Gościem już 104 odcinka podcastu Biznes Myśli był Kamil Krzyk – Machine Learning Engineer, absolwent kursu „Praktyczne uczenie maszynowe„. Kamil wziął udział w pierwszej edycji kursu i jestem bardzo dumny z tego, jak bardzo rozwinął się w obszarze uczenia maszynowego. Kamil jest zdolnym chłopakiem, który na pewno by sobie sam poradził, ale bardzo się cieszę, że tak się złożyło, że miałem możliwość mu podpowiedzieć pewne rzeczy. Niekoniecznie chodzi tu o samo uczenie maszynowe, bo już wcześniej miał okazję przejść kilka kursów, a planował i kolejne. Po zakończeniu trochę rozmawialiśmy, wierzę, że zwróciłem uwagę na pewne istotne kwestie i zaczęło się dziać. Kamil  sam sobie stworzył pozycję w firmie, w której pracował, gdzie nie było żadnych Data Scientistów i on stał się pierwszym. To ciekawe jak różne spotkania we właściwym czasie, z właściwymi ludźmi mogą wiele zmienić.

Kamil pracuje w tej chwili w Cosmose, firmie, która funkcjonuje głównie na rynku chińskim, ale też szerzej azjatyckim (Japonia, Malezja) i zajmuje się offline trafic. Czym to jest? Dla porównania online traffic to cały ruch użytkowników w sieci, czyli e-maile, smsy, powiadomienia push. Może być jednak tak, że jest strumień użytkowników, z którymi nigdy nie wchodziliśmy w żadną interakcję, ale chcielibyśmy, aby oni naszą reklamę zobaczyli np. ludzie w galeriach, którym chcielibyśmy wyświetlić naszą reklamę. W jaki sposób to działa? Chodząc po galerii handlowej odwiedzamy różne sklepy.

Wszędzie jest dostępne wi-fi i w zależności od tego, z którym routerem się łączymy, to można z pewnym przybliżeniem stwierdzić, gdzie jesteśmy i jakie odwiedziliśmy sklepy. Na podstawie tej informacji można budować różne profile cyfrowe. 

Mówiąc o Cosmose, warto wspomnieć o ich strumieniu danych. W momencie naszej rozmowy firma dysponowała już ponad miliardem danych. Ten apetyt stale rośnie – na tyle, że w przyszłym roku ma ich być już ponad 2 miliardy. Zespół Kamila bardzo się rozrósł o niezwykłe talenty, które dołączyły opuszczając liderów rynku. Widać, że powstała już solidna infrastruktura. 

Historia z Kamilem jest inspirująca pod wieloma względami. Z jednej strony jest aspekt mojego udziału w późniejszych losach Kamila, taka pomoc w odkryciu swojego potencjału. Czuję, że moją misją jest otwierać potencjał w ludziach i maksymalnie go rozpędzać, mimo tego że zajmuję się uczeniem maszynowym. Z drugiej strony pojawia się kwestia tego, że w obecnym świecie nie jest ważne, gdzie się aktualnie znajdujesz, ponieważ tak naprawdę możesz pracować z całym światem i to zależy tylko od Ciebie czy chcesz to robić, czy nie.

Kamil ma dla każdego słuchacza i czytelnika Biznesu Myśli prezent. Jeśli chcesz go dostać, to upewnij się, że jesteś zapisany/a do naszego newslettera.

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

Nazywam się Kamil Krzyk. Od 8 lat pracuję w branży IT. Pochodzę spod Krakowa, a 3 lata temu przeprowadziłem się do Warszawy w związku ze zmianą pracy. Aktualnie pracuję jako Machine Learning Engineer w firmie Cosmose. Jest to branża retailowa. Jednocześnie jako posiadacz jednoosobowej działalności gospodarczej współpracuję od 10 miesięcy z małą firmą ze Stanów, która zajmuje się tematami fitness. 

Jaką ciekawą książkę ostatnio przeczytałeś? Może jesteś w stanie przytoczyć z niej jedno najważniejsze zdanie?

Pamiętam, jak ostatnim razem byłem gościem Biznesu Myśli i wiem, że zawsze zadajesz to pytanie. Wtedy wspomniałem, że nie czytam innych książek niż techniczne i tak się składa, że jeszcze mi się to utrzymuje. Także książka, którą będę chciał polecić, będzie techniczna, ale wiem, że wielu z Twoich czytelników chce się rozwijać, uczy się, podąża za Tobą właśnie dzięki kursom, więc wydaje mi się, że ta książka będzie świetnym tytułem do polecenia.

Chodzi o Hands-On Machine Learning with Scikit-Learn, Keras and TensorFlow, a autorem jest Aurélien Géron. Miała ona drugą edycję pod koniec roku 2019. Jest to dosyć pokażna pozycja – w sumie 800 stron, taka cegła. Na początku bałem się jej czytać nie wybiórczo, na początku traktowałem ją bardziej jako encyklopedię, ale da się ją czytać od początku do końca. Jest napisana mega prostym językiem i zawiera ogromną ilość informacji, której nigdy nie byłem w stanie nagromadzić na żadnych kursach czy z Internetu. Po prostu zbiór wszystkiego.

Dodatkowo ma też dużo kodu, ma idealnie tyle matematyki, ile potrzebujemy – w tym wypadku jest to minimum, żeby tak po prostu zrozumieć wszystkie opisane koncepty dość niskopoziomowo. Dlatego polecam tę książkę każdemu, kto chce się nauczyć machine learningu i poznać więcej algorytmów i praktyki. Ta książka jest naprawdę świetna do nauki i przez ostatnie lata nie widziałem chyba niczego lepszego, jeżeli chodzi o literaturę. Żałuję, że kiedy sam wchodziłem w machine learning, nie znalazłem takiej książki wcześniej. Jest naprawdę super tytułem, polecam.

Zgadzam się, to świetna lektura. Zresztą nawet na ostatnim kursie ta książka była jako prezent. Ona przeraża w kontekście liczby stron, ale jeżeli chodzi o zawartość i przyjemność czytania, to naprawdę warto. 

Tak i nie trzeba jej też czytać w całości, prawda? Można wybiórczo, można się przygotować przed rozmową o pracę, można odświeżyć jakąś wiedzę przed prowadzeniem warsztatu. Jest naprawdę mega przydatna.

Nie będziemy dzisiaj tylko o książkach mówić, chociaż polecenie jest bardzo dobre. Przypomnijmy Twoją ścieżkę kariery: jak się poznaliśmy, pracowałeś jako Android Developer, później trochę się w Twoim życiu podziało, więc opowiedz, jak to się stało, że od programisty ruszyłeś w kierunku uczenia maszynowego.

Studiowałem mechatronikę czyli kierunek bez związku z programowaniem, ale jednym z moich przedmiotów były systemy wizyjne i miałem tam taki projekt, żeby nauczyć sieci neuronowe przewidywania prędkości dla robota na bazie jakości podłoża. Ten projekt pokazał mi, że programowanie jest bardzo interesujące. Musiałem nad tym więcej czasu spędzić. Od tego czasu samodzielnie zacząłem się rozwijać jako programista, początkowo czytając książki. Potem moi znajomi, gdzieś na 4 roku, wciągnęli mnie bardziej w tematy Androida i udało mi się dostać pierwszą pracę jako Junior Android Developer. Tu chciałbym zaznaczyć, że ten Android w moim życiu to nie było coś, co ja wybrałem, ja po prostu chciałem programować, nie bardzo się na tym wszystkim znałem i wziąłem to, co było dostępne. Pracowałem, bo taka była możliwość.

W tzw. międzyczasie miałem okazję trafić na kurs internetowy Machine Learning od Andrew Ng na Coursera. Stwierdziłem, że można spróbować czegoś nowego, tym bardziej że moją specjalizacją potem na studiach były systemy inteligentne, więc jakoś to się wiązało. Rozpocząłem ten kurs i byłem pod gigantycznym wrażeniem tego, że w ogóle taka forma edukacji istnieje. Zakochałem się ogólnie w kursach internetowych. Przedstawiane tematy pokrywały się z tym, co miałem na studiach, ale zaczynałem je wtedy dopiero rozumieć.

Nikt o machine learningu dookoła mnie za bardzo jeszcze w tych czasach nie rozmawiał – nikt z moich rówieśników, nikt w pracy. Nie czytałem za bardzo nic o tym w Internecie. To była dla mnie pewna nisza, złoty temat. Bardzo się tym zafascynowałem i to była taka chyba pierwsza rzecz, faktycznie w moim życiu zawodowo, która mnie zafascynowała i której postanowiłem się poświęcić, żeby się jej nauczyć. Początkowo to były faktycznie kursy internetowe. Kolejnym kursem to było Deep Learning Nanodegree na Udacity, ale to wszystko działo się gdzieś tam w Internecie, po angielsku i nie miałem w ogóle pojęcia, co się dzieje w Polsce.

Praktyczne Uczenie Maszynowe po polsku

Potem poznałem Ciebie i dzięki temu dowiedziałem się, że istnieje kurs „Praktyczne uczenie maszynowe dla programistów”, na który postanowiłem się zapisać. Tym bardziej, że ciekawiło mnie to, jak ten machine learning wygląda w Polsce. Pierwszy raz było coś po polsku, więc zapisałem się, chciałem spróbować. Ten kurs „Praktyczne uczenie maszynowe” zmotywował mnie do tego, żeby ustawić sobie jakiś deadline na to, do jakiego momentu chcę zmienić moją karierę zawodową.

Wcześniej się nie odważyłem, uczyłem się tego machine learningu bardzo dużo w domu, samodzielnie, ale nie miałem pomysłu na zmianę kariery i też nie miałem motywacji. Wtedy sobie uświadomiłem, że jeżeli nie zacznę działać ku temu, żeby coś zmienić, to nic się nie wydarzy samo.

Działałem bardzo aktywnie w tym okresie też poza wspomnianymi wcześniej aktywnościami. Prowadziłem grupę uczenia maszynowego, próbowałem pisać blog posty, występowałem publicznie, nawet zorganizowałem własne warsztaty. Też dzięki temu udało mi się w Azimo (w firmie, w której ówcześnie pracowałem, która zajmowała się przelewami międzynarodowymi) przekonać szefostwo, aby powierzyli mi jeden data science’owy projekt i też w taki sposób zostałem mianowany Data Scientist.

Zajmowałem się predykcją czasu, jak długo będą szły przelewy z potencjalnym wykrywaniem anomalii, kiedy coś może się opóźnić. Pomimo tego, firma jeszcze w tych czasach nie była zbyt chętna do tego typu rozwiązań, a ja też byłem niedoświadczony i bardzo chciałem ten machine learning robić. Jak się robi te wszystkie kursy i czyta o jakiś gunach, AlphaGo, to nie chce się robić KNN, k-means, jakichś prostych algorytmów. Gdy człowiek jest jeszcze świeży w temacie, to ma wrażenie, że może gdzieś istnieje ten świat cudowny, w którym wszystko będzie używane.

Pewnego dnia udałem się na Hackathon Kaggle Days, który odbywał się w Warszawie. Tam poznałem osobę, która zaproponowała mi pracę, zachęciła mnie do tego, żebym zaaplikował do firmy Cosmose, w której aktualnie pracuję. Ta firma faktycznie była już tak silnie nastawiona na to, żeby swoje produkty opierać na rozwiązaniach machine learningowych, AI. To było dla mnie bardzo atrakcyjne i udało się. Zmieniłem pracę i jestem w tym miejscu do dzisiaj.

Rzeczywistość też zweryfikowała jak świat uczenia maszynowego wygląda i czy to faktycznie jest zawsze rocket science. Ogólnie uważam, że jest to bardzo ciekawy zawód i nie żałuję, także jestem zadowolony z tego, gdzie jestem. 

Machine Learning Engineer vs. Programista

Jak to wygląda, jeżeli chodzi o zmianę perspektywy? Byłeś po obu stronach, z jednej jako programista, z drugiej teraz jesteś po tej stronie Data Science czyli praca z projektami tzw. R&D, gdzie mamy większe ryzyko, większe obawy i coraz częściej się zdarza sytuacja, że coś nie działa. Na ile Twoje myślenie się zmieniło, jak sobie z radziłeś z tą zmianą? Który świat Ci bardziej odpowiada? 

Tak, różnice są dramatyczne, jeżeli chodzi o samo programowanie i software engineering, w którym też wykorzystujemy uczenie maszynowe. Jest dużo więcej niewiadomych. W samym programowaniu gdy pracowałem w Scrumie czy jako Android Developer, po prostu wpadały jakieś zadania, kończył się sprint, coś się udało zrobić, czegoś się nie udało zrobić. Jedynym zagrożeniem w tym wszystkim było to, żeby nie przeszacować albo niedoszacować jakiegoś zadania. Wtedy sprint się opóźniał i to było nasze jedyne zmartwienie.

Wyzwania

W uczeniu maszynowym te zadania miały dużo więcej niewiadomych. Ciężko było powiedzieć, ile czasu nam dane zadanie zajmie. Czy ten model będzie działał, czy nie, czy dane są poprawne – masa rzeczy może wpłynąć na to, czy osiągniemy poziom wyniku, który satysfakcjonuje naszego klienta. Ta praca na pewno była dużo cięższa niż w Scrumie pod tym względem i też troszkę bardziej stresująca. Tutaj mogę przytoczyć słowa Cassie Kozyrkov, która powiedziała, że:

„Data Science, Machine Learning nie jest dla perfekcjonistów”.

Ja z natury jestem troszkę perfekcjonistą i mocno czuję na co dzień, że chciałbym, żeby wszystko działało idealnie i żeby wszystko dało się oszacować, a kiedy to się nie dzieje, to wzbudza to we mnie pewien stres. Także trzeba się z tym liczyć, że będzie dużo większy chaos. 

Druga sprawa to to, że w tym uczeniu maszynowym nie jest też tak, że tylko tworzymy modele i analizujemy dane, bo jest to też dużo więcej dookoła machine learningowych zadań. Pozycja machine learning engineer, data scientist dzisiaj ma wiele definicji i każda firma potrzebuje zupełnie innych umiejętności. W dużej firmie pewnie będzie łatwiej dobrać osobę do zadania, ale małe firmy same czasami nie wiedzą jeszcze, jakie rzeczy trzeba wykonać, a produkt musi się rozwijać.

Musimy ogarnąć dane i czasami napisać jakąś ITIL, żeby te dane przetworzyć, musimy zbudować model, przejść przez całe stadium R&D i w ogóle powiedzieć, czy to działa, czy nie. To trochę łączy świat programowania ze światem matematyki, statystyki, analizy danych. Jest to miks ogólnie wielu technologii. To też jest fajne, bo jest bardziej rozwijające. Jednocześnie ciężko jest tak naprawdę o dobre zdefiniowanie juniora, bo jeżeli mamy wiele technologii, to ciężko jest, żeby ten junior rozumiał wszystko. Na pewno próg wejścia może być troszkę wyższy.

Kolejnym aspektem jest to, że trzeba mieć większą świadomość, wielką wiedzę na temat tego, w jaki sposób funkcjonuje i działa biznes. Nie polecam ogólnie takiego podejścia, ale da się pracować na Scrumie na takiej zasadzie, że wpada nam zadanie i po prostu je wykonujemy, klikamy in testing, in review, done, koniec, idziemy dalej. W przypadku machine learningu tworzone rozwiązania powinny w jakiś sposób wpływać na biznes.

Nasze predykcje bezpośrednio będą oddziaływać na działanie naszego produktu, na to jaki będzie user experience. Trzeba rozumieć, jakie konsekwencje nasza praca za sobą niesie w tej kwestii. Co więcej dużo więcej będzie rozmowy z zespołami biznesowymi. Trzeba będzie pewnie nauczyć się w sensowny sposób przedstawiać swoje pomysły. To znaczy taki, który przekona ludzi do naszych pomysłów. Ogromne znaczenie ma tutaj taka umiejętność prezentacji.

Mam taki przykład, który lubię przytaczać – zaznaczam, że jest nieco brutalny. Ogólnie praca data scientista, machine learning engineera może być momentami dość niewdzięczna. Jeżeli idziemy do firmy, która jeszcze nie do końca wie, na czym machine learning polega, możemy dostać zadanie konkretnego zbudowania modelu, bo firma potrzebuje rozwiązać jakiś problem. Przychodzimy, bierzemy dane, analizujemy je i to oczywiście będzie trwało pewien okres czasu czyli już pojawia się jakaś inwestycja pieniędzy w nas.

Może w ogóle zmieniliśmy pracę po to, żeby przyjść do tej firmy i tam pracować. Zbudowaliśmy jakiś prototyp, on wstępnie działa i ciągniemy ten projekt dalej. Analizujemy wszystko dokładnie i w pewnym momencie dochodzimy do sufitu – np. technologia, z którą pracujemy, ma jakiś limit dotyczący dokładności albo dane klienta są niewystarczająco dobre, żeby zbudować taki model, jakiego on sobie życzy, albo jego oczekiwania są za wysokie. Nie jesteśmy w stanie zoptymalizować KPI biznesowych, a włożyliśmy bardzo dużo czasu, pracy w to, żeby zbudować ten model i to rozwiązanie. Teraz musimy pójść do pracodawcy i powiedzieć mu, że to nie wyjdzie. 

W teorii wykonaliśmy naszą pracę poprawnie, bo zbudowaliśmy model najlepszy, jaki się dało, analizowaliśmy te dane i wnioskiem było, że się nie da, a zostaliśmy zatrudnieni, żeby coś zrobić. W programowaniu zwykle nie ma rzeczy niemożliwych i stosunkowo prosto jest oszacować, na ile pewne rzeczy są możliwe.

W tym wypadku mogą być sytuacje, że coś jednak nie zadziała albo nawet jeżeli zadziała, to nie wystarczająco dobrze. Jeżeli nie ma odpowiedniej świadomości w firmie, to w tym momencie pracodawca może negatywnie odebrać odpowiedź, że się nie da, gdzie tak naprawdę w teorii za poprawnie wykonanie pracy należałaby się pochwała. Może to być momentami niewdzięczne. To jest taka chyba główna różnica, którą widzę.

Machine Learning w praktyce – przykład z Chin

Porozmawiajmy teraz o Cosmose, firmie, w której obecnie pracujesz. Wiem, że wielu ciekawych rzeczy nie możemy powiedzieć, ale opowiedz kilka słów o tym, czym się zajmuje, jakie problemy próbuje rozwiązać.

Zacznijmy od w ogóle branży, w której Cosmose działa. Jest to retail, czyli jak sama nazwa wskazuje, będzie to targetowanie reklam. My dostarczamy dane, które nazywamy traffic online. Czym by były dane online? Firmy posiadające sklepy w centrach handlowych np. Fendi, Zara, chcą dostać się do potencjalnych klientów. Zachęcają do zapisania się przykładowo do newslettera, założenia karty członkowskiej, podania swojego numeru telefonu i w ten sposób pozyskują dane klientów poprzez pozyskiwanie tych informacji online. To, co robi Cosmose, to próbuje dostarczyć takim firmom informacje na temat ludzi, którzy nawet nigdy nie weszli w żaden sposób w interakcję z daną marką. To jest to, co się nazywa traffic offline.

W jaki sposób to się dzieje? W dzisiejszych czasach każdy posiada smartfona. Na tym smartfonie ma zainstalowaną masę aplikacji. Nawet jeśli sam nic nie instalował, to od razu po kupieniu telefonu już coś jest tam wgrane. Jak kupimy Samsunga, to można sobie samemu sprawdzić, że jest tam Samsung Location Services i nie da się tego ubić. Tym sposobem informacje z naszych telefonów komórkowych są zbierane przez wiele aplikacji. To chyba też nie jest jakaś tajemnica, że Facebook przykładowo zbiera nasze dane, ale robi to też dużo więcej aplikacji. Te dane potem lądują u różnych data vendorów i można je normalnie kupować. 

Cosmose pozyskuje właśnie tego typu dane, oczywiście zanonimizowane. To nie są dane personalne, po prostu logi z telefonów, przykładowo jakie sieci wi-fi widzieliśmy albo jaki GPS gdzieś się tam wyświetlał czy jak działał żyroskop. Chodzi o te popularne dane w Androidzie ogólnie dostępne, która można wyczytać na stronie internetowej, że się zapisują. Cosmose na swojej stronie internetowej ma napisane, że ma pozyskane dane z ponad 500 tys. sklepów. Mamy wiele metod służących do tego, żeby dowiedzieć się, jak wygląda stan sygnału chociażby wi-fi w takich sklepach. Potem skupując dane od różnych data vendorów, dokonujemy matchingu tych danych przy użyciu uczenia maszynowego po to, aby móc przypisać labelkę, zlokalizować każdy taki odczyt z telefonu w jednym z tych sklepów z galerii. Tak w sumie pokrótce działa Cosmose AI – lokalizujemy ludzi w sklepach. 

Jak to może być wykorzystane? Jeżeli wiemy, że ktoś odwiedził jakieś miejsce, to możemy tworzyć profil takiego użytkownika. Przykładowo jest osoba odwiedzająca sklepy marki luksusowej. Dla takiej marki luksusowej emitującej kampanię reklamową pozyskującą nowych klientów, taka informacja może być atrakcyjna. Być może jednak interesuje tę markę dotarcie do innej grupy odbiorców. My jesteśmy w stanie takie dane dostarczyć. 

Jak to się dzieje, że reklamy faktycznie docierają do tych ludzi? Są różne serwisy zewnętrzne, chociażby Facebook, które także posiadają bardzo dużo informacji na temat różnych ludzi. Jeżeli my wyślemy im skrawek danych, to oni są w stanie dopasować ten skrawek danych do swoich danych i z uwagi na większą wiedzę o użytkownikach dotrzeć do tych ludzi i np. wyświetlić im reklamę na Facebooku, tak samo w przeglądarkach itd. Na tej zasadzie nasi klienci są w stanie docierać do ludzi, którzy nigdy z nimi nie weszli w interakcję. Po prostu odwiedzają jakieś sklepy i ich dane lądują w ogólnodostępnej bazie danych. 

Taki fajny przykład – bierzemy sobie Galerię Krakowską (czy jakąkolwiek inną galerię). Każdy sklep ma konkretną lokalizację. Wchodząc do sklepu człowiek jest “łapany” a dane o jego obecności w konkretnych miejscach są odnotowywane. Wy chcecie prognozować, które sklepy dana osoba odwiedziła. 

Dokładnie tak. Czy przeszła obok, to wtedy może być jakiś outside potential czyli osoba, która widziała sklep, ale przeszła obok drzwi. Albo osoba, która weszła do sklepu lub zrobiła jeszcze jakąś inną akcję. 

