferencji. Art challenges technology. Są też inne powody.

Możesz zmienić świat.

Ty możesz zmienić świat. Tylko najpierw pozwól, że zdefiniujemy czym jest “świat”. Obecnie na świecie mieszka ponad 7.5 mld. ludzi. Czy to oznacza, że aby zmienić świat należy wpłynąć na na nich wszystkich? To jest zbyt teoretyczne podejście. Spróbujmy zdefiniować, czym jest Twój świat. 

W swoim czasie Robin Dunbar zastanawiał się, czemu małpy spędzają dość sporo czasu czesząc się nawzajem. Pewnie w tym jest jakaś większa logika, niż tylko fizjologia. Na przykład w ten sposób budują się relacje. Następnie zauważył, że każda małpa ma ograniczoną liczbę relacji. W przypadku gibonów pułap ten wynosi 15 zwierząt, w przypadku orangutanów – 50, w przypadku szympansów – 65.

Wtedy poszedł dalej, połączył to rozmiarem neocortex i założył, że ludzie mogą mieć podobnie. Zrobił obliczenia, z których wystosował wniosek, jakby człowiek miał mieć 150 relacji, nie więcej. W skrócie – to jest Twój świat, 150 osób. Reszta Ciebie, jako człowieka nie obchodzi. Tak wygląda brutalna prawda. To są ograniczenia fizyczne mózgu. Oczywiście są wyjątki, ale teraz mówimy o większości przypadków.

Te 150 relacji nie są równe sobie, mamy cztery kręgi. Pierwszy krąg 5 osób, następnie 15 osób, następnie 45 osób i potem właśnie ok. 150 osób. Te pierwsze pięć osób, są najbardziej wpływowe dla nas, zwykle to bliska rodzina. Kolejne 15 osób, to bliscy znajomi. Następne to już dalsi znajomi. Jeśli mamy jakiś błahy problem, to możemy o tym porozmawiać z naszymi 150 osobami, na wesele zwykle zapraszamy ok. 50 osób, jak mamy podjąć poważniejszą decyzję, to możemy porozmawiać nawet z 15 osobami, jeżeli mówimy o czymś bardzo dla nas istotnym to wtedy dotykamy tylko pierwszego kręgu, czyli 5 osób.

Zadanie domowe dla Ciebie. Spróbuj przypomnieć sobie, ile osób pamiętasz. Czy uda się Ci zebrać więcej niż 150 osób? 

Podam Ci teraz bardziej namacalny przykład, żeby dało się to lepiej zrozumieć. W roku 2018 zginęło ok. 1,25 mln ludzi w awariach drogowych. Kilka osób na sekundę. To brzmi bardzo niepokojąco, natomiast na ile głęboko przeżywasz tę informację? Prawdopodobnie zapomnisz za 5 czy 10 sekund, ewentualnie przypomnisz sobie jeszcze raz czy dwa w losowym kontekście i tyle. Prawda?

To nie są słowa krytyki w Twoją stronę. Po prostu nasz mózg, mówiąc technicznie “hardware”, jest tak skonstruowany fizycznie, że możemy troszczyć się za ok. 150 osób (ta liczba może być trochę większa lub mniejsza w zależności od osoby). Tak naprawdę to jest ułożone w sposób hierarchiczny. Możesz sobie wyobrazić pięć kół w pierwszym będzie ok. 5 osób, w drugim 15, w trzecim 50, czwartym 150 i w piątym reszta. 

Możesz zmienić świat. Swój świat. Wystarczy, że wpłyniesz na 150 osób, na których Ci zależy. 

Pieniądze

Żyjemy w czasach, kiedy bardzo (jawnie lub niejawnie) jest promowany pieniądz. Jak ważny jest w naszym życiu. Przypisuje się równość pomiędzy pieniądzem i szczęściem, na skutek czego cierpią inne wartości, bardziej człowiecze. To jest bardzo smutna historia. Już kiedyś przytaczałem ten cytat, powtórzę go jeszcze raz “Człowiek wydaje pieniądze, których nie ma, na rzeczy, których nie potrzebuje, by imponować ludziom, których nie lubi.” Wierzę, że może być inaczej…

Jest takie powiedzenie: trudne czasy rodzą silnych liderów, silni liderzy tworzą dobre czasy, dobre czasy rodzą słabych liderów, słabi liderzy tworzą trudne czasy. To jest cykl. Pytanie, gdzie jesteśmy teraz? Podam Ci przykład. W takich krajach jak Norwegia czy Szwajcaria ludzie najczęściej cierpią na depresję. To jest dziwne, bo w tych krajach wszystko jest ładnie poukładane. Państwo rozwiązało wiele problemów za swoich obywateli i tu pojawią się trudności. Wystarczy, że wpadnie jakiś drobiazg. Minimalny problem, to człowiek już czuje, że ten problem zaczyna go przerastać.