A jak sobie radzicie z piętrami? 

Dzięki temu, że korzystamy z różnych danych, akurat wi-fi do tego się nadaje, to na piętrach te modele świetnie działają. To jest coś, z czego akurat nasi klienci się bardzo cieszą, że z piętrami te modele dają radę. 

Wiem, że niewiele możesz mówić, ale spróbuję podrążyć kolejny temat. Zbadaliście pół miliona sklepów, na blogu było też napisane, że ponad miliard smartfonów. Ta liczba robi wrażenie. Przy takiej ilości smartfonów ile tam jest rekordów, historii itd.? Jak sobie z tym radzicie na poziomie infrastruktury, na ile to jest w ogóle duże wyzwanie? Czy w tej chwili wszystko jest możliwe? Po prostu wciskasz jeden guzik i już to działa, czy jednak trzeba troszkę się namęczyć?

Tak, muszę przyznać się, że praca z taką ilością danych jest dużym wyzwaniem. Dodatkowo chcę zwrócić uwagę, że Cosmose początkowo działał głównie w Chinach, a tam mamy Wielki Chiński Mur i Chiny chcą klon całego stacka technologicznego w środku, więc musimy mieć serwery zarówno na Chiny jak i regiony zewnętrzne. W Cosmose w pewnym momencie osiągnęliśmy stadium, w którym ciężko było dalej pracować nad rozwojem modeli uczenia maszynowego, bo pierw trzeba było rozprawić się z infrastrukturą. Danych było bardzo dużo, ich ilość rosła i rośnie nadal, dlatego musieliśmy ściągnąć wielu inżynierów, którzy pracowali nad tym wszystkim. 

A co trzeba zrobić, żeby te dane okiełznać? Przede wszystkim narzędzia i rozwiązania, które tworzymy do obsługi tych danych, muszą być jak najbardziej wygodne. Nie możemy się z tym wszystkim mordować, nie ma uniwersalnego klucza mówiącego, jak to powinno wyglądać, bo to zależy od typu danych. Chcemy mieć możliwość przeglądania tak dużej ilości danych (a wiadomo im więcej, tym ciężej) po to, żeby móc te dane w jakiś sposób czyścić, żeby móc zrozumieć, co jest w środku, wyliczać statystyki.

Pojawia się masa mikroserwisów ITIL, które przetwarzają te dane i wypluwają w innych postaciach, bo w zależności od tego ile mamy usług i jakie potrzeby są, nie chcemy za każdym razem przetwarzać danych od zera, tylko chcemy mieć punkty, od których możemy startować, żeby przyspieszyć cały proces.

Warto na pewno się zastanowić nad granulacją danych. Jeżeli przykładowo to są logi z aplikacji z telefonu komórkowego, to one mogą przychodzić w dużej częstotliwości i dane jednego usera mogą być rozbite na paręnaście plików. W zależności od tego, jakie potrzeby ma nasza firma, musimy się zastanowić, jakie ustrukturyzowanie danych jest dla nas najważniejsze, czyli jaka granulacja, czy chcemy je mieć podzielone po dacie i żeby każdy shard zawierał wszystkie rekordy danego użytkownika, żeby nie trzeba było potem tego agregować, ściągać z wielu plików, wielu folderów itd. 

Takie zapisywanie wniosków pośrednich. Możemy mieć informacje zapisane w bazach danych po to, żeby nie każdy musiał przetwarzać te dane od zera, tylko zaczynał od wybranego punktu.

Warto korzystać z takich narzędzi jak np. Spark, rage, czyli coś co jedno zadanie rozbije na wiele maszyn i potem złoży nam wynik w całość. Bez tego takie obliczenia trwają bardzo długo, ale też można sobie jakoś z tym radzić przykładowo poprzez aproksymację. Można ściągnąć jakiś fragment danych np. 5% i drugie 5% danych, sprawdzić, czy te dwa podzbiory są do siebie podobne i wyciągnąć z nich wnioski, ekstrapolować. 

Trzeba utrzymywać porządek w tym wszystkim, czyli mieć określony jeden format nazewnictwa, żeby dana kolumna miała ten sam typ danych, tę samą nazwę w różnych częściach całego systemu. Polecam też korzystanie z binarnego formatu danych, a nie tekstowego, czyli zastąpić csv pakietami danych, bo są bardzo szybkie w odczycie, zapisie. Przechowują typy danych, kolumn, dzięki temu coś, co wystarczy, że jest określone int=8, nie musi być zawsze wczytywane jako int=64. Taki plik mniej zajmuje, a co za tym idzie, są to też mniejsze koszty. To minimalna optymalizacja. Te dane potem dodają się do siebie i to wszystko wpływa na ogólną jakość pracy. Do tego oczywiście duża ilość monitoringu, Grafana – to już tradycyjne rzeczy.

Warto zwrócić uwagę na rolę data engineeringu. To mocno wybrzmiało w Twojej wypowiedzi – cała infrastruktura danymi jest ogromnie ważna. To jest samo w sobie wyzwaniem, żeby stworzyć dobrą infrastrukturę, bo nie zawsze wiadomo, co tak naprawdę jest potrzebne. Często są stawiane hipotezy, w szczególności w startupach, które dopiero się rozwijają i różnie to może być. Dzisiaj biznes jest taki, jutro może być zupełnie inny. Wyzwań tu jest dość dużo, ale faktycznie ustabilizowanie infrastruktury umożliwia szybszy wzrost. Mówiliśmy o miliardach smartfonów i ambicjach na 2 miliardy smartfonów oraz ponad 10 mln sklepów (rok 2022). Mamy połowę 2021 roku, więc już nie tak dużo czasu zostało. Widać, że apetyt jest duży, więc ta infrastruktura musi być też skalowalna. 

To prawda. Mierzymy wysoko i to jest prawda, że jak zaczynałem pracę w Cosmose, to były obawy dotyczące tego, jak my to wszystko wyskalujemy. Potrzeba było ludzi z dużym doświadczeniem, żeby to wszystko ugryźć całkowicie inaczej.

Cosmose mi się kojarzy przede wszystkim z Chinami, bo tam zaczynaliście. Teraz poszerzyliście obszar działalności, do czego jeszcze wrócimy. Ale zacznijmy od Chin. W Polsce, w Europie mało się wie o Chinach i to nie jest przypadek, bo Chiny działają w taki sposób, jeżeli chodzi o infrastrukturę, że chętnie przejmują wszystkie dane, ale żadnych nie wypuszczają na zewnątrz. Masz może jakieś ciekawostki dotyczące współpracy w Chinach. Co Cię najbardziej zaskakuje? Jak to jest zorganizowane? 

Pierwszą rzeczą jest to, że Chiny chcą wszystkie dane mieć u siebie. Jeżeli chcemy robić jakiś biznes w Chinach, to nasze serwery czy Google Cloudowe czy AWS’owe muszą leżeć w Chinach i dane faktycznie muszą być w Chinach. Ponadto niektórzy data vendorzy nie dają czasami bezpośredniego dostępu do danych w ten sposób, że po prostu wysyłają plik, który leci zza Wielkiego Muru, ale logujesz się na jakiś remote komputer i wykonujesz pracę na komputerze, który fizycznie jest w Chinach. Takie rzeczy też mogą być uciążliwe. 

Ciekawy jestem skali. Te miliardy smartfonów to są w większości z Chin czy przez to, że są zanonimizowane, to tego nie wiecie? 

To nie są tylko smartfony z Chin, bo Cosmose nie działa tylko w Chinach, ale też aktywnie teraz działamy w Japonii i Malezji, co można przeczytać na naszych blogach. Dane telefonów to są często turyści, którzy wjeżdżają, przejeżdżają przez dany teren, więc to nie są tylko dane chińskie. 

Nie chodziło mi o to, że to są Chińczycy, tylko bardziej skala ludzi. Ciężko w Europie znaleźć informacje o miliardach smartfonów w samej Europie, bo tutaj maksymalnie się mierzy w milionach. Mniej ludzi tu mieszka, a w krajach azjatyckich jest większa populacja i z definicji wszystko jest o zauważalnie większe. 

Zaczęliście w Chinach, ale już pojawiły się kolejne rynki. Jak wyglądał proces wchodzenia do nowych krajów i co jest w planach? 

Nasza technologia początkowo miała zastosowanie tylko w Chinach, ale im więksi się stawaliśmy, im więcej dużych firm zaczęło chcieć z nami rozmawiać, tym łatwiej było też zwrócić uwagę innych graczy zagranicznych. Żeby do tego doszło, musieliśmy udowodnić, że nasza technologia działa. Odbywały się międzynarodowe dema dla innych, potencjalnych partnerów, klientów za granicą i to się wszystko nadal dzieje. Więcej nie mogę zdradzić. Na chwilę obecną Japonia i Malezja to są miejsca, w których świadczymy także usługi.

Specjalista uczenia maszynowego musi posiadać przede wszystkim umiejętności techniczne, żeby umieć rozwiązywać problemy, zakodować, ale na koniec dnia też powinien umieć sprzedać ten model. Sprzedać w sensie umieć obronić swoje pomysły, odpowiednio je zaprezentować, ewentualnie skonfrontować, pokazać najmocniejsze strony itd. Tutaj jest wiele różnych trudności, wyzwań. 

Brałeś udział już w różnych spotkaniach. Jak najlepiej się przygotowywać do takich spotkań albo jak nastawić swoje myślenie, aby odnosić większe sukcesy przy uczeniu maszynowym? 

Umiejętność prezentacji własnej pracy jest bardzo ważna. Nie tylko też przed inwestorami, ale także na co dzień w pracy, kiedy komunikujemy wyniki naszej pracy albo mamy jakiś pomysł i chcemy, żeby on się przebił. 

Trzeba sobie wpierw zadać pytanie: jakiego rozwiązania chce klient? Jaki jest problem i co chce rozwiązać? Wychodzić z tej perspektywy właśnie, żeby nie po prostu pokazać mu: mamy model i on działa tak i tak, tutaj są wykresy i liczba jego dokładności jest taka, bo to jest coś negatywnego, tylko chcielibyśmy mówić to, co ta osoba chce usłyszeć. Konkretnie co my przy pomocy danego modelu jesteśmy w stanie zrobić, jaki jego problem jesteśmy w stanie rozwiązać. Musimy koniecznie zmuszać go, żeby sobie wyobrażał, co przy pomocy tego modelu będzie mógł osiągnąć. Możemy mu to po prostu wprost przedstawić na tacy i to jest chyba bardzo efektywna rada moim zdaniem.

Druga rzecz to, żeby pokazując model, nie mówić za bardzo, na ile on jest dokładny, pokazywać wykresy, a bardziej zrobić to w sposób interaktywny, może trochę zabawowo. To też dobrze działa na co dzień w pracy w firmie, kiedy zamiast powiedzieć: zbudowałem model i on ma takie i takie takie właściwości, to np. zakodujemy do tego jakiś prosty front-end, który pozwala osobie wejść w interakcję i samemu sprawdzić, jak ten model się zachowuje i czy wrażenia z pracy z nim są dobre czy nie. 

Polecałbym, żeby mieć interaktywne demo, które klient może sam dotknąć. Żeby nie był za ścianą prezentacji, tylko mógł też mieć wpływ na to, co chcemy mu pokazać, żeby mógł powiedzieć: „zróbcie teraz to” i zobaczyć, jak ten model się zachowuje. 

W naszym przypadku to dobrze zadziałało. Podczas jednego spotkania klient zapytał, czy jesteśmy w stanie zbudować na miejscu, podczas dema nowy model z danych z jakiegoś miejsca. My po prostu zebraliśmy dane na żywo, on poszedł sobie do Starbucksa na kawę, my za paręnaście minut zbudowaliśmy model i on wrócił do zupełnie nowego sklepu i był w stanie zobaczyć logi na telefonie komórkowym, jak ten model się zachowuje, co trackuje i że to działa dokładnie tak, jak to, co mu pokazywaliśmy na demo.

To buduje duże zaufanie. Interaktywność tego demo, forma może zabawowa… niech klient nie będzie tylko osobą słuchającą, lecz biorącą aktywny udział w demo. Druga rzecz to zrozumienie potrzeb i powiedzenie ich na głos.

Interaktywność jest faktycznie bardzo pomocna w wielu obszarach. Powiedziałeś o zrozumieniu potrzeb klienta i przypomniała mi się historia, jak kiedyś pracowałem w korporacji, to było zrozumiałe, że trzeba zrozumieć, co chce klient, jego potrzeby. W sumie każdy to rozumie, ale de facto jak sobie analizowałem, co się działo później, to każdy i tak robił swoje. Trzeba faktycznie zrozumieć, co boli danego klienta, bo dopiero wtedy on będzie chciał słuchać. Wtedy przykujemy realnie jego uwagę. 

Co powinno się stać, że uznajemy, że zrozumieliśmy problem klienta? W jaki sposób rozpoznawać, że to zrozumieliśmy? To pytanie zwykle pobudza wyobraźnię. Czy możemy wprowadzić jakieś kryteria, żeby zmierzyć czy rzeczywiście już to zrozumieliśmy? 

Wracając do Japonii, jest tu ciekawa historia. Opowiedz, co się za nią kryje. 

W moim wypadku to zadziałało tak, że interesuję się Japonią holistycznie. Uczę się też języka japońskiego i kiedy poszedłem na studia, na pierwszym roku przeczytałem na stronie głównej Akademii Górniczo-Hutniczej, że jest organizowany coroczny wyjazd, taka aplikacja na program Vulcanus in Japan.

To jest program kooperacji Unii Europejskiej i Japonii, który wysyła co roku od 20 do 50 inżynierów po to, żeby nauczyli się pracować po japońsku. W ramach takiego programu mamy 4 miesiące szkoły językowej codziennie po około 6 godzin, a potem 8 miesięcy praktyk w jednej z firm, która zdecydowała się wziąć udział w programie i wystawić jakiś projekt. Ja dopiero od 3 roku studiów miałem możliwość starać o to. Za trzecim razem mi się udało. Na 5 roku pojechałem. Dostałem pozycję w firmie NTT i to był cały dział, cały budynek, który zajmował się machine learningiem, którym dzisiaj się zajmuję, ale wtedy mnie to aż tak nie interesowało. 

Zajmowałem się tam inteligentnym pokojem, który miał analizować emocje rozmówców. Ja dodawałem do tego obsługę dźwięku. Programowałem wtedy w języku C, a był taki problem, że stało paręnaście mikrofonów obok siebie i miałem na zadanie wdrożyć algorytm, który rozpoznaje, która osoba w danej chwili mówi, z którego mikrofonu (dźwięk się rozchodzi po wszystkich mikrofonach), która osoba jest tą główną mówiącą.

Spędziłem tam cały rok i to jest prawdopodobnie jeden z najciekawszych okresów mojego życia. Jak wspominałeś, potem tak się złożyło, że Cosmose zaczął też współpracować z jedną z firm z Japonii i trzeba było pokazać, udowodnić, że nasze rozwiązania działają. Miałem okazję pojechać i użyć w praktyce tego wszystkiego, czego się nauczyłem 6 lat wcześniej.

Dlatego warto rozwijać swoje zainteresowania, bo nigdy nie wiemy, kiedy i jak może nam się to przydać. 

Machine Learning – od czego zaczać?

Masz może wskazówki dla osób początkujących? Odsyłam oczywiście do prezentacji, którą prowadziłeś na DataWorkshop, gdzie dzieliłeś się doświadczeniami z rekrutacji od strony osoby rekrutującej. Na co powinna zwrócić uwagę osoba początkująca, aby zacząć w praktyce działać w tym obszarze?

Po tej prezentacji parę osób się jeszcze do mnie prywatnie zgłosiło i faktycznie dostały pracę, więc jestem zadowolony, że mogłem komuś pomóc. Jeżeli chodzi o wejście do machine learningu, to tutaj z mojej perspektywy wszystko się cały czas zmienia. W zależności od firmy będziemy potrzebować zupełnie innego skill setu. Coraz częściej np. popularna jest pozycja ML Opsa, gdzie szuka się osób hybrydowych, które umieją trochę programować, trochę robić machine learning. To, do jakiej firmy będzie dana osoba aplikować, może wpłynąć na to, jakich umiejętności będzie ta firma wymagać.

Z ogólnych rzeczy trzeba mieć pewne fundamenty ze statystyki i matematyki. Takie dość podstawowe tematy, bo jak uczyć się tych wszystkich algorytmów albo analizować dane, jeżeli nie znamy skrajnie podstawowych pojęć. Na pewno chcemy mieć możliwość używania jednego języka programowania czy to R, czy Python, skryptowego.

Coś do pracy z danymi czyli SQL. Jeżeli chodzi o umiejętność Clouda czyli korzystanie z AWS, to jest bardzo mile widziane, bo większość danych jest przechowywanych gdzieś na Google Drive, na S3. Jeżeli chodzi o sam machine learning, to ja jak zaczynałem, bardzo byłem skupiony na tym, żeby doskonale wiedzieć, jak algorytmy działają, ale to w tym wszystkim jednak nie jest chyba najważniejsze, bo jeżeli ma się głowę na karku, to algorytmów można się w dowolnej chwili douczyć, a pracodawca nieważne na jaką pozycję, zawsze będzie szukał osób, które umieją łączyć kropki, kombinować i myśleć, więc takie soft skille są też ważne.

W uczeniu maszynowym ważniejsze niż znajomość wszystkich algorytmów jest zrozumienie jak one działają, bo często się zdarza tak, że musimy wyedytować algorytm, coś zmienić, inną funkcję dystansu mu wrzucić. Warto wiedzieć, jak takie ogólne koncepty działają, jak algorytmy się uczą, spadek gradientu albo czym jest boosting, może podstawy sieci neuronowych – tego typu rzeczy. 

Po co to wszystko robimy? Po co jest machine learning? To jest chyba najważniejsze, bo łatwo jest wrzucić dane w model i potem nic z tym więcej nie zrobić albo jeszcze gorzej – dać sprzeczną informację, że czegoś się nie da zrobić, a tak naprawdę mieliśmy do tego złe podejście albo zrobić coś bez wiedzy. Czyli umieć określić, jak metryki mierzące efektywność modelu spinają się z biznesem?

Czy to, że model ma AUC 0,9, to czy faktycznie jest to spięte z tym, że firma będzie miała z tego zysk, czy może jest odwrotnie? Mój model ma 0,9, a my nie mamy jak tego użyć. Tego typu połączenia są niesamowicie istotne do zrozumienia. 

Ja jak zaczynałem, to wpadłem w bardzo dużą pułapkę. Taką, że chciałem niesamowicie ten machine learning robić. Chciałem go robić za wszelką cenę. Wyobrażałem sobie, że machine learning engineer to jest taka osoba, która po prostu rozwiązuje rzeczy uczeniem maszynowym i tyle. Dzisiaj, po tych 3 latach, mam zupełnie odwrotną definicję – machine learning engineer to jest ta osoba, która ma dostarczyć wartość firmie, a wartością czasami jest usunięcie całego uczenia maszynowego. Jeżeli jesteśmy w stanie coś rozwiązać bez machine learningu, to czemu tego nie zrobić zamiast komplikować nasze systemy?

To są złote słowa, bo właśnie o to chodzi, że w dojrzałym podejściu rozumiesz, że czym prościej coś zrobisz, to tym lepiej będzie i wszyscy na tym zyskają. 

Przyszłość Machine Learning

Popatrzmy teraz nieco w przyszłość. Jak myślisz, jakie kamienie milowe przekroczymy za 5, 10 lat w uczeniu maszynowym i co wtedy już osiągniemy?

Ciężko mi powiedzieć, gdzie machine learning dotrze za parę lat. Kiedy ja zaczynałem się uczyć uczenia maszynowego, to dużo osób przychodziło i mówiło, że w roku 2039 będziemy mieli General AI, ale jak zacząłem się tego wszystkiego uczyć, to dzisiaj widzę, że te wszystkie algorytmy mają jeszcze dużo wad, niedoskonałości.

Tempo, w jakim to wszystko posuwa się do przodu, wcale nie zachęca do myślenia, że będzie jakiś gigantyczny boom. Nie zmienia to faktu, że wiele rzeczy może się w przyszłości zmienić. Łatwiej mi przewidzieć to, jak branża będzie się zmieniała. Na chwilę obecną bardzo brakuje pozycji ML Opsa, która się niedawno wytworzyła czyli osób, które łączą software engineering z machine learningiem, czyli żeby ten machine learning nie zostawał tylko po stronie R&D. Uważam, że coraz więcej takich zawodów będzie w przyszłości.

Jeżeli chodzi o ciekawostki, wzmianki, to tutaj mam takie spostrzeżenie, że ostatnio mieliśmy boom na tzw. wirtualnych youtuberów. Powstały tzw. Face Rig czyli awatary 3D, które są mapowane na ludzi i bardzo dużo osób teraz streamuje, nie pokazując siebie, tylko pokazując swój awatar.

Wiadomo, że takie systemy wizyjne są bardzo często oparte na deep learningu i tu jeszcze jest dużo miejsca na poprawę, a to się bardzo wszystko dobrze rozwija. Widzę to tak, że np. za parę lat ludzie będą w stanie wybrać swój wizerunek w Internecie oraz swój głos i tak naprawdę sami będą mogli zdecydować o tym, jak inni ich postrzegają. To może jest przyszłościowa, rewolucyjna zmiana, ale nie jest to game changer w naszym świecie.

Z innych rzeczy to przykładowo mamy pair programming. Ostatnio chyba GitHub wypuścił program, który rozumie nazwę funkcji, metodę i próbuje nam zaproponować kod. Coraz więcej może się pojawiać takich rozwiązań, gdzie człowiek będzie miał okazję wejść w interakcję, współpracować z uczeniem maszynowym i usprawniać swoją pracę. 

Z bardziej niepokojących rzeczy myślę, że na pewno będzie postępował problem fejków, cyberataków, ogólnie bezpieczeństwa. Chyba Rosja zaimplementowała już jakiś AI do rakiet. Kiedyś był taki film o dronach, które były używane do zabijania polityków, oczywiście to była fikcja, ale takie scenariusze mogą coraz bardziej być realne, bo kraje będą też musiały odpowiadać na to, że jeżeli ktoś będzie wdrażał uczenie maszynowe w wojsku, to też tutaj na pewno coś się będzie działo. 

Koniecznie pojawi się także coraz więcej regulacji dotyczących uczenia maszynowego. Ludzie coraz bardziej są świadomi, że takie algorytmy istnieją i że mają mniej możliwości decydowania o samym sobie, że są może troszkę inwigilowani, że to, co robią na co dzień, jest analizowane. Nawet ostatnio kolega powiedział, że się nie wyspał, chwilę potem dostał reklamę materaców zdrowotnych do spania.

Myślę, że coraz więcej będziemy natrafiać na niezadowolenie społeczne, które będzie prowadzić do wprowadzania reform, zasad chroniących nas przed tym wszystkim, jakieś data privacy. To taki mój skromny pogląd.

Widziałem też, że zamiast zwykłych awatarów będziemy też mieć teraz głos, a być może jakieś postacie 3D. Ciekawy świat.

Syntezatory głosu, które świetnie udają osobę, już są tak naprawdę. Zresztą mieliśmy nieraz jakieś papiery naukowe, publikacje, które dobrze oddawały głos rozmówcy. Rozpowszechnienie tego jest jak najbardziej realne w przyszłości.

Dzięki, Kamil, za dzisiejszą rozmowę. Życzę Ci dalszych sukcesów na polu uczenia maszynowego, rozwijaj się. Myślę, że jeszcze wiele osiągniesz w tym obszarze. Dzięki. Do zobaczenia.

Dzięki wielkie i do usłyszenia.

Artykuł Machine Learning Engineer – kariera, wyzwania, możliwości pochodzi z serwisu Biznes Myśli.

Jak rozwijać się, aby czuć rozpęd i satysfakcję? Praktyczne uczenie maszynowe to bardzo rozległy obszar wiedzy i działań, który daje wiele możliwości, ale także potrafi zwieść na manowce i sprawić, że zacznie się błądzić, co może kosztować wiele czasu, energii i frustracji. Poznaj 3 krótkie historie efektywnego rozwoju, które mogą stać się dla Ciebie inspiracją i cenną wskazówką.

Jeśli jesteś na tym blogu od dłuższego czasu, to wiesz, jak bardzo zależy mi na tym, żeby dzielić się wiedzą i uwalniać potencjał. Tym razem zaprosiłem do rozmowy trzy osoby, które brały udział w kursach DataWorkshop. Gdy obserwuję, jak się zmienia świat po tych kursach, to czuję wartość dodaną.

Dlatego nagrywam podcast i piszę ten tekst dla osoby, która w tej chwili potrzebuje takiej pomocy. Lubię zapraszać uczestników kursów, bo ich historie są inspirujące i nierzadko motywują słuchaczy podcastu i czytelników bloga do zmiany czegoś w życiu. Często zdradzają, że wcześniej nie mieli w swoim otoczeniu nikogo, kto interesowałby się omawianymi tutaj tematami, a znaleźli tu dla siebie coś wartościowego. Niektórzy dzięki kursowi zmieniają firmę lub stanowisko na bliższe uczeniu maszynowemu.

Chcę o tym mówić szczególnie, że w tej branży krąży wiele mitów m.in. dotyczących tego, że machine learning to dziedzina tylko dla osób technicznych, programistów. Najpierw trzeba mieć 5-10 lat doświadczenia w programowaniu, dopiero później wkracza się do świata uczenia maszynowego. Oczywiście to wszystko nie jest łatwe. Widuję też osoby, które nie chcą zrobić nic i mieć wszystko – to się zdarza i to nie działa.

Widzę także takie przypadki, kiedy człowiek, który wcześniej wątpił, wahał się, czy warto zacząć, czy to jest aby na pewno dla niego – po prostu dołącza do kursu, próbuje swoich sił i nie tylko zdobywa wiedzę techniczną, ale udowadnia sobie, że najzwyczajniej “da radę”. Dużą rolę odgrywają konkursy organizowane w trakcie kursów, które dają możliwość i poczucie, że sam sobie udowadniasz, że potrafisz.

To brzmi może prosto i trywialnie, ale pamiętaj, że tak naprawdę największym blockerem, jaki możesz spotkać w swoim życiu, jesteś Ty sam. Tak naprawdę wiele ograniczeń to są ograniczenia nie ze świata zewnętrznego, a z wewnętrznego. Owszem, świat do Ciebie przemawia w ten czy inny sposób, różne prognozowania tworzy i mówi, gdzie jest Twoje miejsce, ale ostatecznie to Ty decydujesz, czy iść do przodu, czy działać albo czego potrzebujesz, żeby to było jak najbardziej wartościowe dla Ciebie. 

Ostatnio zauważyłem, że w świecie akademickim jest bardzo wiele młodych ludzi, którzy spędzili dużo czasu pracując na uczelniach, ale zaczęli gubić swój potencjał. Gdy dołączają do kursu, zaczynają inaczej widzieć swoje otoczenie. Zauważają, że nie muszą pozostawać w miejscu, w którym się nie rozwijają.

Wtedy zaczynają dziać się rzeczy, które mnie bardzo inspirują. Osoby, które przez 5, 10, 15 pracowały w tym bardzo zamkniętym środowisku, decydują się na zmiany. To jest trochę paradoksalna rzecz, bo ja właściwie jestem samoukiem. Mam wykształcenie wyższe, ale większość swoich umiejętności nauczyłem się sam.

Wdrażam projekty w praktyce, pomagam w praktyce i stąd czerpię całą wiedzę i inspirację. Paradoks polega na tym, że to też zaczyna przemawiać do wielu osób ze świata akademickiego, którym zależy na wyniku, a nie na tym, żeby zajmować się papierologią. Jeżeli jesteś z tego świata i czujesz pewien dyskomfort, że coś Ci nie gra i być może warto byłoby ten potencjał wykorzystać inaczej, to zapraszam.

Dla mnie to była niespodzianka w pewnym sensie, że tak duża grupa osób ma taki niedosyt. Samorealizacja ma też takie pewne stereotypowe myślenie polegające na tym, że po prostu nie można wychodzić poza pewne ramy, granice. Tak naprawdę zwykle się nie robiło coś poza to, co było powiedziane. To nie jest innowacyjne podejście. W taki sposób nie da się nic stworzyć nowego, jeżeli my z góry wiemy wszystko. Tu chodzi o eksperymentowanie. 

Zwykle mówię, że „Praktyczne uczenie maszynowe od podstaw„ jest dla osób początkujących i to jest prawda. Osoby, z którymi będą rozmawiać opowiedzą o swoich doświadczeniach.

Z drugiej strony czasem osoba, która już w tej chwili pracuje jako inżynier machine learning albo data scientist, pracuje przy pewnym projekcie, w szczególności jeśli to jest duża firma i duży projekt, dość często jest w wąskim kanale myślowym, cały czas przerabia w kółko te same schematy i brakuje jej szerszego poglądu.

Zauważyłem, że część już doświadczonych osób, które jednak się zdecydowały dołączyć, już po pierwszym lub drugim module w „Praktycznym uczeniu maszynowym od podstaw” również czuła, że dowiaduje się nowych, przydatnych rzeczy. Nie chodzi tu o trudniejsze, bardziej skomplikowane rzeczy, lecz takie, które najzwyczajniej można przeoczyć koncentrując się na konkretnym problemie.

Kursów powstaje coraz więcej. W tej chwili przygotowany jest kurs „Praktyczne uczenie maszynowe od podstaw„. Przed nim warto przerobić „Wprowadzenie do Pythona”. Też są jeszcze odmiany NLP, czyli „Praktyczne przetwarzanie języka naturalnego” i „Praktyczne prognozy szeregów czasowych”, który był zawieszony w tej edycji, ale być może w kolejnej będzie uruchomiony. 

Zaprosiłem dzisiaj 3 osoby, żeby podzieliły się swoim doświadczeniem, historią życiową. Też warto powiedzieć, że czasy, w których żyjemy, są dość niepewne, niestabilne i pewne rzeczy będą się zmieniać. Warto przyznać, że w wielu branżach  pewne rzeczy będą się optymalizować i zobaczymy, jak dalej uczenie maszynowe będzie się rozwijać.

To jednak temat na osobny wpis. Ta automatyzacja również będzie się uwydatniać w tej branży, ale widać, że w tej chwili jest popyt na to rozwiązanie. Wynika to między innymi z tego, że biznes, który w tej chwili ma dość duże kłopoty w obecnych zamieszaniach, musi sobie jakoś radzić.

Nie może sobie pozwolić na działanie, które znaliśmy dotychczas i musi zrobić coś, żeby to było bardziej optymalne, przemyślane. De facto to się sprowadza do tego, że gdzieś tutaj automatyzacja, a jeszcze lepiej inteligentna automatyzacja (czyli uczenie maszynowe) będzie przydatne. 

Zaprosiłem dzisiaj trzy osoby. Dwie z kursu „Praktyczne uczenie maszynowe od podstaw” i jedną z kursu NLP, przy czym ta osoba już wcześniej ukończyła również kurs „Praktyczne uczenie maszynowe od podstaw”. 

Pierwszym gościem będzie Maja, z którą poznaliśmy się w ramach kursu „Praktyczne uczenie maszynowe”

Maja w tej chwili mieszka w Wielkiej Brytanii. Pracuje w większej instytucji i chciała zobaczyć praktyczne spojrzenie na uczenie maszynowe, bo przedtem przerabiała różne rzeczy (na kursie i w Internecie), ale brakowało praktycznego spojrzenia i części związanej z programowaniem.


Dodatkowo wartością jest to, że poczuła wewnętrzne przekonanie, że da radę i np. braki z Pythonem nie zawsze powinny być blockerem. 

Cześć Maja. Przedstaw się: kim jesteś i opowiedz o swoim doświadczeniu.

Cześć Vladimir. Mam na imię Maja. Jestem związana z data science od 2 lat, bo właśnie 2 lata temu zaczęłam studia magisterskie w tym obszarze. Studiowałam w Anglii i pracuję teraz na stanowisku Food and nutrition data scientist, czyli zajmuję się data science w żywności i diecie. Pracuję w instytucie badawczym w od kilku miesięcy. Jestem na kursie Vladimira, żeby poprawić swoje umiejętności praktyczne w obszarze uczenia maszynowego. 

Jesteś na kursie, pewnie jest ku temu jakiś cel. Jak uczenie maszynowe może pomóc naukowcom? Jak to może pomóc Tobie? Po co sięgać po te narzędzia?

W moim przypadku to nie chodzi koniecznie o naukę. Nie jestem w obszarze naukowym dlatego, że taki miałam cel od początku. Akurat tak się zdarzyło, że ten instytut będzie potrzebował kogoś, kto będzie zajmował się interesującym mnie obszarem.

Myślę jednak, że w przyszłości bardziej będę się skłaniała ku pracy w przemyśle. Widzę duże możliwości, jeżeli chodzi o przemysł żywnościowy i uczenie maszynowe, ponieważ wydaje mi się, że ten przemysł generuje duże ilości danych. Jest wielki, ogromny, codziennie produkuje się dużą ilość żywności i już są aplikacje takie jak rozpoznawanie poprzez computer vision, czy jakiś produkt już jest zepsuty czy nie (coś czego człowiek nie może zauważyć).

Jeżeli chodzi o to, czym się zajmuję obecnie, to tutaj przede wszystkim chodzi o spersonalizowaną dietę. Wszyscy wiemy, że niektórzy ludzie potrafią jeść i nigdy nie tyją, a inni tyją bardzo łatwo. Ludzie reagują w bardzo różny sposób na żywność. Naukowcy próbują zbadać przyczyny, ale nie do końca jest to wiadome. Teraz z uczeniem maszynowym i z ilością danych, która już została wygenerowana lub które możemy wygenerować, jest szansa, żeby znaleźć te czynniki.

Jedno źródło danych – np. Fitbit. Dużo ludzi używa tego zegarka, który jest w stanie zmierzyć różne parametry – jak oni się zachowują w ciągu całego dnia. Będą to bardziej dokładne dane niż kiedykolwiek indziej. Jeżeli pytamy ludzi, co robili wczoraj, wtedy wiadomo, że oni nie pamiętają większości rzeczy i nigdy się do końca nie dowiemy, ale jeżeli mamy teraz metody, żeby sprawdzić to, to badania mogą pójść dalej. 

Ja będę próbowała stworzyć model, który będzie w stanie przewidzieć, jak człowiek zareagują odpowiedzią glikemiczną na dane jedzenie, na podstawie jego indywidualnych cech np. konkretnych bakterii w jelicie.

Tutaj może warto sprostować jedną rzecz, bo “glikemiczne” brzmi fachowo. Pewnie chodzi o poziom cukru, prawda?

Tak, chodzi o to, jak zmienia się poziom cukru po spożyciu danego produktu przez daną osobę albo przez osobę o danych cechach.

Brzmi to ciekawie. A propos diety i tego, że każdy z nas jest inny – genetyka robi cuda przeróżne, że w jednym przypadku wystarczy zjeść trochę i człowiek tyje, a w innym człowiek siedzi cały czas i jest całkiem spoko. W obecnych czasach, biorąc pod uwagę liczbę fast-foodów, których ludzie spożywają sporo, to ta genetyka im też się niestety psuje.

To jest też ciekawe, że to wszystko jest dynamiczne, więc jest dużo wyzwań, które masz przed sobą albo osoby, które tym się zajmują. Dlaczego wybrałaś kurs i czy już czujesz, w czym Ci pomaga?

Tak, zdecydowanie czuję, że mi pomógł. A dlaczego akurat wybrałam ten kurs? Gdy zaczęłam pracę kilka miesięcy temu, wiedziałam, że będę musiała stworzyć model uczenia maszynowego i moja szefowa zapytała mnie, czy chcę dodatkowo się doszkolić. Na to odpowiedziałam, że oczywiście, że tak, bo zawsze dobrze wiedzieć więcej niż mniej. Szczególnie, że miałam dotychczas tylko doświadczenie z uczelni, więc nie miałam praktycznego doświadczenia jak zbudować model, który będzie można do czegoś użyć.

Szukałam konkretnie kursów, które będą miały praktyczne nastawienie. Niestety dla mnie, większość kursów o uczeniu maszynowym albo ogólnie w data science odbywają się tylko online. Co prawda są to często świetne kursy, bardzo dobrze prowadzone, ale wiem już z doświadczenia, że taka formuła nie do końca mi odpowiada. Zapisałam się na naprawdę setki kursów w moim życiu i bardzo ciężko jest mi dobrnąć do końca.

Ciężko mi zdobyć motywację na coś takiego. To jest w sumie dość ciężkie psychologicznie dla mnie, myśląc, że ta cała wiedza jest już w Internecie, że gdybym tylko miała motywację, żeby przejść przez to, zmusić się, żeby to zrozumieć, to mogłabym wiedzieć o wiele więcej. Jak wiemy, to nie jest takie łatwe. Dlatego właśnie ten kurs przekonał mnie tym, że już sam opis podkreślał to, że to nie jest taki po prostu kurs online, mimo że nie odbywa się osobiście.

Opcję stacjonarną niestety miałam zminimalizowaną do zera przez obecną sytuację z pandemią, więc zdecydowałam się na ten kurs, ponieważ było bardziej osobiste podejście, że jednak był jakiś kontakt z ludźmi i muszę powiedzieć, że naprawdę to się świetnie sprawdziło. Fakt, że wszyscy przechodzimy przez kurs w tym samym czasie, nie jak w trakcie kursów online, że można zacząć kiedykolwiek się chce.

Fakt, że mamy całą społeczność ludzi, z którymi możemy rozmawiać na Slacku i naprawdę ludzie są aktywni na tym czasie, więc ciągle wiadomo, że to nie tylko ja robię ten kurs. Mogę zadać pytanie i ludzie mi odpowiadają, więc nie jest tak, że utknę w którymś momencie. Fakt, że widzimy się co sobotę na webinarach. Też sam konkurs, który był elementem kursu.

Taka dodatkowa motywacja, że muszę to skończyć przed terminem i mam motywację, żeby nauczyć się więcej i polepszyć mój wynik przez samą rywalizację. Myślę, że te wszystkie elementy pozwoliły mi wreszcie zebrać moją motywację, usiąść do tego i nauczyć się porządnie. Jeszcze jeden element kursu, który mi się podoba, to to, że wiedza jest przedstawiona w sposób przemyślany i nie jest to płytkie, jak niektóre kursy, które można znaleźć w Internecie.

Vladimir bierze przykłady i treści ze swojego własnego doświadczenia praktycznego, więc nie pozostaje tylko na fundamentach teoretycznych, a resztę pozostawia uczestnikowi, żeby sam sobie później znalazł. Wysoki poziom merytoryczny i to zaangażowanie to dwa główne aspekty, które pomogły mi w tym kursie. 

Jak wyglądała sprawa ze znajomością Pythona, czyli języka, którego używamy do kodowania? Jak ewolucja wyglądała w tym przypadku?

Wspomniałam, że mam studia magisterskie jednoroczne w obszarze data science, ale nie jestem informatykiem i nie mam programistycznego doświadczenia, więc mam obawy, że nie mogę być dobrym specjalistą, jeżeli nie umiem programować lepiej. Tutaj właśnie kurs bardzo mi pomógł, ponieważ mimo tego, że nie wiedziałam tak dużo o Pythonie, bo głównie używałam w trakcie studiów i w pracy języka programowania R, to udało mi się po pierwsze poprzez pierwszy moduł, który Vladimir nam dał do powtórki z Pythona.

Poza tym po prostu przez praktykę udało mi się poczuć o wiele pewniej teraz. Też w trakcie konkursu używając Pythona, udało mi się osiągnąć dobry wynik. Pomyślałam, że może wcale nie muszę być programistą, żeby umieć stworzyć dobre modele i żeby być w tym dobra. To był dla mnie moment, w którym poczułam, że może faktycznie mogę to zrobić i być może powinnam pozbyć się tych wszystkich swoich obaw.

Pomimo że teoretycznie oczywiście wiele razy czytałam i słyszałam ludzi mówiących, że programowanie to nie wszystko, trzeba mieć jeszcze inne umiejętności, żeby być dobrym w uczeniu maszynowym, ale właśnie doświadczyłam teraz tego w praktyce i bardzo mnie to podbudowało.

Rozmawialiśmy o tym, że jeżeli spojrzeć na Twoje rozwiązania z konkursu i pokazać Ci 4 tygodnie przed startem kursu i powiedzieć, żebyś poczytała ten kod, to niekoniecznie było Ci łatwo to odczytać. Ale potem sama to wszystko stworzyłaś. W ramach kursu jest konkurs, czyli mamy 2 tygodnie na to, żeby rozwiązać konkretny problem. W edycji 7. mieliśmy prognozowanie cen samochodów.

Były prawdziwe dane, dużo różnych kłopotów z życia wziętych, duplikaty, braki w danych, niejasności, dane trzeba łączyć odpowiednio itd. Ten konkurs trwał 2 tygodnie, wzięło udział ponad 50 osób i zajęłaś trzecie miejsce. Była bardzo gorąca rywalizacja i rozwiązania, które były na pierwszym, drugim miejscu nie były bardziej zaskakujące, tylko kwestia pewnych szczegółów, które później były omawiane. Ta sama liga. 

Jak Ci pomógł konkurs i jaka największa wartość jest po nim dla Ciebie?

Są dwa aspekty, w których konkurs mi pomógł – aspekt psychologiczny i praktyczny. Aspekt psychologiczny: dodało mi to wiary w siebie, że jestem w stanie stworzyć rozwiązanie, które może będzie lepsze niż rozwiązania innych ludzi i że jestem w stanie osiągnąć wynik, który jest satysfakcjonujący.

Aspekt praktyczny: lubię rywalizację, więc byłam dość zmotywowana tą sytuacją, kiedy musiałam coś stworzyć w przeciągu 2 tygodni. Miałam motywację, żeby wrócić do lekcji, które mieliśmy w trakcie kursu i wyciągnąć stamtąd wszystko, co mogłam, żeby tylko pomóc mojemu modelowi dostać jeszcze lepszy wynik w konkursie.

Czuję, że na pewno pozwoliło mi to przejść przez materiał lepiej, głębiej zapisać to w mózgu, tak że teraz na pewno już tego nie zapomnę. Na pewno poprawiło mi to pewność siebie i bardziej mnie upewniło w tym, że to jest to, co chcę robić.

Informacyjnie dodam, że dostępne jest nagranie, które zrobiliśmy już po konkursie. Tam były prezentacje, też Maja występowała, opowiadała o swoim rozwiązaniu bardziej technicznie, jak do tego podchodziła. Ciekawostka mi się przypomniała, bo każda osoba z top 3 potwierdziła to, że aspekt psychologiczny jest ważny.

To ciekawa rzecz, na ile człowiek potrzebuje czasem sam sobie udowodnić, że da radę. To jest ważne, bo faktycznie wtedy czujesz, że masz moc, siłę, teraz możesz iść dalej do przodu. Chociaż de facto jakby nic się nie zmieniło, bo nadal jest ten sam człowiek, te same ręce, głowa itd., ale ta energia, która płynie ze sprawdzenia, że faktycznie dam radę, jest istotna. Człowiek jest istotą psychologiczną i ta psychologia ma duże znaczenie.

Jeszcze dodam, że właśnie tutaj też rolę gra to, że ludzie tacy jak ja, rzadko mamy taką okazję. Ja pracuję z ludźmi, którzy nie mają nic wspólnego z data science. W gronie znajomych też nie ma wielu ludzi, którzy tym się zajmują, więc jedyną wiedzę o ludziach, którzy to robią, mam z Internetu i widzę ich super skomplikowane rozwiązanie. Pewnie najlepsi ludzie publikują w Internecie i to może stworzyć takie wrażenie, że tak naprawdę to się nie wie nic. Taka okazja, żeby zweryfikować się na swoim poziomie, jest bardzo cenna.

Przypomniał mi się cytat jednej osoby na podsumowaniu konkursu, która mówiła, że też nie ma ani kolegów związanych z ML i data science. Na co była odpowiedź:

– Jak to nie masz? Przecież jest ponad 100 osób na kursie, więc już masz trochę znajomych w tej branży.

Bardzo dziękuję Maju za podzielenie się swoim doświadczeniem, przemyśleniami. Na koniec powiedz jeszcze – z Twojego punktu widzenia, komu warto polecić ten kurs?

Poleciłabym ten kurs osobom, które mają już trochę teoretycznego przygotowania, bo też muszę przyznać, że na początku czułam, że gdybym nie wiedziała w teorii, czym są te modele, to też ciężko byłoby mi używać potem tego w praktyce.

Więc jednak ludziom, którzy mają już jakąś pierwszą styczność z ML teoretyczną, ale chcą nauczyć się używać tego w praktyce. Kurs Vladimira jest pełen praktycznych porad z jego doświadczenia, które moim zdaniem są świetne. Super jest właśnie usłyszeć to od kogoś, kto tego używa na co dzień i ma bardzo praktyczne nastawienie. Polecam to ludziom, którzy lubią praktykę.