Czy to brzmi tak, że cykl wpada w fazę, słabych liderów i trudnych czasów? Z trudnym czasem, wszystko może być jeszcze szybciej i tu pomóc może uczenie maszynowe.

Machine learning, biznes i etyka

Uczenie maszynowe to narzędzie, które potrafi być efektywne. To, jak zostanie użyte, zależy już od nas. Tutaj jest pewne niebezpieczeństwo i teraz nawet pomijam aspekt GAI, które może zastąpić naszą cywilizację. Bardziej obawiam się tego, że zachłanny biznes optymalizując swoje metryki sukcesu, może zrobić dużo krzywdy. Może zniszczyć ludzi, jeśli nie fizycznie to ekonomicznie, co ostatecznie oznacza fizycznie.

Dobra wiadomość jest taka, że ostatecznie to i tak robią ludzie. Mam różne przykłady rozmów z ludźmi, którzy pracują technicznie. Co jakiś czas pytam ich, czy zastanawiają się nad tym, jaki jest skutek ich pracy. Nie chodzi o techniczny aspekt, czy to działa, tylko jaki jest skutek tego, że właśnie to działa. Jak to wpływa na innych ludzi? Pomyśl, że właśnie to rozwiązanie, które budujesz dotyka wprost Ciebie. Czy czujesz się z tym komfortowo?

Mówiąc wprost nie uważam pieniądze są złe. Biznes właśnie na tym polega – żeby zarabiać. Tylko warto, żeby było coś więcej niż tylko pieniądze, bo jeśli tego nie ma, to nie ma żadnych hamulców i na skutek tego zaczynają się dziać bardzo złe rzeczy. Biznes idąc na skróty, robiąc krzywdę innym, zaczyna więcej zarabiać, ale ostatecznie niszczy wszystko (i też przestaje zarabiać, bo nie ma już na kim, o ile ten argument przemawia bardziej). Niszczy się wszystko. Zaczynając od natury i kończąc na całej cywilizacji.

Machine Learning for Social Good

Powstała fundacja Machine Learning for Social Good, która jest dedykowana do projektów społecznych używając uczenia maszynowego. Tak jak wspomniałem, trzeba o tym nagrać osobny odcinek i wyjaśnić dokładniej, jakie są cele. Trzymam kciuki, żeby to rozwinęło się w odpowiednim tempie i potrafiło chociaż odrobinkę wpłynąć na rzeczywistość. Czuj się zaproszonym do udziału i jak możesz pomóc, to proszę zrób to.

Moje doświadczenie

Oprócz tego, że bardzo przemawia do mnie idea skupienia się na projektach społecznych i myślę, że tutaj uda się jeszcze sporo podziałać, to również chcę Ci pokazać na własnym przykładzie, że również jestem praktykiem i realizuję biznesowe projekty (co prawda, części firmom odmawiam, bo etycznie te projekty mi nie odpowiadają).

Wyobraź sobie popularny portal, na którym pojawia się informacja o drogich produktach. Ten portal jedynie przekierowuje ludzi w odpowiednio miejsce, czyli marketplace. Tylko mała część użytkowników jest w stanie kupić tam produkt oraz jest zainteresowana opieką jako klient. Wcześniej to działało tak, że do wszystkich zarejestrowanych osób, był wysłany email, sms lub dzwoniono. Takie podejście, po pierwsze z punktu widzenia uczestnika jest frustrujące, bo w sumie nie potrzebuje pomocy i drażnią go kolejne wiadomości, po drugie z punkt z punktu widzenia biznesu jest marnotrawieniem energii (czyli dodatkowe koszty). 

Z punktu widzenia biznesu było wiadomo, że tylko maksymalnie 15% użytkowników faktycznie kupi i potrzebuje wsparcia, natomiast jak ich wykryć? Brakowało pomysłów. Zaproszono nasz zespół, żeby im pomóc i zrobiliśmy dla nich model, który właśnie w tym tygodniu wdrażamy na produkcję. Właściwie już funkcjonuje jako wersja beta. 

Mówiąc o kreatywnych pomysłach przytoczę kilka przykładów. Trenowaliśmy model, robiliśmy zwykłą klasyfikację binarną i następnie wnikliwe analizowaliśmy cechy, które są istotne wg modelu i wykryliśmy, że obecność avataru jest dość istotna. Sprawdziliśmy to dalej i wyszła ciekawa sprawa, że jeśli użytkownik ma ustawiony avatar to jego potencjalna wartość jest 5 razy większa. Różnie to można interpretować, ale prawdopodobnie chodzi o zaangażowanie.