Dziękuję Ci za tę informację. Życzę wszystkiego dobrego, sukcesów w tej dziedzinie, w której teraz działasz. Mam nadzieję, że za jakiś krótki czas pewne aplikacje będą się pojawiać i ludzie zaczną lepiej się odżywiać. Przynajmniej w jakimś drobnym stopniu, bo ten problem sam w sobie jest dość skomplikowany. Też tam jest psychologii dużo w tym problemie, ale to już temat na inny odcinek. Dzięki wielkie Maja.

Kolejnym moim gościem będzie Bartek, który jest po kursie NLP, czyli „Przetwarzanie języka naturalnego„. Bartek ukończył pierwszy kurs „Praktyczne uczenie maszynowe od podstaw„ jakiś czas temu i wtedy dopiero rozważał, żeby przejść na samodzielną pracę, żeby prowadzić freelancing.

Faktycznie to się udało i w tej chwili realizuje różne projekty. Całkiem fajnie się rozpędza, czuć na ile ten człowiek ciągle chce się rozwijać, żeby poszerzyć swoje portfolio. Zawsze powtarzam, że technologia jest tylko narzędziem, liczy się bardziej umiejętność zastosowania tej technologii. Bartek z jednej strony pochodzi ze środowiska języka R. To jest alternatywa do Pythona.

Czasem te środowiska są bardzo rozłączne. Przy okazji kursu, a później też samodzielnie, poznał Python. To fajnie łączy, bo tak naprawdę to, czego się nauczył z czasem, to nie mylić narzędzia z rozwiązaniem, bo w biznesie wszystko jedno czy tam się użyje narzędzia „a” czy „b”, ważne żeby to przynosiło wartość dodaną. 

Cześć Bartek. Powiedz kilka słów o sobie, czym się zajmujesz?

Cześć Vladimir. Dziękuję za zaproszenie. Ja jestem już po raz drugi absolwentem kursu DataWorkshop. Z wykształcenia jestem matematykiem, natomiast jeśli chodzi o programowanie, to jestem samoukiem. Niektórzy mogą mnie kojarzyć z języka R. Jestem entuzjastą R, współorganizatorem krakowskich spotkań tego języka.

Też jestem w zarządzie Fundacji “Why R?”, która zajmuje się promowaniem R trochę szerzej. Natomiast jeśli chodzi o pracę to jestem freelancerem, który jest otwarty na nowe wyzwania. Interesuje mnie szeroko pojęta analiza danych, automatyzacja procesów. Mój background to właśnie statystyka, R, Python, VBA. Ogólnie często bardzo dopasowuję się do klientów i staram się spełniać ich oczekiwania. 

Dopasowanie się do klientów to prawdopodobnie odpowiedź na kolejne pytanie – dlaczego zdecydowałeś nauczyć się albo zgłębić wiedzę w temacie NLP?

Poszerzenie swojego portfolio – zauważyłem, że na portalach freelancerskich tematyka NLP bardzo często się pojawia i wydaje mi się, że to nie są też trudne zagadnienia, bo zazwyczaj chodzi o jakąś klasyfikację, analizę sentymentu. Natomiast dodatkowo mam pewne komercyjne, niekomercyjne projekty, które chciałbym zrealizować.

Mam jeden projekt dla aktualnego klienta, który dotyczy aktualizacji danych wyszukiwarki o lekach. Natomiast drugi projekt jest hobbystyczny, ale też z naciskiem na własną działalność, czyli zastosowanie NLP w web scrapingu, czyli pobieraniu danych.

Czyli rynek NLP, jeżeli chodzi o przetwarzanie języka naturalnego jest dość szeroki i rośnie, bo firmy dostrzegają ten potencjał. Jak planujesz wykorzystać zdobytą wiedzę i czujesz rozwój po kursie?

Czuję duży przyrost wiedzy po kursie. To na pewno bardzo mi pomogło. Nie wiem, czy chcesz wiedzieć w szczegółach czy tak ogólnie na temat tych projektów, gdzie chciałbym to zastosować?

Może żeby nie wchodzić zbytnio w szczegóły, ale możesz podać jeden przykład bardziej konkretny tylko, żeby też wybrzmiało, że to są konkretne przykłady.

W przypadku tej wyszukiwarki celem jest to, żeby ona sama się aktualizowała. Tworzę skrypty, które zbierają dane ze stron i to, co jest potrzebne, to otagowanie tych informacji. Głównie właśnie nazwa leku, substancji czy jakiś innych rzeczy medycznych. Bardzo często na to idą regexy, ale niektóre źródła danych wymagają ingerencji człowieka, więc tutaj widzę zastosowanie NLP, żeby tagowanie robić automatycznie. 

Dodam, że regexy to wyrażenia regularne, dla osób, które nie miały z tym styczności. Co okazało się najbardziej przydatne, zaskakujące, przełomowe dla Ciebie podczas nauki NLP na kursie?

Mam wrażenie, że wszystko. Ale teraz jest mi trudno ocenić, jestem świeżo po kursie i praktyka pokaże, co będzie przydatne faktycznie. Natomiast z rzeczy zaskakujących to taka rzecz, że przy pewnych zagadnieniach naprawdę nie trzeba dużo wysiłku, żeby uzyskać satysfakcjonujący wynik. Te metody są już na tyle fajnie zbudowane, że wystarczy lekko oczyścić dane, wrzucić je w pudełko i już mieć sensowne wyniki. 

Zaczęliśmy od tego, że zobaczyłeś, że na rynku NLP jest pewien popyt, więc zdecydowałeś się zaangażować i rozwinąć swoje umiejętności w tym kierunku. Jakbyś mógł powiedzieć osobom, które być może rozważają, czy warto wejść do świata NLP, czy warto wybrać jakąś inną dziedzinę: co chciałbyś powiedzieć takiej osobie?

Też pod kątem wejścia, bo tutaj są dylematy, w który temat warto się zaangażować, gdzie tematy faktycznie są bardzo skomplikowane, bo NLP jeszcze jakiś czas temu to w ogóle było zupełnie inne NLP niż teraz. Teraz po prostu bierzesz w miarę gotowe pudło, wiesz, które przyciski wcisnąć i już dostajesz wynik. Z tej perspektywy, co powiedziałbyś osobie, która tej ścieżki jeszcze nie przeszła? 

Tak naprawdę jestem na początku tej ścieżki, ale uważam, że kurs jest bardzo dobrym początkiem. Jest wszystkim, czego potrzeba na start. Jest bardzo duża dawka wiedzy, dużo praktyki, świetna społeczność i konkurs, przez który można zarwać niejedną noc. 

Konkurs, podobnie jak na innych kursach, pojawia się też w tym o NLP. Trwa on 2 tygodnie. Na początku było tak, że zbiór danych był nieco łatwiejszy. Potem uznaliśmy wspólnie z grupą, że walka o czwarty czy piąty znak po przecinku w wyniku modelu raczej mija się z celem. Z definicji problem został ten sam, ale zbiór danych nieco się skomplikował. Zrobiłem to specjalnie, żeby podrzucić więcej wyzwań, żeby nie było to takie łatwe.

Co Ci dał konkurs? Jakie są Twoje spostrzeżenia o konkursie?

Przede wszystkim bardzo szybko można przetestować zdobytą wiedzę. Natomiast to, co chciałem zrobić, to jeszcze za pomocą dodatkowych źródeł spróbować różnych rozwiązań, niestety ostatecznie już w tej drugiej formie konkursu to za bardzo nie pomogło, bo chyba siódmy czy ósmy wylądowałem. Natomiast przede wszystkim można było sobie szybko utrwalić tę wiedzę, którą się nabyło przez ostatnie 4 czy 5 tygodni. 

Konkurs zaczynał się w czwartym tygodniu kursu, trwającego łącznie 6 tygodni. Będzie też podsumowanie konkursu. Postaramy się to nagranie udostępnić w notatkach, żeby można było obejrzeć, bo każdy uczestnik ma swoją własną perspektywę. Nie chodzi tu tylko o aspekty techniczne.

Komu polecasz ten kurs? Kto najbardziej się odnajdzie w branży NLP i poprzez kurs może wystartować?

Według mnie, żeby przejść przez ten kurs, dobrze byłoby już mieć podstawy NLP zrobione. Dobrze już mieć podstawy z machine learningu – to tak z mojego doświadczenia, bo już startujemy od jakiegoś pułapu i w sumie każdy, kto pracuje nad tekstem, mógłby być tym zainteresowany. Szczególnie jeśli jego praca polega na klasyfikacji, wyciąganiu informacji z dokumentów.

Dzięki wielkie. Jeżeli ktoś dopiero wchodzi w świat ML, to faktycznie może być nieco trudniej i polecam zrobić krok wstecz i przerobić kurs podstawowy. 

Dzięki za podzielenie się swoim doświadczeniem, informacjami. Trzymam kciuki, żeby udało się tę wiedzę maksymalnie zastosować w praktyce. Przed nagraniem wywiadu o tym trochę więcej porozmawialiśmy i czuć, jak u Ciebie to ciekawie się rozpędza, więc trzymam kciuki, żeby udało się jak najszybciej to zastosować i potem przy okazji wymienimy się opiniami, na ile te rzeczy używałeś albo których bardziej używałeś, żebym też dostał taką informację zwrotną. 

Na koniec poznajcie historię Michała, który osobą z tej grupy biznesu. Prowadzi szereg spółek, w których podejmuje cały szereg decyzji biznesowych. To jest bardzo ciekawe podejście, kiedy człowiek, który uświadamia sobie, że od jego decyzji zależy wiele i to są decyzje wiążące (nie da się tak łatwo z pewnych rzeczy się wywiązać). Oczywiście można tym ryzykiem zarządzać, ale zdecydowanie lepiej z czasem sobie uświadamiać, na ile fajnie jest podjąć trafniejsze decyzje na początku niż próbować potem jakoś to prostować. 

Są takie branże, gdzie danych mamy więcej, więc można się spodziewać, że faktycznie ta jakość usprawnienia tej decyzji będzie zauważalna, więc pojawia się bardzo prosta decyzja, że trzeba tego się nauczyć. Jak z Michałem rozmawiałem o tym, on fajnie powiedział, że zadał sobie pytanie – jak nie teraz, to kiedy?

Branża uczenia maszynowego i AI bardzo szybko się rozwija. Jak nawet jestem w temacie, to nie jestem na bieżąco, bo liczba publikacji, które pojawiają się codziennie jest ogromna i nie da się tego na bieżąco wszystkiego obserwować. Fajnie, jak łapiesz te wszystkie fundamenty, wiesz, jak można rozwiązać różne problemy i ewentualnie jak potrzebujesz innego rozwiązania, to wiesz, gdzie po nie sięgnąć albo gdzie je znaleźć.

Nie da się jednak być z tym na bieżąco. Pytanie, które sobie zadał Michał, jest bardzo właściwe – jak nie teraz to kiedy? Świat się rozpędza i pewne rzeczy potrzebują czasu, żeby je przyswoić. Ja osobiście bardzo się cieszę, że ludzie biznesu są świadomi na tyle, żeby podejmować decyzje w taki sposób, że sami wchodzą w rolę techniczną.

To nie jest przypadek, kiedy CEO albo osoby z C-Level angażują się w kurs. Były też jedne z największych spółek w Polsce i ten człowiek jest tam na dość wysokiej pozycji, kiedy on sam osobiście chce się zaangażować, nie tylko słuchać swoich podwładnych co im powiedzą, tylko też rozumieć. To według mnie bardzo dojrzała i świadoma decyzja.

Cześć Michał. Powiedz kilka słów o sobie, czym się zajmujesz, gdzie mieszkasz?

Cześć Vladimir. Nazywam się Michał Muszyński. Mieszkam we Wrocławiu i jestem prezesem w grupie kapitałowej Domar S.A. To jest grupa kilku spółek i działamy w trzech branżach. Pierwsza to branża retail – prowadzimy największą galerię wnętrz z artykułami wyposażenia wnętrz we Wrocławiu. Prowadzimy też działalność deweloperską w zakresie nieruchomości i biuro rachunkowe, które świadczy usługi dla spółek z naszej grupy, ale także dla kilku innych.

Masz duże doświadczenie biznesowe. Zdecydowałeś się na kurs online „Praktyczne uczenie maszynowe od podstaw„, czyli to jest troszkę inna dziedzina niż to, czym zajmowałeś się dotychczas. Dlaczego taką decyzję podjąłeś? 

Zawsze interesowała mnie sztuczna inteligencja. Interesowałem się też sieciami neuronowymi, ale to było w czasie, gdy to było tylko wszystko teoretyczne, nie było implementacji informatycznych, a jak były, to bardzo toporne. Natomiast zawsze mnie interesowało, jak to działa, jak komputer może zacząć myśleć. Natomiast nie jestem informatykiem i dopiero właściwie od kilku miesięcy zacząłem poznawać Pythona.

Zobaczyłem właściwie od razu, że Python to jest coś, co bardzo mi się przyda w mojej pracy codziennie, ponieważ moim hobby zawodowym jest analiza danych biznesowych i business intelligence, przygotowywanie pewnych informacji, wizualizacja ich do podejmowania decyzji, bo tym się na co dzień zajmuję. Aby podejmowane decyzje biznesowe były obarczone niskim ryzykiem, to jednak informacje muszą być przygotowane bardzo dobrze i od przygotowania tych informacji zależy, jak ta decyzja zostaje podjęta.

W związku z tym zauważyłem, że uczenie maszynowe może rozwiązać bardzo wiele moich problemów, od weryfikacji pewnych hipotez, które są i na rynku, i wśród ludzi, pewnych mitów, które lubię obalać. Nie lubię sytuacji, kiedy ktoś mi mówi, że jest jakoś, a ja nie mogę tego sprawdzić. Można powiedzieć, że dzisiejsza zdolność obliczeniowa komputerów i dzisiejsze zestawy danych, które są możliwe do pozyskania, już pozwalają w dużym stopniu te zjawiska osiągnąć, które są potrzebne do podejmowania decyzji.

Widać, że wiedzę o machine learning, którą zdobyłeś na kursie, już chcesz zastosować w konkretnych projektach. Co to są za projekty?

Mam dużo pomysłów. Na pewno nie uda mi się tutaj wszystkich wymienić, ale rzeczywiście przyszedłem na kurs z myślą, że poznam te zagadnienia i będę w stanie zastosować to w pracy w naszym biznesie. Działając w kilku branżach, w zasadzie w każdej widzę jakieś możliwości zastosowania uczenia maszynowego.

Zacznijmy od tej branży nieruchomości, bo już się zaczęły pojawiać na rynku takie rozwiązania, ale na pewno chciałbym poprawić naszą jakość usług sprzedażowych, jeżeli chodzi o sprzedaż nieruchomości. Chciałbym zrobić takiego doradcę działu sprzedaży, który będzie przede wszystkim pomagał wycenić mieszkania. Jak zaczynamy nową inwestycję, to w zależności od cech poszczególnych mieszkań, taki doradca podpowie nam, jak te ceny powinny wyglądać, rozpozna potrzeby klienta i pomoże przygotować dla niego lepszą ofertę.

Chciałbym mieć taki model, który analizuje rynek nieruchomości i pokazuje pewne zagrożenia albo możliwości, które się pojawiają na tym rynku, pokazuje analizę konkurencji. Do podjęcia decyzji o inwestycji, jeżeli mamy jakąś przeprowadzić, musimy mieć naprawdę szerokie spektrum informacji. Fajnie by było pewne rzeczy przewidywać, których nie możemy wprost przewidzieć i uzyskać takich danych, bo konkurencja bardzo mocno je chroni. Natomiast myślę, że można by tu uczenie maszynowe zastosować do przewidywania ruchów konkurencji. 

Druga moja branża to retail, czyli galeria handlowa. Tu oczywiście mamy już bardzo dużo zastosowanych na rynku rozwiązań. Mam kilka pomysłów, nie chciałbym ich dokładnie opisywać, bo nie wiem, czy one są możliwe do zastosowania. Nie to, żeby komuś nie podpowiadać, ale przede wszystkim chciałbym wykorzystać uczenie maszynowe w analizie ruchu klientów w galerii, przy czym oczywiście dzisiaj są takie technologie, ale ja bym nie chciał z dzisiejszych technologii korzystać, tylko chciałbym trochę inną zastosować.

Także tu mam taki jeden pomysł, już nawet zaczęliśmy nad nim pracować i go rozgryzać. Chciałbym np. zbudować coś, co pozwoli mi rozpoznawać nastroje klientów przed i po wizycie w  sklepie.

W obszarze finansowym, który mnie też bardzo mocno interesuje, chciałbym połączyć uczenie maszynowe z analizą finansową na różnych poziomach, żeby to wspomagało zarządzanie przedsiębiorstwem. Może na poziomie inwestycyjnym, czyli analizowanie jakichś potencjalnych możliwości inwestycyjnych. To jedne z głównych pomysłów.

Brzmi to bardzo inspirująco, bo uczenie maszynowe jako narzędzie jest bardzo potężne. Z drugiej strony nadal świat biznesu albo osoby decyzyjne, które w tym biznesie działają, nie do końca dostrzegają, że brakuje czegoś (pewnej wiedzy, umiejętności), żeby to się zaczęło łączyć w sposób obligacyjny.

Żeby nie tylko było tak, że jest jakaś magiczna technologia, która być może działa, tylko są konkretne pomysły, pewna wiedza techniczna, która pozwala w pewien sposób przewidywać kolejne ruchy. 

Jest taki żart: czym się różni sztuczna inteligencja od uczenia maszynowego? Sztuczna inteligencja jest pisana w języku PowerPoint, a uczenie maszynowe w Pythonie. Jak wyglądała u Ciebie sprawa z Pythonem? Na ile to jest blokada dla Ciebie, żeby działać w ramach kursu i po kursie? 

Okazuje się, że nie jest blokadą. Rzeczywiście kilka miesięcy temu zająłem się Pythonem i przyczyną tego było to, że Excel przestał mi już wystarczać. Excel jest fajny, wygodny, natomiast do obróbki dużej ilości danych, trochę problematyczny. Można powiedzieć, że w kilka miesięcy opanowałem Pythona na tyle, że się przesiadłem z Excela na Pythona.

Dzisiaj już częściej Pythona otwieram niż Excela, jeżeli mam coś zrobić. Tutaj bardzo mi pomógł kurs wstępny z Pythona przed kursem uczenia maszynowego. Usystematyzowało mi to wiedzę, bo do końca pewnych rozwiązań nie znałem i to mi pomogło je zastosować. Właściwie można powiedzieć, że na kursie naszym z uczenia maszynowego czułem się swobodnie.

To jeszcze oczywiście nie jest taka swoboda jak pewnie osoby, które się zajmują programowaniem zawodowo, ale wiedziałem przynajmniej, co się do mnie pisze w notebookach i rozumiałem, dlaczego tam jest to napisane.

Z jednej strony język Python jest w miarę prosty, ale są też ludzie, którzy uczą się go przez 10-20 lat i nadal są jakieś zawiłe konstrukcje pod spodem, jeżeli chodzi o technikę i optymalizację, więc tego można się uczyć długo, ale chodzi o to, że my potrzebujemy użyć Pythona jako narzędzia do konkretnych celów.

Te podstawowe mechanizmy, których my potrzebujemy, okazuje się, że da się w miarę łatwo przyswoić i akurat jesteś potwierdzeniem tego. Tu też należy powiedzieć, że trzeba mieć kilka warunków spełnionych. Trzeba mieć otwartą głowę do tego, zaangażować się, bo nie ma co ukrywać, że zaangażowałeś się w trakcie kursu.

Jeszcze jeden z elementów, który się wyróżniał, to jest konkurs. Co myślisz o konkursie i co Cię najbardziej zdziwiło albo co Ci najwięcej dało?

Konkurs na pewno jest bardzo fajną rzeczą na tym kursie i można by powiedzieć, że nie ma kursu bez konkursu, bo jest to coś, w czym trzeba wziąć udział i naprawdę trzeba z tego skorzystać, bo jest to tak niesamowicie ciekawe doświadczenie, gdzie naprawdę możemy oczywiście w praktyce zastosować to, czego się uczymy.

Natomiast gdybyśmy rzeczywiście tylko przejrzeli materiały z kursu, przesłuchali Twoje nagrania, to myślę, że tam może z 20% by zostało. Po zastosowaniu tego na konkursie myślę, że dużo więcej zostało mi w głowie, ale nie tylko w głowie, ale też w rękach, bo to jest doświadczenie. Trzeba było sobie z różnymi problemami poradzić i co jest ważne, to te problemy były z życia wzięte.

Po pierwsze – realne dane, które były zanieczyszczone w dosyć ciekawy sposób. W różnych miejscach trzeba było sobie z nimi poradzić. Po drugie trzeba było tak prowadzić eksperymenty, żeby czas tych eksperymentów był rozsądny, żeby je można było rzeczywiście zrobić. Myślę, że ten konkurs nauczył mnie tego doświadczalnie, żeby dużo próbować na prostych modelach, szybko zweryfikować postawione hipotezy i to chyba w przyszłości pozwoli mi dużo czasu i mocy obliczeniowej oszczędzić.

Dodałbym jeszcze, że konkurs ukierunkował mnie bardzo mocno w tym kierunku, w którym rzeczywiście trzeba iść, żeby rozwiązywać konkretne problemy biznesowe. Ja w tym konkursie widzę już zaczątek moich projektów, o których mówiłem. One pewnie będą podobnie wyglądać, także naprawdę w praktyce można sobie zaprojektować to, co będzie się robić samemu w uczeniu maszynowym.

Mówiąc już teraz o kursie jako całości – co najbardziej Cię zaskoczyło? Co najbardziej doceniasz?

Zaskoczyło mnie to, jaki postęp zrobiłem w Pythonie. Odnosząc się do początku, jaki był mój stan, to mimo że już tam coś zacząłem robić, to były proste rzeczy i tutaj naprawdę postęp jest bardzo duży. Natomiast doceniam to, że korzystając z Twojego kursu, zaoszczędziłem mnóstwo czasu, bo uczeniem maszynowym starałem się interesować trochę wcześniej, próbowałem też różnych dostępnych kursów, oglądałem trochę na ten temat, ale to ciągle było takie ślizganie się po temacie. Natomiast bardzo konkretnie na kursie weszliśmy w temat.

Można powiedzieć, że każda lekcja kolejna to jest bardzo konkretne pogłębienie wiedzy, ale w tym kierunku, w którym wydaje mi się, że trzeba iść. To jest fajne, że ukierunkowujesz bardzo dobrze na te problemy, którymi się trzeba zająć, także nie tracimy czasu na niepotrzebne rzeczy.

Bardzo miło mi to słyszeć, bo to jest właśnie ta metryka sukcesu, która była postawiona przy tworzeniu tego kursu i ciągle jest tak pielęgnowany. Pomimo tego że teoretycznie można było wypuścić pierwszą edycję i nic nie zmieniać, to po każdej edycji coś się zmienia, zwraca się uwagę na to, co działa lepiej, co gorzej.

Taka ciekawostka a propos konkursu – zadanie, które było teraz na konkursie, pojawiło się w tej samej formie drugiej edycji. Najfajniejsze było to, że jakość rozwiązań w obecnej edycji była lepsza. Średnia uczestników myślę, że jest podobna – to nie są dwie, tylko około stu osób, więc zakładam, że potencjał, który przyszedł jako uczestnicy, jest podobny. Według mnie to też kwestia tego, że niektóre rzeczy coraz lepiej tłumaczę, czyli coraz bardziej wyczuwam, co lepiej przemawia, na to zwracam większą uwagę.

Też się ucieszyłem, jeżeli chodzi o średnią jakość rozwiązań, która w tym kursie się wydarzyła. Miło mi słyszeć, że doceniania jest praktyczność, bo na to faktycznie jest stawiany duży nacisk.

Tu naprawdę muszę powiedzieć, że materiały są świetnie przygotowane – bardzo praktycznie. Na przykładzie widać – chciałem bardzo być w pierwszej dziesiątce konkursu, udało się zająć siódme miejsce, także to świadczy, że jednak da się z materiałów tego nauczyć.

Dzięki wielkie, że udało Ci się znaleźć czas, podzielić się swoim doświadczeniem, bo jesteś przykładem, osoby nie pochodzącej ze świata programowania, która ma konkretne potrzeby związane z biznesem. Teraz już nie jest ten moment, kiedy pewne rzeczy można sobie usprawniać lub nie, tylko sytuacja, obecne trudności w pewien sposób zmuszają nas, żeby robić biznes bardziej efektywnie, podejmować decyzje biznesowe nie na podstawie emocji, tylko bardziej angażować tam dane.

Owszem, doświadczenie życiowe też bardzo się przydaje, ale z drugiej strony warto coraz bardziej wykorzystywać dostępne narzędzia i technologie, aby prowadzić bardziej efektywnie działalność i cieszyć się z życia.

Tak jest.

Dzięki wielkie, do usłyszenia.

Bardzo dziękuję.

Dziękuję, że dotarłeś tutaj i poznałeś historie naszych absolwentów. Obiecuję, że będę starać się nie nadużywać naszego wspólnego czasu do dzielenia się podobnymi treściami, bo wiem, że część osób bardziej oczekuje informacji technicznych albo biznesowych. Jak powiedziałem na początku, to jest część mojego życia.

Czuję bardzo dużą misję, jeżeli chodzi o szkolenie i jak to wpływa na ludzi. Blog to jest jeden z kanałów, którym mogę dotrzeć do tych osób. Owszem, to jest bardzo szeroki kanał i nie zawsze to jest 100% trafione, ale wiem, że część osób decyduje się na kurs właśnie po przeczytaniu takich historii lub przesłuchaniu podcastu. 

Planuję zrobić podsumowanie ankiety dotyczącej podcastu. Jeżeli jeszcze nie miałeś okazji podzielić się opinią, w którym kierunku podcast ma się rozwijać, to warto to zrobić. Bardzo dziękuję wszystkim osobom, które już udzieliły tej informacji, bo to jest bardzo inspirujące. Bardzo miło mi jest czytać wszystkie komentarze i czuć, że to, co robię, ma sens.

Nawet jak jestem troszkę bardziej zmęczony, to czuję, że to pompuje energię. Obiecuję, że bardzo starannie przeanalizuję wszystkie propozycje, jak dalej to rozwijać i podzielę się z Tobą przemyśleniami, co z tego wyszło i jakie decyzje zostały podjęte. Jeżeli jeszcze się nie podzieliłeś tą informacją, to proszę zrób to, bo jeszcze jest szansa, że zdążysz przed ostatecznymi decyzjami.

Dzięki wielkie za wsparcie!

Pytaliście wiele razy, czy jakoś finansowo można wesprzeć Biznes Myśli – zobaczymy, jak to zrobić, bo faktycznie podcast sam w sobie generuje koszty, ale przyznam, że dla mnie w tej chwili najbardziej jest potrzebne, nie tyle wsparcie finansowe, co wsparcie mentalne, że to co robię ma sens. Kiedy widzę, że to rezonuje z tak dużą liczbą osób, to po prostu będę jeszcze bardziej się rozpędzał. 

Artykuł 3 krótkie historie efektywnego rozwoju pochodzi z serwisu Biznes Myśli.

Czasem człowiek ma wrażenie, że to politycy decydują o jego życiu. Dzisiaj chciałbym Ci pokazać, jak ważne jest Twoje zaangażowanie i jak Ty możesz mieć wpływ na swoje życie i otoczenie. Jeżeli zastanowisz się nad tym głębiej, to zrozumiesz, że ten świat nie jest z góry zdeterminowany, czyli nie jest wiadomo jednoznacznie co się stanie, chociaż jeżeli masz umysł analityczny, to możesz dostrzegać, że są pewne grupy osób, które mają bardzo jasną wizję świata. Fundacja DataWorkshop istnieje od początku 2020 roku, a więc stosunkowo krótko. Niemniej już skupia zaangażowanych ludzi wokół i chciałbym dziś przedstawić Ci część z nich.

Na szczęście one nie mają tak dużej mocy, jak może się wydawać. To Ty masz wpływ i obowiązek, żeby pokolorować ten świat w taki sposób, aby te kolory Ci najbardziej odpowiadały. Nie czekaj, aż przyjdzie osoba, która zrobi to za Ciebie, bo prawdopodobnie ta osoba (być może polityk) ma zupełnie inne wartości i to, co ona robi lub czym jest zmotywowana, ostatecznie prowadzi do czegoś zupełnie innego.

Bardzo ważna jest odpowiedzialność własna, kiedy faktycznie zaczynasz działać, oczywiście na początku na mniejszą skalę. Ważny jest kierunek i wewnętrzna decyzja, że „ja chcę tworzyć świat, w którym będzie dobrze, będzie uczciwość, sprawiedliwość”. Wiem, że brzmi to trochę naiwnie, ale zauważ, że im więcej osób zrozumie to i przeżyje te emocje, te doświadczenia, tym bardziej będzie to się napędzało.

Osoby, które poznały tę część życia od strony sprawiedliwej, później nie mogą się cofnąć. To jest droga w jedną stronę. Ty rozumiesz, że chcesz, żeby to doświadczenie było nie tylko Twoje wewnętrzne, ale również żeby coraz więcej osób to dostrzegało. 

Prowadzę działalność jednoosobową, także spółkę, która powstała do realizacji większych projektów komercyjnych. Spółka powstała m.in. dlatego, żeby robić coś większego, bo jest więcej niż jedna osoba zaangażowana. Ciągle jest jednak wewnętrzna potrzeba robić rzeczy, które mają wpływ i sens dla ludzi. To już w ogóle nie ma żadnego powiązania ze światem komercyjnym.

Tak naprawdę, jeżeli na moment wyobrazilibyśmy sobie ten świat, który w ogóle jest odcięty od pieniędzy i ludzie żyją przez to, że się wspierają nawzajem, to wtedy pierwsze co bym zrobił, to zamknąłbym spółki, wszystkie działania komercyjne, bo to samo w sobie nie sprawia aż takiej dużej przyjemności.

Zdarzają się tam też intelektualne rozrywki, ale zdecydowanie bardziej sprawia przyjemność wspieranie współpracy między ludźmi, kiedy widzisz, że ten potencjał się budzi. To jest niesamowite doświadczenie, kiedy widzisz osobę zagubioną, która chodzi do korporacji, męczy się, wykonuje pracę nie swoją, wykonuje nie tę rolę, którą mogłaby wykonywać i na skutek tego ta osoba jest zgubiona. Takich osób niestety jest bardzo dużo. 

Na początku roku wspomniałem o fundacji DataWorkshop Foundation, która powstała m.in. z tego powodu, że z czasem coraz bardziej dokształcamy się w tematach prawnych. Niestety albo stety są ludzie, którzy w różny sposób sprawiają pewne trudności i kłopoty. Można się tutaj oburzać albo męczyć, ale jestem wdzięczny nawet takim osobom, bo to są najlepsi nauczyciele.

To są osoby, które sprawiają, że rozwijasz się jeszcze szybciej, stajesz się jeszcze bardziej odporny, a mimo tego nadal masz dobre uczucie do całego świata. Na zewnątrz buduje się twarda skóra, która staje się coraz bardziej szczelna, ale z drugiej strony nadal stajesz się coraz bardziej odnaleziony w tym świecie, próbujesz mówić o rzeczach, które czasem brzmią utopijnie, ale w tym czasie jesteś też efektywny, czyli potrafisz się posługiwać narzędziami świata materialnego, żeby tu się odnaleźć. 

Wszystkie podejmowane inicjatywy sprawiły, że pomyśleliśmy, że fajnie byłoby zrobić taki podmiot prawny, dzięki któremu nasze działanie będzie bardziej stabilne. Tak pojawiła się fundacja, która już istnieje około roku. Jak się to zaczęło?

Fundacja nie jest owocem chęci skomercjalizowania naszych działań. Wręcz odwrotnie – czuliśmy potrzebę i chęć do działania, dlatego stworzyliśmy fundację, która będzie miała odpowiednie podstawy prawne. W tym wszystkim jest jednak zupełnie inny korzeń.

Kiedyś tę historię opowiadałem. W zeszłym roku pojawił się projekt “Korona wyzwań”. To wyzwanie było de facto spotkaniem online trwającym 5 dni, zapełnionym szeregiem zadań. Do tego wyzwania zapisało się ponad 3 tys. osób i to zrobiło ogromne wrażenie.

Jeszcze przed wyzwaniem mieliśmy poczucie, że chcemy robić rzeczy, które mają sens, bo takie gonienie królika polegające na tym, że trzeba jakoś zarabiać pieniądze, mieć środki, żeby coś włożyć do garnka, co jest zrozumiałe i oczywiste, ale jak wracasz do domu po takiej pracy, to czujesz pewien smutek.


Przynajmniej wyczuwasz go gdzieś tam wewnątrz siebie. Jak zadajesz sobie pytanie, czy jesteś szczęśliwy, czy robisz rzeczy, które masz robić, czy faktycznie swoje życie spędzasz w taki sposób, żeby jak przyjdzie ten moment X (a każdego to spotka) i zadasz sobie pytanie – czy w swoim życiu zrobiłem to wszystko, co chciałem, czy nie zmarnowałem tego czasu, czy przeżyłem go w taki sposób, że próbowałem sprawić, że ten świat stał się lepszy, to moja odpowiedź będzie mnie cieszyć?


Zadawałem sobie te pytania i czułem duży dyskomfort. Czułem, że tego potencjału w ogóle nie wykorzystuję, że potrzebuję robić coś innego, że mógłbym być zdecydowanie bardziej pomocny. Mogę pewne rzeczy dawać temu światu, a nie tylko brać. Mimo tego że wtedy nie brałem aż tak dużo, to czułem, że można dawać znacznie więcej i że sam ten proces daje dużą satysfakcję. Tylko co z tym zrobić?


To już nie jest łatwe. Tutaj zaczynają się różne błądzenia. Spróbujesz jednej rzeczy, drugiej, ale takie błądzenie nie zawsze prowadzi do zamierzonego skutku, ale jeżeli jednak próbujesz, to w pewnym momencie zaczynasz odnajdywać ścieżki, klucze, które zaczynają z Tobą rezonować. Można nawet powiedzieć, że czasem odnosisz wrażenie, jakby ktoś Ci szeptał na ucho o kolejnym kroku.


Możesz to zrozumieć jako alegorię albo jakkolwiek inaczej – jak tylko chcesz. Zaczynasz coraz lepiej wyczuwać, jaki ma być następny krok. Tak podobnie było z wyzwaniem. To nie był zabieg przemyślany, nie było z góry ustalonej strategii. Byłem pozytywnie zaskoczony, że tak dużo osób się zaangażowało w projekt. Też było zdziwienie, jak dużej liczbie osób zaczęło rezonować to, o czym mówię. Gdy opowiadam tę historię, to czuję ogromne szczęście.


Mogę zapomnieć wiele innych historii związanych z projektami biznesowymi (chociaż mam pamięć dobrą), ale powstanie zalążka fundacji to są niezapomniane przeżycia. Tego nie da się kupić, skopiować, odziedziczyć. 

Widząc duży sukces wyzwania, oczywiście chcieliśmy je kontynuować. Pojawiło się 5 takich wyzwań. Odbyły się także spotkania na żywo z ludźmi w różnych miastach. Pojawiła się energia i potrzeba, żeby zacząć się spotykać. Ludzie powiedzieli, że chcą się spotykać, rozwijać, chcą, żeby działo się coś więcej i skoro jest pojawiła się potrzeba, to zaczęliśmy to wspierać i to się zaczęło po prostu dziać.


Różne projekty zaczęły się realizować i wtedy też stało się zrozumiałe, że to trzeba ubrać w pewną strukturę prawną i wtedy właśnie pojawiła się fundacja. Równolegle pojawiła się kolejna inicjatywa, jak np. po tych 5 wyzwaniach był projekt „Matrix – poznaj reguły gry”. Ostatecznie w tych wszystkich wyzwaniach brało udział ok. 6 tysięcy osób.


Pojawiły się tam bardzo różne historie. Była np. samotna matka, która obecnie pracuje w bardzo ciężkich realiach, w sklepie, po nocach rozkłada na półki towar, ale próbuje też się dokształcać, coś zmienić, lecz zaczyna tracić to dla niej sens, przez co nie może się odnaleźć w świecie. Te wydarzenia zmotywowały ją do działania i jeszcze większego zaangażowania w projekt.


Owszem, trzeba być realistą. To nie jest tak, że przerabiając proste zadania, od razu znajdziesz pracę albo pewne rzeczy się zmienią, ale wierzę, że ten pierwszy krok zawsze jest najtrudniejszy. Sprawienie, że człowiek uwierzy w siebie, swoje możliwości i swoją moc, to jest rzecz, która w tej chwili jest wielkim deficytem.


Nie chcę zabrzmieć śmiesznie, ale bardzo mocno wierzę, że wspólne działanie potrafi odmienić człowieka. Chociażby na kursach, kiedy mam możliwość współpracować z ludźmi, w szczególności w przypadku pakietów premium, to ci ludzie się zmieniają diametralnie.


Człowiek, który przez dziesiątki lat siedział na uczelni i się bał wszystkiego, nagle zmienia pracę i czuje się bardziej szczęśliwy. To nie chodzi o wyjątkowość osoby, a o potencjał drzemiący w nas, z czego nie zawsze zdajemy sobie sprawę.

Nasza inicjatywa nabierała na sile, dołączało coraz więcej osób, rosła piękna atmosfera. Wtedy pojawił się COVID i wszystko się zmieniło. Nie mogliśmy spotykać się na żywo, bo był lockdown i wszystkich zamknęli w mieszkaniach, więc żeby ochronić fundację i to wszystko, co tworzymy, zaczęliśmy wprowadzać zmiany.


Najciekawsze w tym wszystkim jest to, że to nie były z góry zaplanowane działania, nie było centrum dowodzenia, które by odgórnie decydowało o kolejnych krokach. To wszystko jest tak fajnie rozwijane, że to jest żywy organizm, który sam reaguje na pewne zmiany. Obecnie nie możemy się spotykać na żywo, ale możemy spotykać się online.


Później stało się oczywiste, że tak naprawdę skoro spotkamy się online, to już nie ma potrzeby dzielić projekty na miasta. Możesz być gdziekolwiek w Polsce lub poza nią, wystarczy mieć połączenie z Internetem i możesz działać. To spowodowało, że tak naprawdę odbyły się pewne transformacje i grupy zaczęły się łączyć. Ten podział na miasta już w tej chwili nie jest potrzebny i mimo tego, że nadal technicznie posługujemy się grupami, to de facto to są grupy dość mocno wymieszane.

Gdy teraz opowiadam o fundacji, mam nadzieję, że to już jest wyczuwalne, jaka jest taka motywacja i potrzeba fundamentalna, która pozwoliła jej powstać. Możemy to w pewien sposób sformalizować, jak jest to napisane w statucie fundacji.


Celem fundacji jest upowszechnianie wiedzy o uczeniu maszynowym i sztucznej inteligencji poprzez praktycznie działania, mające na celu rozwiązywanie realnych problemów i wprowadzanie innowacji za pomocą dostępnych narzędzi uczenia maszynowego, które mogą być użyteczne społecznie i wspomagać instytucje i organizacje pożytku publicznego. 

Grupy się bardzo rozwijają. Wiele z nich najpierw spotykało się bardziej hobbistycznie, ale przeradza się to już w coś znacznie większego. Osoby, które uczestniczą w tych zespołach, mają podwyższone kompetencje – z różnych powodów. Kompetencje w zespołach się podnosi i to sprawia, że możemy osiągać więcej i sprawiać, że możemy rozwiązywać pewne kłopoty tego świata poprzez uczenie maszynowe. 

Motywacją do tego tekstu jest to, żeby podzielić się z Tobą trzema wywiadami. Zaprosiłem 3 koordynatorów: z Warszawy – Magdę, z Poznania – Arka i z Olsztyna – Łukasza, którzy opowiedzą o swoich doświadczeniach. Chciałem także, żebyś miał możliwość zapoznać z naszymi działaniami, bo być może nie zdajesz sobie sprawy, że tuż pod Twoim nosem dzieje się coś fajnego.


Chciałbym także zaprosić Cię na podsumowanie roku fundacji. To podsumowanie odbędzie się 3 grudnia w czwartek. Będzie miało format online, pewnie się domyślasz dlaczego, chociaż bardzo chcielibyśmy zrobić spotkanie na żywo.


Niestety obecnie nie ma takiej możliwości. Wszystko będzie doprecyzowane na stronie fundacji: dataworkshop.foundation, będzie też informacja newsletterze Biznes Myśli, więc zapisz się na listę, żeby dostawać nasze wiadomości. Szanujemy osoby, które się zapisały na newsletter. Staramy się wysyłać tylko informacje ważne, które dadzą Ci wartość.

Dalsze plany fundacji będziemy omawiać na tym spotkaniu, na które Cię bardzo serdecznie zapraszam.

Jak można pomóc fundacji? 

Prawdopodobnie jak czytasz o naszej misji, to może zacząć to z Tobą rezonować aby zacząć robić rzeczy pożyteczne, które mają sens. Owszem, każdy z nas ma swoje obowiązki, ale warto poświęcić część swojego czasu, aby robić coś “więcej”, coś, co da Ci wewnętrzne poczucie spełnienia i radości oraz zrozumienie swojej roli. O tym też opowiedzą zaproszeni do rozmowy koordynatorzy grup w fundacji.

Jeżeli to do Ciebie przemawia i chcesz pomóc, to są na to różne sposoby. Najprostszym jest wsparcie finansowe na cele statutowe. Fundacja nie może wydawać środków od tak, po prostu jeżeli przesyłasz pieniądze na pewne cele statutowe, to to jest sprawdzane. Są organy, które nadzorują fundacje, więc to jest wydawane zgodnie z celami. Jeżeli możesz tak nas wesprzeć, to będziemy Ci bardzo wdzięczni. Ale też jest kilka innych możliwości.

Oczywiście możesz wesprzeć nas merytorycznie. Jesteś fachowcem w wybranym temacie, np. jesteś ekspertem z uczenia maszynowego, zarządzania projektami, UX, designem albo jesteś product ownerem? To wcale nie jest umiejętność, którą łatwo zdobyć. Może masz inne umiejętności, które mogą być przydatne w rozwijaniu projektów fundacji? Bardzo gorąco Cię zapraszam!


Zdaję sobie sprawę, że jesteś prawdopodobnie człowiekiem zajętym, ale zwykle to jest tak, że jak jesteś osobą zajętą, to prawdopodobnie jesteś mimo wszystko w stanie znaleźć nawet kilka godzin w miesiącu na rozwijanie niekomercyjnych, bliskich Twoim przekonaniom projektów. Bardzo aktywnie teraz kształcimy zespoły mentorów, którzy będą jeszcze bardziej wspierać te działania.


Jeżeli jesteś przedstawicielem instytucji albo innej fundacji niekomercyjnej i masz pewien problem, który trzeba rozwiązać, jak chcesz nas nakarmić swoim problemem, to być może jesteśmy w stanie go rozwiązać. Najpierw zróbmy brainstorming, żeby wyczuć, na ile ten problem da się rozwiązać przy użyciu uczenia maszynowego, na ile da się zebrać dane, jaki jest kontekst. Jeśli jesteś osobą wprost zaangażowaną w te instytucje albo masz kontakt do takiej osoby, to bardzo proszę przekaż nasz kontakt.


Powiedz, że są grupy osób bardzo głodnych do tego, żeby rozwiązywać problemy pomocne dla ludzi. 

Jeżeli masz jakikolwiek inny pomysł na wsparcie, o czym totalnie zapomnieliśmy, nie wzięliśmy tego pod uwagę, ale to jest genialny pomysł dla fundacji, koniecznie daj znać. Inspirujmy się nawzajem. Wierzę, że umiejętność inspirowania ludzi sprawia, że pewne cuda zaczynają się dziać i możemy zmienić świat na lepszy. 

Co można zrobić, żeby być na bieżąco z tym, co się dzieje, bo jest tego bardzo dużo?

Warto zasubskrybować nasz kanał na YouTube. Organizujemy także meetup, na którym omawiamy poszczególne wydarzenia. Również warto obserwować kalendarz, który udostępniamy publicznie, gdzie są zebrane wszystkie nasze wydarzenia. Dodatkowo warto dołączyć do grupy na Facebooku i LinkedIn.

Oprócz tego mamy wspomniane wyzwania, czyli delikatne wejście do świata ML, żeby zacząć z tym działać. Po dołączeniu możesz poprzerabiać dostępne materiały, ale również trafisz na Slack, na którym odbywają się wszystkie nasze rozmowy.


Te wszystkie linki będą w notatkach, więc polecam wejść do notatek biznesmysli.pl/94. Znajdziesz tam link do GitHuba, bo bardzo staramy się, aby te spotkania, wyniki pracy były przede wszystkim otwarte, transparentne, więc kod i wyniki możesz znaleźć w Internecie.