Następnie próbowaliśmy analizować zawartość avatara, ale to już nie dało tak bardzo ciekawych wyników. Podobnie jest z emailem, jeśli on zawiera imię oraz nazwisko i znajduje się w domenie np. gmail, to potencjalna wartość tego klienta wzrasta. To jest przykład, kiedy bardzo prostym filtrem przy pomocy uczenia maszynowego, ale beż wdrożenia modelu, można przynieść korzyść dla biznesu.

Kolejna ciekawostka. Użyliśmy modelu word2vec, tylko w innym kontekście niż zwykła treść. Naszym słowem były ID produktów, a naszym zdaniem były różne opcje, np. jakie produkty odwiedzał ten czy inny użytkownik. Ten prosty mechanizm pozwolił w prosty sposób zbudować model, który dawał bardzo ciekawe wyniki. To oznacza, że analizując tylko historię zachowań, można było pominąć resztę cech i prognozować potencjalną wartość tego klienta. 

To przykład, kiedy uczenie maszynowe podpowiada, który użytkownik potencjalnie zamierza kupić i potrzebuje wsparcia, dzięki czemu biznes skupia się tylko na tym obszarze, na którym mu najbardziej zależy. Osoby, które nie zamierzają nic kupować, nie są atakowane wiadomościami i tylko na spokojne się rozglądają. Każdy jest zadowolony. Tutaj oczywiście są pewne szare strefy, ale teraz ten wątek pomijam. 

O tym projekcie, pewnie jeszcze też nagram odcinek i napiszę osobny wpis, ale najpierw muszę uzyskać na to zgodę i dajmy jeszcze trochę czasu, żeby zebrać więcej korzyści już na produkcji, bo na ten moment model (właściwie 8 modeli, które zbudowaliśmy i wdrożyliśmy) zapowiadają się bardzo ciekawie. Życie je zweryfikuje.

Stan umysłu

Zmienię teraz temat, ale obiecałem, że o tym powiem. Na temat sztuki i łączenia jej z uczeniem maszynowym.

Pierwszą frazę, którą zobaczysz na stronie konferencji to “state of the art”. To jest gra słów. Między innymi chodzi o najnowsze praktyczne osiągnięcia w uczeniu maszynowym. Praktyczne, bo na tym najwięcej się skupiliśmy. Czyli jakie problemy na dzień dzisiejszy udało się rozwiązać używając machine learningu i z jakim skutkiem. 

Inna interpretacja to wprost słowo “sztuka”. Z mojego punktu widzenia jest inny aspekt, który mnie osobiście jest bardzo bliski. To, jak działa nasz mózg. Tak naprawdę nikt nie wie dokładnie jak działa, mamy jedynie część informacji. Wiemy, że jest skonstruowany z dużej ilości komórek, które nazywamy neuronami, które komunikują się między sobą falami elektrycznymi. Istnieje co najmniej 5 rodzajów takich fal, czyli co najmniej pięć trybów działania naszego mózgu. Przejścia pomiędzy tymi stanami są trudne. Są pewne fazy, kiedy człowiek staje się bardzo twórczy, część osób przeżywa ten stan regularnie, są osoby, które wpadają ten stan bardzo rzadko (lub nawet wcale). 

Chcę powiedzieć, że sztuka sama w sobie jest pewnym narzędziem, które pomaga mózgowi wpaść w pewien stan. Myśląc o sztuce zakładam szeroki kontekst, w tym muzykę. Einstein mimo bardzo napiętego grafika, regularnie, zwykle co środę miał specjalnie wydzielony czas na grę na skrzypcach. Mówił, że wtedy doświadczał wielu ciekawych impulsów. Można powiedzieć, że grając na skrzypcach, jego mózg wchodził w pewien stan, kiedy zaczynał dostrzegać ten świat inaczej.  

Skrzypce, na których grał Einstein, wciąż są dostępne. Tak naprawdę, nawet mógłbym je kupić. W zeszłym roku zostały sprzedane za nieco ponad $500 tys.

Przygotowując materiały do tego wpisu wpadam też w dość ciekawy stan, który bardzo lubię. Czuję wtedy, że znikam, czas znika, wszystko znika. Tylko jest jakaś iskra, radość i chęć dzielenia się tym. Bardzo przyjemne i miłe uczucie. Czasem taki stan nazywa się “flow”. Życzę Ci bardzo znajdywać się jak najczęściej w takim stanie, bo wtedy doświadczasz, na czym polega szczęście.