Oczywiście to też zależy od grupy, jakie przyjmuje reguły i działania, ale udało się to już tak wytworzyć, że ta dokumentacja pojawia się na bieżąco, a po drugie jest dość zrozumiała. Ma pewną strukturę, która umożliwia Ci prześledzić przebieg rozwiązywania problemów. Dostrzeżesz też duże zróżnicowanie projektów, bo tak naprawdę te projekty w ogóle się nie powtarzają.

Zapraszam Cię teraz do wywiadu. Najpierw porozmawiam z Magdą, koordynatorką z Warszawy. Magdzie muszę podziękować za kilka rzeczy, gdzie ona bardzo się wyróżnia. Też to jest taka podpowiedź dla Ciebie. Magda bardzo aktywnie organizuje regularne spotkania grupy, co pokazało mi, że to nie miasto decyduje, czy spotkania będą się odbywać, tylko człowiek – jego motywacja, umiejętności, charakter.


Wszyscy koordynatorzy mają dużo podobnych cech, które można chwalić i z których można być dumnym, ale też każdy ma swoje unikalne strony. Magda pisze posty podsumowujące to, co się dzieje, ale również wspiera osoby, które poszukują pracy. Robi to w taki sposób, że w grupie podpowiada, że jeżeli się zaangażujesz np. w ten projekt, to, mimo tego że zrobisz coś bardzo pożytecznego (np. prognozowanie smogu, prognozowanie odwołania wizyt), to dasz się zauważyć.


Na skutek tego już co najmniej 2 osoby znalazły pracę jako Data Scientist. Na jednym webinarze opowiadałem o tym, że ja z jednej strony bardzo gorąco podpowiadam o myśleniu inspirującym, o tym żeby się wspierać nawzajem, żeby pomagać, ale z drugiej strony jestem osobą, która rozumie, jak skomplikowany jest ten świat i nie da się po prostu odłączyć od części materialnej. Mówię zwykle:

– Ty możesz być pomocny, ale przy okazji budujesz swoje portfolio i dasz się zauważyć.

To jest być może najkrótsza ścieżka, jak Ty możesz zrealizować się w tym świecie materialnym. Oprócz tego, że zrealizujesz się w świecie materialnym (finansowym, pieniężnym), to również spełnisz się jako człowiek. Więc tutaj bardzo gorąco dziękuję Magdzie za tę otwartość, za serduszko, które wkłada w te spotkania i za to, jak inspiruje innych do działania. 

Cześć Magda. Opowiedz kilka słów o sobie, czym aktualnie się zajmujesz.

Cześć, nazywam się Magdalena Cebula. Na początku myślę, że mogę powiedzieć, że studiuję informatykę na studiach magisterskich. Oprócz tego pracuję jako data scientist, a w czasie wolnym prowadzę warszawską grupę DataWorkshop. Ale też żeby nie było, że tak ciągle praca-studia, to też uprawiam trochę sportu – biegam i podnoszę ciężary.

Opowiedz więcej o fundacji. Jaka jest Twoja rola? Czym się zajmujecie aktualnie?

Moja rola to koordynator warszawskiej grupy DataWorkshop Foundation, choć już w sumie teraz nie jesteśmy ograniczeni przez miejsce, więc mamy też osoby z innych miast. Ja zajmuję się ogólnie organizacją spotkań, prowadzeniem projektów i spinaniem tego wszystkiego w całość, żeby wszystko było aktualne, żeby ludzie wiedzieli, że są spotkania, co robimy i taką ogólnie pojętą organizacją.

Jak to się stało, że zaangażowałaś się w działania fundacji? Widać, że jesteś osobą bardzo aktywną, masz dużo energii, ale z drugiej strony możesz wykonywać inne czynności.

Jaka jest Twoja motywacja? W co tutaj wierzysz albo co czujesz, jak już sobie to wyobrażasz w postaci swojej wizji wewnętrznej? Podziel się swoją historią. 

Jak się cofniemy o już prawie 2 lata, kiedy startowało pierwsze Twoje wyzwanie, to po tym wyzwaniu stała się taka fajna rzecz, że ludzie powiedzieli, że chcą więcej. Z jednego wyzwania zrobiło się 8 i powstały grupy w różnych miastach. Na początku spotkania w Warszawie organizowaliście Ty i Ula.

Na 3 czy 4 spotkaniu padło pytanie – kto by się podjął organizacji warszawskiej grupy? Jak zwykle las rąk na sali, więc pomyślałam, że mogę spróbować, jestem na samym początku drogi z data science, więc nie mam zielonego pojęcia, jak mi to wyjdzie, ale zgłoszę się. Pod koniec spotkania podeszłam do Ciebie i tak się zaczęło.

Wtedy dołączył do mnie również Adrian. Moja motywacja wtedy była taka, żeby zrobić razem coś fajnego, bo nie wiem, czy Ty też tak miałeś, natomiast ja na początku swojej drogi data science z racji studiów programowania troszkę znałam. Stwierdziłam, że podoba mi się coraz bardziej analiza danych, chciałabym kiedyś pójść w tym kierunku, więc fajnie byłoby mieć zbudowane portfolio. Skoro ktoś tutaj mówi, że możemy stworzyć jakąś fajną grupę ludzi, to może wyjdzie z tego coś fajnego, mogę się zaangażować, dać coś od siebie i zobaczymy, co wyjdzie.


Tak naprawdę takie były początki. Zaczynaliśmy dość nieśmiało, bo pierwszym naszym spotkaniem były lightning talki, później była przerwa wakacyjna. Następnie znaleźliśmy kogoś, kto poprowadził nam warsztaty i w końcu padło kluczowe pytanie – może też zrobimy jakiś projekt? Ja byłam wtedy przerażona tym projektem, bo jak ja mam stanąć na czele tego projektu, przecież jestem na samym początku, nie pracuję w ogóle jako data scientist? Wybraliśmy temat, zajęliśmy się wtedy smogiem i krok po kroku, spotkanie po spotkaniu organizowaliśmy kolejne wydarzenia, powstawał kolejny kod, uczyliśmy się kolejnych rzeczy, z czego jestem bardzo zadowolona.


Cały czas przyświeca mi taka misja, żeby dać ludziom miejsce, gdzie będą mogli się nauczyć czegoś fajnego, dowiedzieć się nowych rzeczy, podzielić się swoją wiedzą, informacjami, zainspirować się i żeby każda osoba, która zaangażuje się w nasz projekt, mogła powiedzieć:

– Słuchaj, mam tutaj kawałek kodu, który zrobiłem.

Tak, żeby mogli ludzie się chwalić, że są z nami, działają, robią coś fajnego dla innych i się uczą. Staram się budować tutaj fajną społeczność, która chce się dzielić wiedzą.

Super. Bardzo fajny przykład, widać, że na początku dopiero wchodziłaś do świata data science, ale to wcale nie jest blokada. Ważniejsze jest to, że osoba chce się zaangażować, rozwijać, spotykać i wspólnymi siłami iść do przodu, robić coś pożytecznego, a nie tylko oczekiwać magicznego momentu X, kiedy człowiek stanie się ekspertem.


To jest takie bardzo abstrakcyjne pojęcie, bo zawsze znajdzie się ktoś mądrzejszy. Druga rzecz, o której warto wspomnieć a propos warsztatów to, że to wszystko było nagrywane i też jest dostępne na YouTube, można będzie sobie spokojnie obejrzeć. Materiału powstało bardzo dużo.



Tak, już jest cały Smog i cały nasz drugi projekt, więc spokojnie kilkadziesiąt godzin materiałów jest do oglądania.

Myślę, że Smog trzeba skomentować, przynajmniej tak w skrócie. Powiedz więcej na temat tego projektu, a potem o tym drugim.

Przy pierwszym projekcie wymyśliliśmy sobie, że chcemy prognozować smog w Warszawie, ale żeby nie było tak prosto, chcieliśmy dołożyć do tego dane dotyczące pogody. Wiemy, że smog się będzie zmieniał w ciągu dnia, bo taka jest natura tego zjawiska, ale też może, jak będzie bardziej padać, to będzie mniej tego smogu. Jak będzie niższa temperatura, to będzie więcej, bo ludzie więcej palą w piecach.


Wzięliśmy jedno z trudniejszych zjawisk na sam początek. Natomiast przede wszystkim to było połączenie danych dotyczących smogu z danymi dotyczącymi pogody dla Warszawy. Chciałbyś, żebym weszła w takie szczegóły dotyczące modeli?

Pomińmy to teraz, bo to nie o to chodzi. Warto wspomnieć, że są nagrania na YouTube, można to obejrzeć plus cały kod, notebooki, analizy są dostępne na GitHubie.

Bardziej mi chodziło o to, żeby powiedzieć, o co chodzi z tym projektem. Więc to chodziło o prognozowanie smogu w Warszawie. Tam było też kilka dyskusji, czy bierzemy pod uwagę różne dane z zewnętrznych serwisów czy nie, oprócz pogody, więc całkiem ciekawe rzeczy tam się działy.


Co jest najważniejsze, to wszystko jest udostępnione. Wszystkie wyniki i wnioski, które udało się wytworzyć są dostępne, można sobie to przeanalizować.

Opowiedz o drugim projekcie. Jaki jest jego cel? Co udało się osiągnąć na ten moment?

Nasz drugi projekt dotyczy przewidywania anulowania wizyty. Zanim wybraliśmy ten projekt, to były bardzo burzliwe dyskusje na temat tego, co wziąć na tapet w kolejnym projekcie. Generalnie chodzi o to, że gdy mamy jakiś salon kosmetyczny, fryzjera, dentystę, jakieś inne usługi, to musimy tam zarezerwować wizytę i część osób nie nie przychodzi. Jeżeli nam odwołają to jest fajnie, natomiast jeżeli nie uprzedzą, to już jest troszkę gorzej dla nas, ponieważ tracimy klientów, czas, pieniądze, bo w tym czasie mógłby przyjść ktoś inny.

Pomyśleliśmy sobie, że najpierw nauczmy się rozwiązywać ten problem na danych z konkursu Kaggle, a równolegle pójdziemy z inicjatywą do różnych zakładów, że robimy taki proces, mamy taką wiedzę, możemy pomóc z przewidywaniem, czy klient przyjdzie na daną wizytę. Trwają cały czas prace w kontakcie z różnymi firmami i my jako grupa spotykamy się co 2 tygodnie i pracujemy nad algorytmami.


Też bardzo dużo dyskutujemy nad sposobem rozwiązania, jakie dane brać do modelu, jakich nie, co należy uwzględnić, co jeszcze możemy zrobić, żeby nasze rozwiązanie było jak najlepiej przystosowane do naszego rynku. Oczywiście są nagrania na YouTubie, jest cały kod na GitHubie, więc można brać, korzystać i przychodzić na spotkania.

Fajnie, to zjawisko dość popularne, bo myślę, że każdego w ten czy inny sposób, może nawet kilka razy w roku lub w miesiącu dotyczyło to, że umawia się na jakąś wizytę do lekarza albo fryzjera i później z jakichś powodów może tam nie pójść. Chociaż w tych czasach to większość z tych miejsc może być zamknięta. 

Tak, ale to też tak na przyszłość. Mam nadzieję, że wkrótce będzie można wychodzić i to nasze życie wróci do normy, więc choć teraz ten ruch jest ograniczony, to później myślę, że będzie można wykorzystać nasz projekt w praktyce.

Tak, popieram, życie musi wrócić do normalności jak najszybciej. Popatrzmy teraz trochę za kulisy, od tej strony, z której nawet osoby angażujące się w projekt nie do końca zdają sobie sprawę – jakie są trudności, z którymi się zmagasz jako koordynator? Wspomnisz takich kilka najtrudniejszych sytuacji, których doświadczyłaś w trakcie bycia koordynatorem w Warszawie?

Myślę, że pierwszą rzeczą, z którą się w mniejszym stopniu zmagam, to przełamanie strachu, że jak to ja, osoba niedoświadczona, ma stanąć na czele takiego projektu, jak to ja mam poprowadzić? Natomiast tutaj stała się świetna rzecz spowodowana ludźmi, których mam wokół siebie, którzy do nas dołączali na różnych etapach działania, ponieważ kiedy zaczęliśmy realizować ten projekt, dochodziły do nas osoby bardziej i mniej doświadczone.


Ta dyskusja wokół różnych projektów była bardzo żywa, burzliwa, powstawało wiele ciekawych pomysłów i to dawało siłę napędową na kolejne kroki. To jest pierwsza moja lekcja – zacznij, a później krok po kroku rób i zobacz, co wyjdzie. Na pewno znajdą się ludzie, którzy sprawią, że pójdzie to do przodu, tylko trzeba temu nadać właściwe tory.

Kolejną taką rzeczą, którą mam zwykle z tyłu głowy, jest pytanie: jak najlepiej prowadzić te spotkania? Zaczynaliśmy od pisania razem kodu, co czasami nie było do końca efektywne. Teraz mamy taką formę spotkań, gdzie osoby, które wcześniej się zgłoszą, przygotowują dany temat, przedstawiają go i następnie jest dyskusja, wnioski, pytania, odpowiedzi i inne rzeczy z tym związane. Też myślę, że na ten moment to jest fajna formuła, która się u nas sprawdza. 

Trzecia rzecz, z powodu wirusa, to przeniesienie się do online, bo jednak jak człowiek widzi tych ludzi obok siebie, to inaczej się pracuje. Natomiast i tak uważam, że całkiem fajnie się spotykać regularnie. Daje to też taką odskocznię. Czasami było tak, że nie znałam wszystkich osób, które przychodzą na spotkania, tylko widziałam nicki, natomiast tutaj daję sobie czas i mam nadzieję, że będziemy mogli wrócić do spotkań lokalnie. 

Wyobraź sobie, że czyta nas osoba, która zastanawia się, czy dołączyć do grupy, którą prowadzisz. Powiedz kilka słów na temat zespołu. Jak to wygląda w tej chwili? Możesz scharakteryzować grupę, jeżeli chodzi o doświadczenie tych osób?

Często ktoś zastanawia się, czy nie brakuje mu jakichś umiejętności, doświadczenia i może się waha, a może niepotrzebnie to robi. Spróbujmy opowiedzieć, jak taki zespół wygląda, jak wygląda jego praca i kto powinien dołączyć.


Jeżeli rezonuje z nim sam pomysł, że zrobi coś pożytecznego, a brakuje być może pewnych umiejętności, to to chyba nie powinien być powód, żeby nie dołączać? 

Dokładnie, ja zapraszam wszystkich, którzy chcą się czegoś dowiedzieć, czymś się podzielić, są otwarci na ciekawe dyskusje i na pracę z nami. Mamy osoby w najróżniejszym wieku, z najróżniejszym doświadczeniem, mamy ludzi, którzy dopiero stawiają pierwsze kroki w data science. Czasami też na spotkania przychodzą osoby, które już zawodowo tym się zajmują, więc tutaj przegląd jest pełen.

Warto przyjść, zobaczyć, jak pracujemy. Pooglądać sobie wcześniej na YouTube nasze spotkania, żeby też wiedzieć, czego się spodziewać. Natomiast myślę, że udało mi się zasiać w tej grupie przyjazną atmosferę, która pozwala swobodnie zadawać pytania – nie ma tych głupich pytań, każdy temat, który nam przychodzi do głowy, jest warty poruszenia.

To jest fajne, że jeżeli mamy osobę początkującą, to ona może zadać pytanie, nad którym osoba bardziej doświadczona się nie zatrzymałaby, uznając, że tak jest albo nie zwróci na to uwagi, a tutaj nowa osoba dopyta się o coś, przekieruje uwagę na dany temat i może z tego wyjść coś bardzo fajnego.


W poprzednim projekcie też mieliśmy osoby, które przychodziły do nas jako osoby początkujące, były na paru spotkaniach i po tych paru spotkaniach same zaczynały prezentować. To jest też fajna okazja, żeby zgłębić wiedzę, ponieważ zanim ktoś będzie prezentować, to najpierw przygotowuje sobie ten temat, więc to, ile zostanie zaprezentowane, to jest tyle, ile dana osoba zrobi. Jeśli jesteś na początku i zrobisz mały kawałek, który dotyczy początkowego tematu to super.


Zawsze jest fajnie ugruntować sobie te podstawy, więc takie osoby też są bardzo przydatne i ja bardzo lubię, jak ktoś przychodzi i tak od podstaw tłumaczy, bo to, że mi się wydaje, że ktoś coś umie, to wcale nie znaczy, że tak jest, dlatego też sama staram się jak najbardziej od podstaw wprowadzać dany temat tak, żeby każda osoba, która nawet przyjdzie z zewnątrz, mogła jak najwięcej wynieść. 

Myślę, że takim kolejnym powodem, dla którego warto do nas przyjść i się zaangażować, jest to, że po każdym takim spotkaniu ja piszę posta na LinkedInie, gdzie dziękuję takiej osobie, są też linki do GitHuba, YouTube’a i jeżeli ktoś jest na początku swojej drogi, wie, że będzie szukał pracy, to to jest świetna reklama. Wtedy pokazujemy się rekruterom, firmom i to już jest ten kawałeczek, który pozwala się znaleźć. 

Generalnie jest fajna atmosfera, ludzie są świetni, więc zapraszam.

Fajnie to brzmi. Myślę, że warto podkreślić, że doświadczenie to jest taki element, który się zdobywa, to nie jest najtrudniejsze w tym. Znacznie trudniejsze jest znaleźć motywację i zaangażowanie.


Jeżeli ktoś czuje takie poczucie, że to rezonuje, chce się zaangażować w coś pożytecznego, fajnego, znaleźć się w grupie ludzi, którzy myślą podobnie, gdzie jest atmosfera oparta na współpracy, to warto przynajmniej obejrzeć najpierw filmiki, dołączyć na początek w roli słuchacza, a później też zacząć odpowiednio reagować. 

Na koniec może zapytam o jeszcze jedną rzecz – jak można Tobie i Twojemu zespołowi pomóc?

Najlepiej będzie przyjść, zaangażować się i działać z nami.

Drogi czytelniku, bardzo gorąco Cię zapraszam. Najpierw startowała grupa warszawska, teraz ten podział nie jest już tak oczywisty i wszystko odbywa się online. Przynajmniej w tym czasie możesz mieszkać w dowolnej części Polski i dołączać do spotkania. 

Bardzo dziękuję Magdo za Twój entuzjazm, chęć działania, wytrwałość, regularność, bo to jest bardzo ważne. To jest taka cecha, która nie jest zbyt popularna wbrew pozorom i bardzo się cieszę, że akurat mimo tych wszystkich trudności, próbujesz to wszystko pokonać, iść do przodu i siać ten entuzjazm u innych, bo to jest ważne.

To są takie owoce, które nie zawsze są widoczne na początku, ale dopiero jak patrzysz za rok, za kilka lat zaczynasz dostrzegać, o co tak naprawdę chodziło i co udało się osiągnąć. 

Dokładnie, zgadzam się tutaj w 100%. Dwa lata temu bym nie powiedziała, że to będzie mieć taki efekt i tak to wszystko będzie wyglądać.

Dzięki wielkie i do usłyszenia, do zobaczenia.

Również dziękuję, do zobaczenia.

Bardzo dziękuję za tę historię. Po rozmowie z Magdą, wymieniliśmy się różnymi opiniami, m.in. zwróciła uwagę na to, że te regularne spotkania pomogły jej się odnaleźć w takich nagraniach, bo na początku czuła się dość zestresowana i miała pewne kłopoty, żeby się wypowiadać dla publiczności. Dzięki takim spotkaniom rozwinęła takie umiejętności i pokonała stres. 

Teraz zapraszam do rozmowy z koordynatorem z Poznania – Arkiem. Arek jest ciekawą osobą i na początku może sprawiać wrażenie cichego i spokojnego. Arek robi naprawdę kawał dobrej roboty. Jego projekty, pomysły, zaangażowanie to jest po prostu to, co bardzo cenię osobiście. Można dużo mówić o różnych rzeczach, można mieć przeróżne wizje w swojej głowie, ale tak naprawdę jest stosunkowo mniej osób, które chcą wziąć odpowiedzialność w swoje ręce i zacząć to realizować. Tutaj bardzo dziękuję Ci Arku za Twoje zaangażowanie i zapraszam do przeczytania naszej rozmowy.

Cześć Arek. Opowiedz kilka słów o sobie. Czym się aktualnie zajmujesz, gdzie mieszkasz?

Nazywam się Arkadiusz Klemenko i aktualnie mieszkam w Poznaniu, gdzie pracuję jako Data Analyst w firmie farmaceutycznej. Prywatnie zajmuję się projektami data science dla jednego start-upu z medycyny.

Jesteś pewnie zaangażowany w fundację.

Tak, jestem zaangażowany w fundację, gdzie staramy się realizować różne projekty z data science. 

Twoją rolą jest bycie koordynatorem w Poznaniu. W tej chwili Poznań jest bardziej umowny, bo do tego projektu mogą dołączać ludzie, którzy niekoniecznie mieszkają w Poznaniu. Powiedz kilka słów na temat Twojej roli, co robisz, jak to robisz itd.?

Głównie zajmuję się organizacją spotkań. Staramy spotykać się w miarę regularnie. Moją rolą jest przygotowywanie następnych spotkań, przygotowanie prezentacji, zachęcanie ludzi, żeby wzięli w nich udział, a także przygotowywanie kolejnych tematów i pomoc uczestnikom w trudniejszych sprawach czy rzeczach, z którymi mają jakieś wyzwania. 

Jaka jest Twoja motywacja i jak to się stało, że zaangażowałeś się w fundację?

Na początku zainteresowałem się data science, sztuczną inteligencją. Po ukończeniu kilku kursów dotyczących sztucznej inteligencji, pomyślałem, że rzeczywiście bardzo fajnie można by było robić coś ciekawego, coś bardziej praktycznego. Dlatego zaangażowałem się w fundację, żeby móc realizować takie projekty i móc poszerzać także swoją wiedzę.

Chciałeś wejść bardziej do tematu data science, sztucznej inteligencji, zauważyłeś różne wydarzenia zorganizowane jako wyzwania. Chociaż tak naprawdę, pamiętam, że byłeś zaangażowany już wcześniej, też byłeś na konferencjach DataWorkshop Club Conf, prawda?

Tak, kończyłem jeden kurs DataWorkshop. To był kurs ze sztucznej inteligencji i machine learning. Też dzięki temu zaangażowałem się w zespół w Poznaniu, gdzie mogłem spotkać inne osoby, które tak jak ja chciały realizować się w tym obszarze. 