Podsumowanie

1. Uczenie maszynowe (w szczególności jeśli mówimy o uczeniu nadzorowanym) działa, ale jest ograniczone.
2. Jeśli będziesz podchodzić do sprawy tak, że najpierw rozwiązujesz szereg problemów mniejszych i potem te rozwiązania łączysz w coś mniej oczywistego, to wtedy możesz osiągnąć więcej.
3. Pamiętaj, machine learning to tylko narzędzie, które może być bardzo efektywne i to zależy, również od Ciebie, jak go użyjemy. Zapytaj sam siebie, czy to, czym się zajmujesz, sprawia, że ludzie stają się bardziej szczęśliwi? Lub inaczej, czy chciałbyś być na miejscu ludzi, którzy używają produktu, który rozwijasz? Odpowiedz sobie na spokojnie.

Pomagaj innym poczuć się szczęśliwymi, bo wtedy sam poczujesz szczęście. Taka prosta sprawa, która ciągle jest zapomniana. Dlatego życzę Ci, żeby udało Ci się pomóc innym, w sensie być szczęśliwym człowiekiem. Czy jest coś bardziej ważniejszego do zrobienia na tej planecie?

Artykuł Myślenie innowacyjne o ML, DWCONF i coś więcej pochodzi z serwisu Biznes Myśli.

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.

Druga wiadomość. Dziasiaj (2 września), rusza bezpłatne online wyzwanie od DataWorkshop “Też potrafisz”. Wyzwanie potrwa 5 dni, i każdego dnia o 5 rano udostępniane będzie nowe zadanie do wykonania, które może zająć czasem nie więcej jak 10 minut (w zależności od umiejętności i złożoności problemu). To wyzwanie będzie dotyczyło obszaru NLP, więc jeśli chcesz spróbować tego, o czym dzisiaj piszę, to koniecznie dołącz. To jest w 100% bezpłatne, a do tego przyjemna zabawa.

Czego się spodziewać się?

• Poznasz podstawy przetwarzania języka naturalnego (NLP).
• Przerobisz koncepcję Word Embeddings (Word2Vec & Doc2Vec).
• Samodzielnie wytrenujesz model i może znajdziesz ofertę pracy swoich marzeń.
• Poznasz techniki modelowania tematycznego (topic modeling).
• Nauczysz się wizualizować wielowymiarowe dane.
• Poznasz bibliotekę gensim i inne.

Uwaga, dołączyć się można tylko 2 września. Jeśli nie udało Ci się zdążyć, to zapisz się na newsletter, dzięki czemu będziesz otrzymywać informacje o nowych wyzwaniach i innych ciekawych rzeczach bezpośrednio na swoją skrzynkę.

Natural language processing

W języku angielskim przetwarzanie języka naturalnego nazywa się natural language processing lub używa się skrótu NLP. W języku polskim skrót NLP też dość często się pojawia. Warto odróżnić, że pod akronimem NLP czasem kryje się programowanie neurolingwistyczne, ale jest to coś innego. 

Mała dygresja. Jakiś czas temu był rozkwit w computer vision, począwszy od 2012 roku i przez kilka kolejnych lat wiele się działo. Teraz z widzeniem komputerowym nadal są przeprowadzane prace badawcze, ale jak na razie nie widać żadnych rewolucji, to po prostu już działa całkiem dobrze (w różnych testach, lepiej niż wizualna percepcja człowieka). 

Dlaczego o tym mówię? Bo mam teraz déjà vu, kiedy widzę podobną dynamikę, tylko że  rewolucja tym razem dotarła do obszaru NLP. W roku 2019 wiele się dzieje. Pojawiają się kolejne ciekawsze podejścia i już ciężko być na bieżąco. Obserwując to, co dzieje się, można powiedzieć, że jest rozkwit NLP. Swoją drogą, właśnie z tego powodu na konferencji DWCC, o której wspomniałem, NLP będzie jednym z popularnych tematów – aż 4 z 15 prezentacji będą poświęcone tej tematyce.

Kolejna ważna rzecz, na którą zwrócę uwagę. Gdy mówimy o przetwarzaniu języka naturalnego, to przede wszystkim kojarzy się z tekstem. To ma sens. Natomiast ciekawostka jest taka, że algorytmy, które były wymyślone dla NLP da się stosować w nieco innych kontekstach. Osobiście teraz używam ten algorytm w jednym z projektów, który wdrażamy na produkcję. Udało się stosunkowo małym nakładem pracy osiągnąć dobry wynik. O tym projekcie postaram się powiedzieć jeszcze więcej (jak uzyskam zgodę na to, to nagram na to osobny odcinek).  

Jako ciekawostkę warto dodać, że to działa też w drugą stronę. Dla przykładu, sieci konwolucyjne były wymyślone w obszarze widzenia komputerowego (computer vision). Okazuje się, że też da się je zastosować w kontekście NLP (mimo tego, że tekst to nie obrazki). Natomiast ma to wiele wspólnego. Dla uproszczenia: słowa, które są obok siebie, są podobnie powiązane jak piksele na zdjęciu. Są pewne relacje pomiędzy nimi.

W uczeniu maszynowym na wejściu mamy dane, a na wyjściu to, co chcemy uzyskać to klasyfikacja (np. odpowiadamy na pytanie tak lub nie) lub regresja (wtedy prognozujemy wartość). Danymi w NLP jest tekst, czyli słowa poukładane w zdanie. Ludzie z branży NLP zwykle to nazywają korpusem. Jakie problemy można rozwiązywać dzięki NLP? Podobnie jak w ML, na wejściu mamy korpus i na wyjście dość często robimy albo klasyfikację albo regresję. Większość zastosowań, o których dalej będzie mowa, tego używa. 

Krótka historia rozwoju algorytmów NLP

W uczeniu maszynowym wszystko musimy sprowadzić do liczb. Jeśli działamy ze zdjęciami, filmem czy tekstem, to i tak musimy to sprowadzić do liczb, bo pod spodem algorytmów są działania matematyczne.

Wcześniej tworzyło się w tym celu słownik. Każdemu słowu przypisywało się unikalne ID i wtedy zamiast słów mieliśmy zbiór liczb. To podejście było używane dość długo, ale ma ono bardzo dużo wad. Totalnie traciliśmy przy tym relacje pomiędzy słowami. Jeśli mamy słowo “dom” jako 1, “kot” jako 2 oraz “budynek” jako 3. To wtedy dom, kot i pies numerycznie są obok siebie. 

Mówiąc o Word2Vec od razu przechodzi się na rozmowę o wektorach lub jeszcze ciekawej mówi się o wielowymiarowych przestrzeniach. Sama koncepcja leżąca w Word2Vec jest bardzo prosta, natomiast, co jest najważniejsze, jest wiele prostych teoretycznych koncepcji, ale tylko mała część z nich działa w praktyce. Jednym słowem tę koncepcję można wyjaśnić pewnie przez słowo porządek. Podam Ci przykład. Załóżmy, że nasz świat składa się z jedynie trzech wymiarów, czyli te które dostrzegamy okiem. Wyobraź sobie na moment rzeźbiarza, zegarmistrza czy chirurga. Jak to wygląda? Gdzie są ich narzędzia? Czy są rozrzucone po pokoju czy jednak mają swój porządek? Jeśli weźmiesz mistrza swojego dzieła, to z zamkniętymi oczami będzie w stanie poruszać się w tym pokoju.

Inny namacalny przykład. W zależności od tego jaką rolę odgrywasz w domu, np. jesteś mistrzem garażu, kuchni czy jeszcze czegoś – jak często masz uczucie dyskomfortu, kiedy druga połówka posprząta na Twoim terenie? Najciekawsze jest to, że z zewnątrz po takim sprzątaniu może przestrzeń wyglądać nawet czyściej, ale to totalnie mija się z celem. Dlaczego? Bo nagle okazuje się, że nie możemy się w tym odnaleźć. Nie wiadomo, gdzie co leży. To oznacza, że przed tym mieliśmy w głowie pewną mapę wszystkich przedmiotów i relacje, jakie mają pomiędzy sobą – garnki leżą obok innych garnków albo śrubokręty są obok siebie.

Właśnie teraz przerobiliśmy esencję algorytmu Word2Vec. Ten algorytm ma zadanie uporządkować słowa, rozłożyć je do swoich szuflad. Do dyspozycji akurat ma trochę więcej wymiarów niż tylko trzy. To może być np. 100 lub 300, dzięki czemu ma znacznie większy stopień wolności. Nawigacja w trzech wymiarach wymaga trzech liczb, czyli na jakiej szerokości, długości oraz wysokości coś jest. Mówimy, że w tym przypadku wektor ma trzy wartości. Mówiąc wektor, można powiedzieć nawet prościej – to jest liczba. Dla wielowymiarowej przestrzeni, ta liczba może być np. 100 czy 300. Ciężko jest ludziom wyobrazić sobie, co tyle wymiarów oznacza w praktyce, ale z punktu widzenia algorytmu, to oznacza, żeby znaleźć obiekt w przestrzeni potrzebujemy znać np. 100 liczb (zamiast 3, jak to jest w trójwymiarze).