Chciałeś się zaangażować, interesowałeś się, dołączyłeś do tego nie tylko w roli uczestnika, ale też jako koordynator. Co udało się zrobić? Opowiedz trochę o projektach. Co udało się osiągnąć?

Pierwszy projekt, który zaczęliśmy w zeszłym roku, wyglądał tak, że spotkaliśmy się i zaczęliśmy rozmawiać o projektach, które byłyby praktyczne, które byśmy chcieli zrealizować albo które byśmy chcieli sami używać i do których moglibyśmy używać sztucznej inteligencji. Pierwszym takim projektem był system rekomendacji filmów.


Chcieliśmy, żeby to był taki projekt, który ja będę w stanie używać jako zwykła osoba. Ten projekt przeistoczył się w stworzenie loginu do Chroma, który jest taką opcją, że po naciśnięciu przycisku na Filmwebie w swoim profilu można było przejść do strony i zobaczyć statystyki na temat filmów, które obejrzałem, a także rekomendacje dotyczące filmów, wykorzystując sztuczną inteligencję.

Po tym pierwszym spotkaniu stworzyliśmy koncepcję i strukturę tego projektu. Potem przez kilka miesięcy budowaliśmy cały projekt i tworzyliśmy te wszystkie elementy, które są potrzebne do realizacji naszego projektu. Pod koniec grudnia przedstawiliśmy go, wystartowała strona i plugin, który każdy mógł używać. To był pierwszy nasz projekt.

Potem z powodu COVID nie mogliśmy się już niestety spotykać stacjonarnie. Było kilka spotkań tematycznych dotyczących sztucznej inteligencji i naszym kolejnym projektem, który aktualnie realizujemy, jest projekt autonomicznego pojazdu. Ponieważ bardzo dużo danych jest dostępnych już online dotyczących autonomicznych pojazdów do uczenia modeli i bardzo dużo artykułów naukowych na ten temat, więc był to dość ciekawy projekt, dzięki któremu chcemy poznać, jak wykorzystuje się sztuczną inteligencję w obszarze projektowym dotyczącym samochodów i tego, jak komputer je prowadzi zamiast człowieka.

Tutaj dodam w sprawie pierwszego projektu rekomendację. Opowiadałeś o tym na jednym ze spotkań DataWorkshop i można sobie będzie tę prezentację obejrzeć. Również można znaleźć kod.

Przy projektowaniu pluginu zwróciłeś uwagę, że duży nacisk był robiony na to, żeby to było praktyczne, żeby to nie było rozwiązanie, które się zgubi w próżni. Stosunkowo małym nakładem pracy da się zrobić rzeczy pożyteczne. Takie, które się wydaje, że potrzebują niesamowitych inwestycji, ale to kwestia tego, że kilka osób się zaangażowało przez jakiś czas. Nie wiem, ile było tych spotkań, chyba nie było ich aż tak dużo? 

Mieliśmy regularne spotkania co 2-3 tygodnie. Staraliśmy się tego trzymać i w ramach tego między spotkaniami programowaliśmy i uzupełnialiśmy to, co byśmy chcieli następnie robić. Chyba najwięcej czasu zajęło połączenie tych danych, ponieważ akurat w tym projekcie było tak, że wszystkie bazy danych, które mieliśmy dostępne do uczenia maszynowego, były z INBDE, natomiast musieliśmy jakoś je połączyć także z Filmwebem. To było wyzwanie –  czyszczenie danych, ich łączenie. Dużo czasu to zajmuje w każdym projekcie.

To też było fajne, taka praktyczna część tych projektów, bo to nie są projekty teoretyczne, że się robi klasyfikację i dostaje się wynik. Też pod kątem edukacyjnym warto byłoby to przejrzeć i poobserwować, jakie projekty są realizowane.


W sprawie drugiego projektu – samochody autonomiczne to też jest ciekawa sprawa. Pamiętam Twoje zaproszenie, na YouTube można obejrzeć filmik, gdzie opowiadasz o celach projektowych, o tym, co będzie użyte, jakie technologie będą zastosowane, czego można się spodziewać. To jest intelektualna rozrywka, bo nie łatwo to zrobić. Ciekawe jest, że takie projekty prowadzą do tego, że pojawiają się pewne zastosowania i ich realizacje.


Prawdopodobnie ten samochód nie będzie jeździć po Polsce, ale bardziej chodzi o to, że jak człowiek przerobi te przykłady, to będzie w stanie coraz lepiej umieć zastosować te czy inne rozwiązania. 

Te wszystkie materiały związane z spotkaniami (nagrania, kawałki kodu) są dostępne i można to wszystko obejrzeć. 

Wszystkie nasze spotkania udostępniamy na GitHubie. Udostępniamy też prezentacje, podsumowanie spotkania, informacje, linki do źródeł, wideo ze spotkań. Także mamy osobne repozytorium dotyczące samochodów autonomicznych, gdzie uzupełniamy kod dotyczący tego projektu.

Od strony praktycznej, organizacyjnej – co Ci sprawiło największe trudności? Jakie wnioski z tego wyciągnąłeś? Jak sobie z tym poradziłeś? Nie ukrywajmy, znacznie łatwiej mówić, jak coś można zrobić, ale znacznie trudniej faktycznie się zaangażować i prowadzić regularne spotkania, a chętnych do takiej roli jest mniej.

Od strony praktycznej to ogarnięcie wszystkich narzędzi, które trzeba użyć do tego spotkania – aktualnie narzędzie do nagrywania, utworzenie wszystkich spotkań na meetupie i kontrolowanie tego, co jest po spotkaniu. Jeśli chodzi o kwestie organizacyjne to przygotowywanie do spotkania, bo to zawsze zajmuje dużo czasu, choćby sprawdzenie czy wszystko to, co chcieliśmy przekazać na spotkaniu i czy kod, który chcemy pokazać, rzeczywiście działa i jest prawidłowy. 

Tak to prawda. Jak ktoś kiedykolwiek podejmował się wyzwania, aby cokolwiek zorganizować, to rozumie, o co tutaj chodzi. Powiedz jeszcze kilka słów na temat zespołu, jak można go scharakteryzować pod różnymi kryteriami np. wiek, umiejętności itd.? Dodatkowo, z punktu widzenia motywacji potencjalnej osoby w zespole, co zyskuje taka osoba, biorąc udział w podobnych projektach? Dlaczego warto byłoby się zaangażować?

Jest to zróżnicowany zespół. Część osób pracuje aktualnie na pełen etat i po prostu wykorzystuje swój wolny czas, żeby móc dołączyć, doświadczyć czegoś z data science. Część to są studenci, którzy po studiach lub w trakcie studiów uczą się, planując swoją karierę zawodową. Też bardzo chcieliby np. brać udział w projektach i móc realizować jak najwięcej, a także nauczyć się czegoś w obszarze sztucznej inteligencji, by móc w przyszłości realizować własne projekty.

Dlaczego warto byłoby dołączyć i jak to mniej więcej wygląda? Czy ciężko jest się dołączyć?

Nie, absolutnie nie. Każdy może też w roli słuchacza, jeśli tylko chce, posłuchać naszych wykładów – oczywiście zapraszamy, żeby obejrzeć nasze wykłady czy brać w nich udział. Jeśli ktoś chce bardziej aktywnie się zaangażować, staramy się, żeby te zadania były jak najbardziej praktyczne i uproszczone, żeby każdy, kto chce coś zrobić, wiedział, czego oczekujemy, a także czego może się nauczyć po tym zadaniu.

Jakie macie plany na dalsze projekty albo dalsze działania? Teraz jesteście przy projekcie samochodów autonomicznych. Co dalej?

Przede wszystkim będziemy chcieli zakończyć projekt samochodu autonomicznego. Potem oczywiście będziemy chcieli sobie zrobić podsumowanie naszych projektów i zdecydować, co będziemy chcieli realizować w przyszłości.



Jeszcze nie zdecydowaliśmy o tym tak naprawdę, ponieważ po prostu w aktualnej sytuacji jesteśmy zmuszeni być tylko online. Jednym z plusów jest to, że możemy się spotkać w szerszym gronie, nie tylko ci z Poznania, i porozmawiać o tym, co będziemy chcieli dalej uczynić. 

To jest bardzo fajny moment dla osób, które dopiero chcą dołączyć. Jak projekt zbliża się już ku końcowi, to być może nie zawsze jest łatwo dołączyć, bo kontekst troszkę można zgubić, a jak się rozpoczyna nowy projekt, to to prawdopodobnie jest jednym z najlepszych okresów, kiedy warto zacząć działać.

Jak można Ci pomóc i Twojemu zespołowi? 

Najbardziej można pomóc zapisując się do projektu i pomagać przy projekcie. Aktualnie realizujemy się w zadaniu autonomicznego pojazdu, przede wszystkim w uczeniu różnych modeli sieci neuronowych i testowania modeli sieci neuronowych przy rozpoznawaniu obrazów, które będą nam później potrzebne przy reinforcement learning. Można też testować nasze rozwiązania.

Bardzo dziękuję za tę rozmowę, ale jeszcze bardziej dziękuję za regularność prowadzonych spotkań. To jest duży wysiłek i ja wiem, ile to kosztuje, jeżeli chodzi o zaangażowanie. Trzeba się po prostu postarać, to jest kawał dobrej roboty.

Trzymam kciuki, aby dalej to się rozwijało. Czuć ten entuzjazm u Ciebie, jak podchodzisz do projektów, jak się dzielisz doświadczeniem, ale też jeżeli chodzi o część merytoryczną, to tutaj trzeba potwierdzić i przyznać, że podchodzisz do tego bardzo starannie i wiele można z takich spotkań wynieść. 

Bardzo fajnie, że mogę uczestniczyć w takich spotkaniach w większej grupie, która interesuje się rozwojem.

Dzięki i do usłyszenia, do zobaczenia.

Dzięki, do usłyszenia.

Projekty realizowane w Poznaniu naprawdę są bardzo ciekawe i merytoryczne, więc polecam się zainteresować, zaangażować. Na początek jako słuchacz, a może potem w sposób bardziej zaawansowany?

Mój trzeci rozmówca to Łukasz, koordynator z Olsztyna. Poznaliśmy się na spotkaniu na żywo w Warszawie. Wtedy Magda powiedziała, że w sumie może spróbować wziąć na siebie odpowiedzialność koordynatora w Warszawie i na tym spotkaniu też był Łukasz. Łukasz wtedy jeszcze mieszkał w Warszawie, rozważał przeprowadzkę do Olsztyna.



Wahał się, ale uznał, że fajnie by było, żeby w Olsztynie też coś się działo, bo niewiele się dzieje i może to miasteczko też się pobudzi. Faktycznie w Olsztynie zebrała się grupka ludzi, która po wyzwaniach powiedziała:

– Hej, może zróbmy coś?

Pierwsze spotkanie prowadził Łukasz, będąc jeszcze w Warszawie i tak to zaczęło się rozkręcać. Trzeba też podziękować i pogratulować Łukaszowi za to, że tak dobrze odnalazł się w tej roli. To jest też ciekawe, na ile czasem nie zdajemy sobie sprawy, jaka jest nasza rola. Wydaje się, że znamy siebie, ale często jest tak, że nie dostrzegamy własnej wartości.

Często można pomyśleć, że nie robimy nic nadzwyczajnego, bo przychodzi to naturalnie. Tu jest cała magia – dla nas może to być naturalnie, ale niekoniecznie dla innych. Łukasz odnalazł się w tej roli i mało tego, że sam jest bardzo mocno zaangażowany, to ma ogromny talent, bo potrafi stworzyć taką atmosferę w grupie, że zespół stał się bardzo zaangażowaną rodziną.



To nie jest łatwe. Jeżeli jesteś właścicielem firmy albo w niej pracujesz, obserwujesz, jak zespoły działają, to wiesz, jak trudno jest zaangażować ludzi. Jak często się to sprowadza do tego, że chodzę do pracy, bo dostaję pensję, ale również mógłbym tam nie chodzić i niewiele by się zmieniło?


Ogromnie ciężko jest sprawić, żeby ludziom się chciało, żeby chcieli to robić, bo czują wewnętrzny sens, bo się rozwijają. Nie chodzi o to, że zawsze da się wyjaśnić to jednoznacznie, ale jak patrzysz na ten organizm, jak on się rozwija i jakie są skutki tych działań, to czujesz, że to jest bardzo pozytywne i po prostu się wie, że to ma sens. 

Cześć Łukasz. Opowiedz kilka słów o sobie, czym aktualnie się zajmujesz, gdzie mieszkasz? 

Nazywam się Łukasz Sawaniewski, na co dzień pracuję jako Data Scientist w olsztyńskiej firmie Ermlab Software, głównie w obszarach związanych z przetwarzaniem języka naturalnego. Po godzinach staram się wspierać działania DataWorkshop Foundation w ramach naszej lokalnej grupy w Olsztynie.

Jesteś koordynatorem miasta Olsztyn, chociaż w tej chwili granice są dość umowne, bo ostatnio Gdańsk do Was dołączył, więc to jest już bardziej część północna, ale każdy może dołączyć, bo wszystko jest online na ten moment.


Powiedz na początek o Twojej motywacji. Jak to się stało, że zaangażowałeś się w fundację? Co sprawia, że chcesz to kontynuować? To jest duży wysiłek, żeby prowadzić grupę, utrzymywać zaangażowanie na wysokim poziomie – trzeba się naprawdę postarać. Jaka jest Twoja motywacja?

Moja przygoda z DataWorkshop Foundation (wtedy jeszcze nie było fundacji) zaczęła się prawie 2 lata temu przy okazji korony wyzwań uczenia maszynowego. Z bardzo dużym zainteresowaniem przyglądałem się, jak ludzie z większych miast chcieli spotykać się w miarę regularnie na żywo. Niektórzy, żeby wspólnie się czegoś nauczyć, rozwiązywać zadania, inni po prostu z ciekawości, żeby poznać ludzi z branży o podobnych zainteresowaniach.



Tutaj akurat nasz Olsztyn jest jednym z takich miast (przynajmniej w mojej ocenie), gdzie może i specjalistów jest sporo, ale takiej społeczności nigdy nie było widać i jeśli nawet gdzieś jest, to dość hermetyczna. Zawsze mi brakowało lokalnych meetupów, szkoleń, innych sposobów dzielenia się wiedzą czy networkingu. Dlatego po cichu liczyłem, że gdzieś w tej grupie ludzi zaktywuje się też trochę moje miasto.


Tak też się stało. Zgłosiła się dosyć szybko grupka z Olsztyna. Potrzebna była tylko osoba, która zajmie się częścią organizacyjną. Tutaj też decyzja z mojej strony była dosyć szybka i tak stałem się lokalnym koordynatorem w Olsztynie. W praktyce dbam z jednej strony o planowanie, kwestie techniczne naszych spotkań. W innych sprawach konsultuję pomysły, szukam wsparcia merytorycznego dla naszych projektów, ale głównie zależy mi na tym, żeby coś zaczęło się dziać na naszym podwórku.

Bardzo ciekawa historia, która też motywuje. W szczególności jeśli czyta nas teraz osoba, która niekoniecznie mieszka w Warszawie i myśli, że w jej miasteczku nigdy nic się nie działo i nigdy nie będzie, to warto próbować, bo okazuje się, że to nie zależy od miasteczka, tylko od osoby, która w nim mieszka. 

Powiedz trochę więcej o projektach, które realizujecie.

Wspólnie działamy już ponad rok. Kilka osób jest z nami od samego początku i dalej mają chęć do pracy. To są też osoby bardzo różne, z różnym poziomem technicznym, z różnym backgroundem i stąd też nasze działania były dosyć zróżnicowane w tym czasie.


Na początek startowaliśmy z auto warsztatami. Sami dla siebie przygotowaliśmy materiały, z których mogliśmy się uczyć lub jeśli ktoś już miał kompetencje w jakimś zakresie, to mógł przygotować tego rodzaju warsztaty dla pozostałych. W międzyczasie rósł apetyt na wykorzystanie tego w praktyce. Tworzyliśmy mniejsze, większe aplikacje, na początku związane z NLP, klasyfikacją wiadomości prasowych.


Pierwszym poważniejszym projektem był system do rozpoznawania kandydatów na prezydenta (akurat zbiegło się to z kampanią prezydencką) w nagraniach stacji telewizyjnych. To był większy projekt, gdzie dość dużo danych trzeba było przetwarzać. Koniec końców założenia projektu wyszły, natomiast kampania niekoniecznie, bo zbiegło się to z pandemią i musieliśmy zawiesić działania. Niemniej projekt i tak uważamy za całkiem udany. 

Czymś większym i najnowszym zarazem z naszego warsztatu jest projekt o roboczej nazwie „Samowola”, który się zrodził w trakcie Hackathonu. Jako zespół olsztyński startowaliśmy w Hackathonie, który organizował Krakowski Park Naukowo-Technologiczny i udało nam się zająć pierwsze miejsce. Stworzyliśmy proof of concept modelu do wykrywaniu nielegalnych budowli i innych nieprawidłowości z tym związanych na bazie zdjęć satelitarnych.

Razem zdecydowaliśmy się kontynuować ten projekt po zakończeniu Hackathonu. W tej chwili mamy już produkcyjną wersję, gdzie od początku do końca przygotowywaliśmy cały research, pozyskiwaliśmy dane, przygotowywaliśmy je i trenowaliśmy najróżniejsze modele, włącznie z deployem modelu, przygotowywaniem API. To jest coś takiego, czym możemy się już pochwalić.

Dodam tylko odnośnie do pierwszego projektu, że chodziło o to, że podpinamy się do telewizji, tam są kandydaci, którzy występują i chcemy śledzić, kto ile razy tam się pojawia, żeby można było zmierzyć to w sposób namacalny, żeby to nie była subiektywna ocena tylko suche, twarde fakty o obecności kandydatów w telewizji. Udało Wam się to skończyć, tylko po prostu zmieniły się realia, było zamieszanie z wyborami, kampania jako taka się nie odbyła.

Gratulowałem Wam, jak wygraliście konkurs i to też jest fajne, że to stało się inspiracją do projektu na podstawie zdjęć satelitarnych. Jesteśmy w stanie analizować, jakie budynki albo inne elementy były nielegalnie wybudowane i w ten sposób można było to wykryć. Też co ciekawe, że cały kod, różne notatki spotkań to wszystko jest dostępne, robicie to w sposób bardzo otwarty, przezroczysty. Można znaleźć na GitHubie, prawda?

Prawda. Mniej więcej tak staramy się tworzyć nasze projekty. Oczywiście, jeśli któryś z uczestników chciałby iść w stronę bardziej komercyjną, to też pojawiały się głosy o wsparciu z naszej strony, czy podzielić się kontaktami, podpowiedzieć, gdzie można by było ze swoimi pomysłami się zwrócić, ale te projekty, które robimy w ramach społeczności, staramy się udostępniać, dzielić wiedzą, żeby to było nasze wspólne. 

Dokładnie, bo taka właśnie jest rola fundacji.

Opowiedz teraz o zespole, który pracuje przy projektach. Mam na myśli kryteria przyjęcia, żeby było to bardziej zrozumiałe dla osób, które rozważają dołączenie do grupy. Wiem, że udało Wam się utworzyć w pewnym sensie rodzinkę, grupa dość mocno jest zgrana i faktycznie są osoby, które się zaangażowały na początku i przez cały ten czas angażują się dalej, mają chęć i motywację do działania. 

Co do zasady, jesteśmy otwarci na wszystkich. Nie mamy narzuconych kryteriów absolutnie żadnych poza szczerą chęcią do współpracy z nami. To jest chyba jedyne wymaganie, które trzeba spełnić na początek i pewna otwartość na ludzi.


Pozostałych rzeczy można nauczyć się w trakcie i w zasadzie z tą naszą rodzinką tak jest. Ja się cieszę, że tego typu relacje między nami widać, bo faktycznie jesteśmy już w większości ze sobą długo. Pojawiają się od czasu do czasu osoby, które są z nami epizodycznie. Część wpadnie z ciekawości zobaczyć, o co tak naprawdę tutaj chodzi i to jest w porządku. Część ma jakieś inne zadania, bo przypomnę, że to wszystko jest realizowane równolegle do domowych obowiązków – ludzie mają szkoły, doktoraty, rodziny i pogodzenie tego też jest wyzwaniem. Natomiast wystarczy szczera chęć, reszty uczymy się na bieżąco.

W swoim składzie w tej chwili mamy bardzo różne specjalności, bardzo różny poziom techniczny. Mamy ludzi, którzy są programistami dosyć długo w różnych technologiach. Mamy osoby, które rozpoczęły doktorat i dodatkowo chciałyby włączyć do swojej pracy elementy machine learningowe albo w ogóle data science.




Mamy w końcu osoby, które z ciekawości przyszły, bo “fajnie byłoby coś w tym obszarze zrobić i się czegoś nauczyć, a może udałoby się znaleźć jakąś ciekawą pracę czy przebranżowić”. To też nie jest żadna tajemnica, że wiele osób w taki sposób do nas trafia. Zasada jest taka, że pracujemy wspólnie, jesteśmy otwarci i tego też oczekujemy od osób, które do nas trafiają. 

Myślę, że to jest inspirujące, jeżeli ktoś teraz nas czyta i się zastanawia, czy warto spróbować. To na pewno nie boli, nie gryzie, przynajmniej w roli słuchacza, a dalej kto wie, bo już było wiele przypadków, kiedy osoba wpada tak skromnie jako słuchacz, a potem się angażuje i zostaje na dłużej. 

Warto zapytać od razu o dalsze plany, bo ten drugi projekt zbliża się ku końcu. Czy już macie ustalony plan, co dalej? Czy ewentualnie są jakieś zaplanowane spotkania, które określą, co dalej?

Odnośnie samych spotkań, to prowadzimy regularnie spotkania co dwa tygodnie. W tej chwili mieliśmy troszeczkę bardziej intensywną pracę, więc spotykamy się co tydzień we wtorki. Natomiast zakończyliśmy pracę nad projektem „Samowola”. To pozwoliło zespołowi trochę okrzepnąć i zyskać trochę pewności siebie.


Jestem bardzo zadowolony, bo coraz częściej pojawiają się głosy o projektach, które będą miały jakiś wpływ. Chcielibyśmy zrobić coś, co będzie użyteczne i z pożytkiem dla innych, więc wydaje mi się, że następny projekt, którego będziemy się podejmować, to będzie już coś bardziej ambitnego.


Chcielibyśmy zrealizować jakieś zadanie ułatwiające danej organizacji czy grupie rozwiązywanie ich problemów. Takie trzy główne obszary, w których się w tej chwili poruszamy, to jest wsparcie osób niepełnosprawnych, monitoring mediów lub szerzej różnego rodzaju wydarzeń lokalnych i bezpieczeństwo głównie w środowisku miejskim (tutaj też mamy na myśli dozór czy monitoringu publicznego, czy szybkie reagowanie na różnego rodzaju wydarzenia).