Pojawia się pytanie: to w jaki sposób słowa są uporządkowane? Na tym polega cała sztuka i nauka modelu. Robi się to tak: bierze się bardzo duży korpus (czyli tekst), najlepiej w 10-kach tysięcy, 100 tysiącach wyrazów (czy nawet w milionach). Następnie wybiera się szerokość pływającego okienka w tekście, np. 5 czy 10 słów. Wszystkie słowa, które pojawią się obok siebie oznaczają, że mają relacje.

Już podaje Ci przykład. Warszawa i Polska będą zlokalizowane obok siebie. Bo w wielu miejscach tekstu można znaleźć:

• Warszawa to stolica Polski
• Stolica Polski to Warszawa
• Będę w Warszawie w naszej stolicy

Takie podejście ma szereg zalet. Jedno z najbardziej rewolucyjnych rzeczy jest to, że teraz każde słowo (lub nawet zdanie czy paragraf) możemy zaprezentować w postaci liczb i możemy porównywać dwa słowa w sposób numeryczny. Dzięki czemu wyrazy, które mają zupełnie inne literki, np. “dom”, “budynek”, “blok”, “willa” czy nawet “chałupa” będą miały podobny wektor. To te słowa mają podobny sens. Osoby, które zajmują się językami powiedzą, że mają podobną semantykę.

Co to oznacza “podobne”? Załóżmy, że nasz wektor ma 100 wymiarów, czyli każde słowo opisujemy przy pomocy 100 liczb. Wtedy mamy 100 liczb dla słowa “dom” i 100 liczb dla słowa “budynek”. Zaczniemy następnie porównywać te wektory. Co to znaczy porównywać? Pamiętasz, jakie kiedyś w szkole trzeba była dodawać liczby pisemnie w słupkach? To mamy podobnie, tylko teraz nic nie dodajemy. Mamy dwa wiersze i krok po kroku porównujemy liczby, czyli jaka jest wartość dla pierwszych liczb, jaka jest dla drugich itd. i okazuje się, że “dom” i “budynek” mają bardzo podobne wartości.

Kolejność liczb w wektorze jest ważna, każdy wymiar ma swoją odpowiedzialność. Tylko w tym modelu, nie ma możliwości interpretować tego jawnie, nie wiemy, za co jest odpowiedzialny wymiar piąty czy dziesiąty, natomiast możemy być pewni, że za tym stoi jakaś logika.

Tłumacząc działania algorytmu Word2Vec po przez analogię, chce się przypomnieć cytat Hemingwaya

“Po­wiedz mi, kim są twoi przy­jaciele, a po­wiem Ci, kim jesteś.”

Wprowadzenie Word2Vec stało się rewolucją. Zwykle mówi się, że Google wymyślił ten algorytm, ale Google to brand, a sam brand jest tylko otoczką, za tym stoją ludzie. Twórcą Word2Vec jest Tomas Mikolov, który obecnie pracuje w Facebooku. Co prawda, jak to zwykle bywa, osoby, które wymyślają podobne rzeczy inspirują się innymi faktami, które gdzieś ktoś wynalazł. Natomiast Mikolov to połączył i dopracował w taki sposób, żeby to zaczęło działać. Dlatego trzeba przyznać mu, że wynalazł Word2Vec w takiej postaci, żeby to działało.

Tomas jest bardzo ciekawym, inteligentnym i skromnym człowiekiem. Jak o tym mówię, to zastanawiam się, co jest przyczyną, a co jest skutkiem :). Można rozważać, czy jest ciekawy, dlatego że jest inteligentny czy może dlatego że jest skromny? Zaprosiłem Tomasa na konferencję DWCC 2019 i 28 września będzie w Warszawie. Będzie opowiadał o Word2Vec oraz algorytmie fastText. Prosiłem go, żeby opowiedział o pewnych szczegółach, trikach, które są mniej oczywiste dla innych, chociaż dla niego jako twórcy mogą być oczywiste. Też będzie brać udział w AMA i można z nim będzie na spokojnie porozmawiać.

Podsumowując temat Word2Vec. Zwykle wszystkie rozwiązania dotyczące NLP (na ten moment) wdrożone na produkcję, używają Word2Vec. To stało się de facto standardem i najlepszym osiągnięciem. Oczywiście są pewne odmiany tego podejścia, ale to już inna historia. Mówię o tym, żeby podkreślić ważność tego rozwiązania.

W uczeniu maszynowym jest bardzo dużo dostępnych algorytmów i ich implementacji. Natomiast na palcach można policzyć te, które działają dobrze w praktyce. Word2Vec to jest przykład tego, co działa i czasem nawet lepiej niż można się tego na początku spodziewać.

Modelowanie tematów

Gdy działamy z dużą ilością tekstu, przeczytać to manualnie i następnie wychwycić, jakie tematy pojawiły się w tekście, może być trudne fizycznie. Też czasem w tych tekstach można wykryć inne tematy. Podam Ci przyklad. Jest firma, która ma dużo klientów, którzy piszą do firmy różne wiadomości. Zarząd myśli, że klienci piszą tylko z dwóch powodów: narzekać lub podziękować. Treści jest tak dużo, że ciężko jest je wszystkie analizować. Jeśli jednak przepuścimy całą treść przez odpowiednie algorytmy, to możemy zobaczyć pewne grupy “schowanych” tematów (latent topics). To są tematy, które nasi klienci poruszają, a my nie zdajemy sobie z tego sprawy.

Co to za algorytmy? Jest ich kilka, np. LDA. Jest to statyczny algorytm, który działa nawet całkiem dobrze, natomiast ma kilka wad. Po pierwsze, skoro został wymyślony przez statystyków (tym bardziej jakiś czas temu) to prawie zawsze to oznacza, że ten algorytm bardzo słabo skaluje się na dużą ilość danych (bo był tworzony w zupełnie innej rzeczywistości). Tak jest z LDA – kiepsko sobie radzi z większą ilością danych. Druga wada jest taka, że słabo sobie radzi z literówkami lub odmianami słów (język polski pod tym względem jest bardzo bogaty). Swoją drogą na bezpłatnym wyzwaniu online, o którym wspomniałem wcześniej, pokażę jak się robi modelowanie tematów. 

Czy da się jakoś sobie poradzić z tymi ograniczeniami? Tak. Są pewne pomysły na to, jak wykorzystać nowoczesną wiedzę z NLP, między innymi Word2Vec. O tym będzie osobna prezentacja Valentina na konferencji DWCC. Valentin Malykh ma sporo doświadczenie i miał potrzebę uruchomienia modelowania tematów (topic modeling) na naprawdę bardzo dużych zbiorach danych. Warto posłuchać, bo okazuje się, że te tematy nie są aż tak skomplikowane, jak się wydaje. Narzędzia, które to robią, są dostępne od ręki. Mało tego, to są narzędzia typu open source. Wystarczy, że jest jedna osoba w firmie, która tym chce się zająć i już za kilka tygodni (lub nawet wcześniej) można uzyskać ciekawe wyniki, które mogą Cię zaskoczyć.

Wsparcie klienta

Pamiętam, jak pracowałem jakiś czas temu w General Electric i znałem osobiście zespół, który zajmował się obsługą klientów. Do tego zwykle używa się jakiegoś systemu do przyjmowania zgłoszeń. W korporacjach zwykle używa się ServiceNow. Jednym z zadań zespołu było kategoryzowanie zgłoszeń. To była bardzo żmudna praca. To brzmi jako zadanie dla uczenia maszynowego.

Jest dużo firm, w szczególności większych, które borykają się z problemami, jak sobie poradzić ze zgłoszeniami, które spływają od klientów. To zadanie tak naprawdę da się uprościć do dwóch rzeczy, które należy wykonać. Mało tego, tak naprawdę to zadanie (prawie) w 100% da się zautomatyzować.

Podaje Ci konkretny przykład. Uber działa na dużą skalę i ma tysiące zgłoszeń dziennie. Ciężko to wszystko ogarnąć manualnie, dlatego na pomoc przychodzi uczenie maszynowego. Zespół Ubera zbudował system COTA (Customer Obsession Ticket Assistant), który działa następująco. Na wejściu jest zgłoszenie, na wyjściu są dwie rzeczy. Po pierwsze przypisanie zgłoszenia do odpowiedniej kategorii, po drugie trzy sugerowane odpowiedzi na to zgłoszenie. W wyniku wdrożenia tego rozwiązania udało się zredukować ilość przekierowań o 15% oraz zmniejszyć o 5% czas spędzany przez członków zespołu wsparcia.

Więcej na temat COTA opowie Aditya Guglani 28 września, który specjalnie przyleci do Warszawy na konferencję. Aditya jest liderem technicznym tego projektu, więc można dopytać go o różne ciekawostki techniczne.

Question Answering (chatbot)

Chatboty nabierają swoje wartości i jeśli robi się to dobrze, to naprawdę są pomocne. Podam Ci kilka przykładów. 1-800 flowers.com zanotowało wzrost sprzedaży o 70%, kiedy wdrożył możliwość zamówienia kwiatów przez chatbot, bez zbędnej interakcji zewnętrznej. Sephora zwiększyła o 11% liczbę zamówień na makijaż, dzięki zastosowaniu umawiania na usługę poprzez Sephora Reservation Assistant. Istnieje jeszcze wiele innych przykładów. 

Opowiem Ci też o naszym Ryśku. Znasz go? Rysiek narodził się rok temu na konferencji DWCC. W tym roku zapowiadał też będzie, ale jeszcze nie znam szczegółów. Bo Rysiek trzyma to wszystko w tajemnicy. Podobnie wiele rzeczy się wydarzyło w jego życiu, ale to niech sam opowie, co tam się podziało. Następnie Rysiek zaczął pomagać przy wyzwaniu. Mieliśmy problem przy wysyłce maili do większej grupy osób, bo zawsze jest tak, że z różnych powodów do kogoś mail nie dotrze. Takim mailem może być bonus za wykonanie zadania. Bardzo szkoda jeśli zadanie zostało wykonane, a bonus się gdzieś zagubi. Były momenty, kiedy siedziałem po nocach i wysyłałem takie maili manualnie. Rysiek dbając o moje zdrowie zaproponował pomoc. Powiedział, że może tym się zająć. Od tego momentu można napisać do Ryśka na czacie (używamy Slacka) i poprosić o bonus. Dodatkowo może znaleźć ciekawy artykuł do przeczytania lub powiedzieć, jaka jest pogoda.

Na czwarte wyzwanie, które rusza 2 września, Rysiek przygotował się jeszcze bardziej. Oprócz bonusów też wysyła zadania. Dodatkowo stwierdził, że zajmie się także przeliczaniem punktów. Od 4 wyzwania pojawiła się możliwość zbierania punktów. Jest kilka sposobów, jak to można robić i dość złożona logika (żeby obsłużyć wszystkie przypadki), dodatkowo warto dołożyć skalę ok. 5 czy nawet 10 tysięcy ludzi. Dlatego Rysiek podjął się tego wyzwania, z czego jest bardzo dumny, ale też co jest ważne umożliwia nam małym zespołem radzić sobie z dziesiątkami lub nawet setkami tysięcy zgłoszeń. Rysiek jest bardzo miły warto go poznać. Mówiłem, że będzie na konferencji również w tym roku?

Temat tworzenia botów jest dość złożony, w szczególności jeśli chcemy stworzyć bota w tematach dość ogólnych, niż tylko mocno zdefiniowane ścieżki. Mikhail Burtsev przyjedzie do Warszawy i 28 września na konferencji opowie o narzędziu, które tworzy, żeby ułatwić tworzenie botów. Używa dość złożonych rozwiązań pod spodem, tak zwanych state of the art. Jeśli chcesz być na bieżąco w tematach botów, to warto być na tej prezentacji. Będzie także okazja porozmawiać z nim w bardziej kameralnej atmosferze.

Podsumowując

NLP, czyli przetwarzanie języka naturalnego może być bardzo pomocne z praktycznego punktu widzenia. Może usprawnić jakość produktu, zadowolenie klientów i ostatecznie zwiększyć wartość firmy. W obecnych czasach jest rozkwit NLP i wiele dzieje się w tym temacie. Słysząc o NLP na pewno chcesz widzieć o algorytmie Word2Vec i rozumieć jak działa, bo wtedy jesteś w stanie lepiej zrozumieć, jakiego rodzaju problemy można rozwiązać. 

Twórcą Word2Vec jest Tomas Mikolov, który wystąpi z prelekcją na konferencji DWCC 2019 i też będzie można z nim porozmawiać po wystąpieniu. Tutaj warto dodać, że Tomas jest dość introwertyczną osobą, więc trzeba też to uszanować, ale zgodził się uczestniczyć w formacie Ask Me Anything. Będzie jeszcze kilka innych ciekawych, aktualnych i praktycznych wystąpień związanych z NLP. Warto być! 

Jeśli jednak nie możesz być w Warszawie 28 września, to jest możliwość dostępu online do konferencji i to będzie coś więcej niż tylko transmisja. Dostaniesz całą paczkę np. nagranie,  które możesz obejrzeć później, raport przygotowany przez prelegentów, który odpowiada na pytanie, jak pewne problemy można najlepiej rozwiązać używając uczenia maszynowego na rok 2019, dostęp do prezentacji oraz wywiadów. Przedsprzedaż rusza 10 września i wtedy można uzyskać zniżkę nawet 50%.

Przypomnę, że też jest możliwość spróbować Word2Vec samodzielnie zapisując na bezpłatne online wyzwanie od DataWorkshop “Też potrafisz!”. Ostatni dzień zapisu to 2 września.

To tyle na dzisiaj do usłyszenia lub zobaczenia.

Artykuł Przetwarzanie języka naturalnego w biznesie pochodzi z serwisu Biznes Myśli.