Toczą się w tej chwili dyskusje nad konkretnymi tematami, więc myślę, że to jest dobry czas, jeżeli ktoś jest zainteresowany poważną pracą z nami – zapraszamy.

To jest też dobry moment a propos dołączania do grupy, kiedy projekt dopiero się zaczyna, bo to jest najbardziej komfortowy punkt z takich naturalnych względów – masz kontekst w głowie, znasz historię, bo te pomysły zawsze ewoluują w czasie. Masz więc czas, żeby się zapoznać z tym, co się będzie działo zamiast dołączać gdzieś pod koniec projektu, bo to jest oczywiście trudniejsze. 

Jak można pomóc Tobie i Twojemu zespołowi?

Głównym ograniczeniem, które w zasadzie zmuszało nas do intensywniejszej pracy, były kwestie techniczne, bo wszystkie nasze projekty, które realizowaliśmy, to są narzędzia wykonywane na darmowych systemach.


Z jednej strony to wyzwanie, z drugiej jakieś ograniczenia. Jeżeli są osoby, które interesują się zarządzaniem projektami albo mają doświadczenie w budowaniu, planowaniu takich systemów IT, to chętnie przyjmiemy wsparcie stałe czy doraźnie, bo fajnie skonsultować nasze projekty z takimi osobami.


A zupełnie od drugiej strony, jeżeli znacie organizacje, które mają u siebie dane lub mają problemy związane z danymi, a uważacie, że potrzebowałyby wsparcia albo mogłyby z nami skonsultować swoje problemy, żeby natchnąć nas do kolejnych projektów, to jesteśmy jak najbardziej otwarci na tego typu kontakty.

Bardzo dziękuję, że o tym powiedziałeś. Wydaje się, że to naturalny krok dla fundacji, że coraz bardziej dojrzewamy jako poszczególne grupy.


Mniej więcej takie same transformacje mają miejsce: najpierw nieśmiałe spotkanie, webinary, warsztaty, później pierwsze projekty, drugie, a później już jest taka potrzeba – a może zróbmy coś bardziej odważnego, poważnego i potrzebnego w konkretnych zastosowaniach.


Może tak się stać, że w tej chwili czyta nas osoba, która wie o jakiejś fundacji, która potrzebuje pomocy, tylko nie mają pomysłu, kto im to może zrobić. Warto się do nas zgłosić w tym momencie, bo może się okazać, że zrobimy razem coś wspaniałego.

Bardzo dziękuję Łukasz za Twoje zaangażowanie, za wszystkie regularne spotkania, które odbywają się w Olsztynie. Robisz to naprawdę bardzo dobrze, a to jest trudne. To jest ścieżka, którą trzeba przejść, żeby uświadomić sobie, co to oznacza.


Człowiek, który kiedykolwiek cokolwiek organizował przynajmniej kilka razy, wie, jaki to jest czasem stres. Potem się przyzwyczaja, ale nadal to jest trudne i wymaga poświęcenia. Za to chciałem Ci bardzo podziękować. Trzymam kciuki, aby dalej to się rozwijało i jestem mega dumny z tego, że udało Ci się zaangażować do tego projektu i potem otworzyłeś się na ten świat i ten potencjał się u Ciebie rozkręca. To jest bardzo inspirująca historia też dla mnie.

Dziękuję bardzo. Bardzo miło to słyszeć i ja też mogę powiedzieć, że mi serce rośnie, jak widzę, że ludzie u nas działają, chcą działać, ten entuzjazm nie opada, że jesteśmy razem już bardzo długo.

Super, dzięki wielkie. Do zobaczenia, cześć.

Ten odcinek wyszedł trochę dłuższy, ale miałem potrzebę, żeby o tym powiedzieć na głos. Jeżeli sprawi to, że wewnątrz Ciebie coś zaczyna „trybić” i czujesz, że to, co mówię, jest ciekawe, to zrób coś z tym wrażeniem. Zaangażuj się w jakiś sposób do tej działalności.


Postaraj się, żeby ta iskra zaczęła nabierać większych kształtów i inspirować inne osoby. Ja wierzę, że ten świat da się obudzić i da się sprawić, że pewne rzeczy zaczną się dziać szybciej, jeżeli te iskry zaczną się budzić z różnych stron. To jest efekt fali, ale potrzeba tego pierwszego ruchu, który wprawi w ruch kolejne elementy. 

Życzę Ci dużo zdrowia, szczęścia i wszystkiego dobrego. 

Czy słuchałeś lub czytałeś już odcinka poświęconego kierunkowi rozwoju Biznes Myśli? Jeśli nie, to gorąco zapraszam Cię do zapoznania się z materiałem i pomoc w podjęciu właściwej decyzji poprzez ankietę.

Artykuł Fundacja DataWorkshop – cele i działania pochodzi z serwisu Biznes Myśli.

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.

Jak często zadajesz sobie pytanie: na czym polega sens życia? Myśląc o tym pewnie szybko zdajesz sobie sprawę, że jest to trudne pytanie. Są głosy, które twierdzą, że sens polega na tym, aby takiego pytania nie zadawać. Mi osobiście wydaje się, że takie podejście jest mało odpowiedzialne. Brzmi jak uciekanie od trudności zamiast tego, aby pozwolić sobie chociaż trochę nad tym pomyśleć.

Jak to zwykle bywa tych prawd może być wiele w zależności od kontekstu. Brzmi to paradoksalnie, ale wygląda na to, że nasz świat jest tak skonstruowany. Zamiast słowa “prawda” można powiedzieć, że “doświadczeń” może być wiele. W zależności od tego, jaki bagaż życiowy ktoś ma za sobą, to mocno to wpływa na to, jak ten świat postrzega i jakie “prawdy” uznaje za te właściwe dla niego. 

Ciężko w języku polskim oddać te różne znaczenia słowa “prawda”, dlatego odwołam się do języka rosyjskiego. Istnieją w nim słowa “prawda” i “istina”. Ta rosyjska „prawda” jest w pewien sposób relatywna – każdy ma swoją prawdę. Równolegle funkcjonuje „istina” jako pojęcie globalne, które zresztą ciężko w pełni poznać.

Po polsku można by powiedzieć, że “istina” to stan faktyczny. Tutaj jednak jest pewne wyzwanie, bo często jedynie wydaje nam się, że można poznać stan faktyczny w 100%, ponieważ możemy poznać tylko część faktów. Mówiąc “stan faktyczny”, mam na myśli taki stan, który na pewno jest, ale my jako ludzie, wykorzystując narzędzie, które mamy, możemy jedynie próbować go poznać (czasem coś poznajemy, co już jest sukcesem).

Wrócę do pytania, które postawiłem na początku, bo teraz mi łatwiej będzie powiedzieć, że mam kilka odpowiedzi na pytanie “na czym polega sens życia” lub tych moich prawd. W zależności od wielu czynników skłaniam się do różnych odpowiedzi, z resztą te moje prawdy ciągle ewoluują w czasie. Właśnie dlatego chciałem wyjaśnić, na czym polega w moim rozumieniu koncepcja “prawdy”.

Jedną z odpowiedzi jest rozwój. Świat można zdefiniować jednym słowem – rozwój. Ewentualnie dwoma – ciągły rozwój. Jeśli spojrzeć na świat z perspektywy trochę dłuższej niż jedno życie człowieka, np. 500 czy kilka tysięcy lat, to wtedy zrozumiesz, że ważnych spraw w ciągu życia człowieka jest stosunkowo mało.

Na przykład pewnie nie wiesz za wiele na temat swojego pra-pra-pra-pra-pra dziadka, natomiast wiesz na pewno, że mieli dziecko. Choć nie znasz ich imienia, co robili, jakie mieli hobby itd., wiesz, że mieli dziecko.  Z Twojego punktu widzenia można byłoby powiedzieć, że to “najważniejsza sprawa ich życia”, ponieważ w innym wypadku nie byłoby Ciebie.

Z drugiej strony nie można tak upraszczać wszystkiego. Dzieci to potencjał, który należy rozwijać, aby każde nowe pokolenie stało się mądrzejsze niż poprzednie. Tutaj co prawda pojawia się szereg kolejnych pytań: czy jest sufit rozwoju? Czemu akurat rozwój w tej grze jest ważny? Zostawiam Cię  z tymi pytaniami. Myślę, że takie rozważania mogą być wartościowe.  Też proszę podziel się swoimi przemyśleniami ze mną w komentarzu lub napisz maila. 

Technologia może przyczynić się do znaczącego przyspieszenia rozwoju naszej cywilizacji. Jeśli jednak owa technologia będzie narzędziem w rękach egoistów, to będzie miała dokładnie odwrotny wpływ – degradujący. Żyjemy w paradoksalnym świecie, gdzie już nie można zatrzymać rozwoju technologii, ona pędzi jak ciężki pociąg lub czołg bez hamulców, jedynie możemy nadać jej odpowiedni ton: pozytywny lub negatywny. Wierzę, że nadanie tego tonu jeszcze nadal zależy od ludzi.

We wszystkim co robię, staram się przyczynić ku temu, aby technologia dla ludzi była czymś pozytywnym. Czuję głęboką wewnętrzną potrzebę, aby to robić. Właśnie dlatego poza tym, że pracuję z firmami i pomagam im wdrażać uczenie maszynowe we właściwy sposób, także uczę innych, jak to robić. Prowadzę szereg kursów online na DataWorkshop. Już przeszkoliłem ponad pół tysiąca osób.

Jeden z kursów to „Praktyczne uczenie maszynowe od podstaw”. Kursy są tak skonstruowane, aby z jednej strony przekazywać wiedzę w praktyczny sposób, a z drugiej również zwracać uwagę na proces i uświadomić sobie, co tak naprawdę robimy – nieustannie zadawać w głowie pytanie: jakie będą skutki tego czy innego rozwiązania?

Chciałbym wspomnieć o trzech głównych celach, na których mi zależy najbardziej, kiedy edukuję. 

Po pierwsze, zależy mi na tym, aby przekazać wiedzę w praktyczny sposób.

Tak się składa, że jestem praktykiem i lubię, kiedy rzeczy się dzieją, a nie tylko się o nich rozmawia. Moje podejście czasem zaskakuje, bo faktycznie realizując projekt, patrzę na to binarnie: działa albo nie. Nasz świat często jest bardziej skomplikowany, ale jednak da się poukładać myślenie w taki sposób, aby osiągać zamierzony cel. To jest kwestia złapania tego, co jest ważne i ciągłe posuwanie się do przodu.

Jeśli chodzi o przekazanie wiedzy, to podejście jest inne niż często to bywa. Mimo tego że kończyłem studia informatyczne, mało mi się to przydało w pracy i większość praktycznych rzeczy (czyli takich, które faktyczne mi pomagają rozwiązywać problemy) musiałem nauczyć się  samodzielnie, czyli można powiedzieć, że jestem samoukiem. To jest istotna różnica, ponieważ mówię z własnego doświadczenia, a nie z samej teorii.

Po drugie, zależy mi na tym, aby zwrócić uwagę na odpowiedzialność i pobudzać świadomość.

Skoro już wiesz, jak to zrobić, to warto uświadomić sobie, jakie mogą być tego konsekwencje. Człowiek będąc w komfortowych warunkach łatwo może zapomnieć, jakie są wyniki jego działania. Jedno z najlepszych lekarstw na to, to zamienić się rolami. W praktyce to oznacza, że przeprowadzasz w swojej głowie eksperyment, czyli stajesz wirtualnie w miejscu osoby, której dotyka tworzone rozwiązanie.

Następnie zadajesz sobie pytanie: jak z tym się czujesz? Oczywiście nadal zostaje wachlarz interpretacji, kto co lubi  i może zaakceptować, natomiast zwykle taki eksperyment jest dobrym początkiem do pobudzanie swojej świadomości.

Po trzecie, chcę pomóc uwierzyć w swoje siły poprzez działania.

Skoro już wiesz, jak to zrobić, nakładasz na to filtr etyczny, zostaje jeszcze nam jeden punkt – uwierzyć w siebie. Ostatnio za dużo jest coachów i generalnie rzecz biorąc dużo osób, które uczą jak żyć. Natomiast ja preferuję inną ścieżkę – pokazać na przykładzie, że człowiek potrafi robić różnem genialne rzeczy. 

Opowiem Ci historię, która wydarzyła się podczas ostatniej edycji kursu “Praktyczne prognozowanie szeregów czasowych”. Prawdopodobnie osoba, której dotyczy ta opowieść, czyta ten wpis, więc pozdrawiam Cię! Nie będę zdradzał imienia (z pewnych przyczyn kiedyś sama pewnie opowie tę historię). Bohater tej historii pracuje obecnie w instytucji rządowej. To jest temat zupełnie inny niż IT i tym bardziej machine learning.

Natomiast wpadł on na pomysł, aby stworzyć narzędzie, które prognozuje cenę energii na “jutro” (czyli codziennie prognozowanie 24 wartości). Zapisał się na kurs, wybrał pakiet “Indywidualny”, czyli taki, gdzie są cotygodniowe indywidualne konsultacje, podczas których podpowiadam, czego  warto spróbować (ale nic sam nie robię).

Wynikiem jest to, że ten człowiek zbudował rozwiązanie co najmniej na tym samym poziomie, które są obecnie dostępne na rynku lub nawet lepiej. Mówiąc dostępne na rynku, mam na myśli większych graczy oraz zewnętrze rozwiązania (również zagraniczne). Dzięki temu sam sobie udowodnił, jak dużo potrafi zrobić.

Podkreślę, że z mojej strony były tylko sugestie i podpowiedzi, natomiast cała realizacja była po stronie tej osoby. Osobiście jestem dumny za każdym razem, kiedy ktoś zaczyna wierzyć w siebie, w swój potencjał i działa. Piękna sprawa.

Indywidualne konsultacje to oczywiście fajna rzecz, ale oprócz tego na kursie jest wiele elementów, gdzie wspieram na różne sposoby. Jest także konkurs, który odbywa się na każdym kursie i to jest rzucanie się na głęboką wodę, ale nadal jest wsparcie, udostępniam tak zwane “startery”, aby każdy uczestnik mógł wystartować i poruszać się do przodu.

Co Ci się najbardziej podobało podczas kursu?

Konkurs! – ponieważ maksymalnie przyspiesza proces nauki. Na początku myślałam, że co ja umiem po 2 modułach. Bardzo motywująco zadziałała na mnie rywalizacja i możliwość pracy na realnych danych. Wydaje mi się, że najwięcej nauczyłam się właśnie w te 2 tygodnie. Dużo także udało mi się zaobserwować rzeczy około pracy takich jak trzymanie lepszego porządku, wiara we własne pomysły, jak ważna jest walidacji pomysłów – na własnej skórze.

Ten kurs to coś więcej niż zwykły kurs! 

Dlaczego? Naszą rolą jest łączyć kropki, a nie tylko wykonać malutki kawałek pracy, np. opowiedzieć o temacie X i pójść do domu. W praktyce to oznacza maksymalnie pobudzać uczestników kursu do myślenia, zadawać pytania, zamiast podawać gotowe odpowiedzi. Między innymi kładziemy duży nacisk na pobudzenie ciekawości i inspirowanie. Zaszczepienie myślenia nastawionego na rozwiązanie problemów, zamiast szukania wymówek.

Kolejny sposób łączenia kropek to zbudowanie odpowiedniego środowiska. To w pewnym sensie traktuję jako element sztuki, bo staram się stworzyć wizję, która potrafi zjednoczyć ludzi. Kurs jest prowadzony online, materiały już są nagrane, więc teoretycznie to można udostępniać ciągle na żądanie i być może biznesowo to bardziej by się opłacało (przynajmniej na krótkim etapie), ale to mija się z moim celem.

Cel jest znacznie głębszy niż stworzenie maszynki do generowania pieniędzy. Analizując pod różnymi kątami efektywności, można łatwo dojść do wniosku, że środowisko jest bardzo istotne. To środowisko decyduje, kim jesteśmy, jak zachowujemy się, jak myślimy. Oczywiście po naszej stronie jest wybór, w którym środowisku chcemy być.

W ramach kursu staramy się (to znacznie więcej niż tylko moja osoba) stworzyć pozytywne środowisko, które skłania do rozwoju. Mocny nacisk jest kładziony na aktywację i pobudzanie grupy uczestników. Mamy własny kanał komunikacyjny na Slacku i masę innych mechanizmów, które dają poczucie obecności, mimo tego że kurs jest online – np. webinar tzw. ”starter”, czyli podpowiedzi jak zacząć, mailingi z pomocnymi materiałami.

Gdy oficjalnie kończy się kurs, nie oznacza to końca tej przygody. Część grupy decyduje się przerobić kurs jeszcze raz, bo wiele informacji trzeba powtórzyć, dlatego wszystkie materiały są zbierane i udostępniane. Wynik: część osób po zakończeniu kursu przerabia wspólnie go jeszcze raz.

Inna grupa ludzi, która chce od razu zaangażować się do projektu, ma taką możliwość w ramach fundacji DataWorkshop. Wizją fundacji jest łączenie ludzi zainteresowanych tematyką uczenia maszynowego i sztucznej inteligencji i wykorzystanie tego w dobrym celu. 

Członkowie mogą w ramach organizacji stale rozwijać swoje kompetencje, a także zrealizować realny projekt, który przyczyni się do zmiany otaczającego nas świata. Obecnie już funkcjonuje wiele grup w całej Polsce, najbardziej aktywne to Warszawa, Katowice, Kraków, Białystok, Olsztyn, Poznań, Trójmiasto, Rzeszów, Lublin.

Wierzę, że na takim podejściu zyska każdy i ten, kto chce się nauczyć, staje się pomocny dla innych, bo zdobywa umiejętności rozwiązując praktyczne problemy oraz poznaje ciekawych ludzi.

W pewnym momencie pojawiła się potrzeba, aby umożliwić absolwentom z różnych zakątków Polski spotkanie się na żywo. Najpierw zrobiliśmy pierwsze spotkanie i było to bardzo pozytywne doświadczenie. Zdecydowaliśmy się na drugi zlot absolwentów i po raz kolejny dostaliśmy dużo pozytywnej informacji zwrotnej.

Organizując takie wydarzenie, patrzymy na to inaczej niż jak na “tymczasowy zysk”. Innymi słowy, organizacja tego spotkania jest bardzo droga i czasochłonna (jak ktoś robi spotkania na żywo, to wie o czym mówię), a koszt biletów pokrywa tylko mniejszą część wszystkich wydatków. Mówiąc wprost: w Excelu ta inicjatywa wskazuje straty finansowe. Ma to jednak ogromny sens z punktu widzenia absolwentów, bo pewne rzeczy zaczynają się dziać – ludzie znajdują pracę, odpowiedzi na swoje pytania, innych ludzi itd.


Są jeszcze inne punkty – już wiele osób zaczęło pracować w tej branży po kursie. Są też osoby, które dołączyły do spółki DataWorkshop i realizują z nami konkretne projekty.



Właśnie dlatego ten kurs stał się czymś więcej niż tylko kursem i chcę, aby rozwijał się dalej.

Zaprosiłem trzech absolwentów 6. edycji kursu “Praktyczne uczenie maszynowe od podstaw”, aby podzielili się swoimi opiniami. To są różne osoby, które mają odmienne doświadczenia i mam nadzieje, że dzięki temu każdy znajdzie osobę, której historia do niego przemawia.

Krzysiek – to człowiek, który już od dawna pracuje w IT i posiada spore doświadczenie. Uznał, że logicznym krokiem jego rozwoju jest uczenie maszynowe. Zaangażował się również do projektu warszawskiej grupy prognozowania smogu w ramach fundacji DataWorskhpop Foundation. 

Cześć Krzysiek. Przedstaw się: kim jesteś, czym się zajmujesz, gdzie mieszkasz.

Nazywam się Krzysztof Wrona. Mieszkam w Warszawie. Zawodowo jestem współwłaścicielem małego software house’u. Jest to niewielka, dziesięcioosobowa firma. W ramach tej firmy wykonujemy w większości dedykowane rozwiązania dla klientów, ale to są również integracje i usługi w zakresie rozwoju, wsparcia i utrzymania. Prywatnie, jestem mężem cudownej żony i ojcem dwójki wspaniałych dzieciaków.

Masz duże doświadczenie w IT. 

Tak, to już około 20 lat.

Teraz aktywnie angażujesz się w to, żeby się rozwinąć również w kierunku uczenia maszynowego. Skąd ten pomysł? Dlaczego akurat ten kierunek?

Powodów mniejszych lub większych jest sporo – jednym, dwoma zdaniami nie da się tego powiedzieć, bo jest to bardziej złożone. Są to zarówno powody osobiste, jak i powody wynikające z tego, jak świat się zmienia, jak się zmienia branża IT i to, że ja w tej branży działam. 

Główny powód jest taki, że mnie to po prostu bawi. Sprawia mi to przyjemność, jest to interesujące i w ogóle traktuję machine learning jako wstęp do szerzej rozumianej sztucznej inteligencji. 

Również pojawiły się mniejsze powody jak lekkie wypalenie zawodowe, trochę inne czynniki. Jeśli chodzi o firmę to wiadomo, że odbywa się na naszych oczach pewnego rodzaju rewolucja. Oczywiście to się nie odbywa teraz, ale to rewolucja, którą bym podzielił na dwie części.

Pierwsza jest związana z rozwojem chmur i tym wszystkim co z chmurami jest związane i druga związana z rozwojem machine learningu w sztucznej inteligencji szeroko rozumianej. To jest bardzo powiązane ze sobą, jedno napędza drugie. Uważam, że każda firma, która jest w tej chwili w IT (zwłaszcza firma pokroju software house, która tworzy jakieś rozwiązania dla klientów), musi w tym świecie się odnaleźć.

Musi w tym świecie się poruszać i tworzyć rozwiązania dostosowane, integrujące, dające możliwość skorzystania z obydwu tych światów. 

Tych mniejszych rewolucji, związanych z samymi systemami informatycznymi, jest oczywiście więcej. Tutaj bym wyróżnił coś, co się akurat teraz ostatnio dzieje (w ostatnich latach czy ostatnim roku), a co mnie szczególnie interesuje. Jest to powiązane z DataWorkshop, z tym co się odbędzie na jesieni (kurs NLP).

Mianowicie chodzi mi o rewolucje, gdzie chatboty zastępowane są voicebotami. Wszystko to zmierza w kierunku zmiany sposobu interakcji użytkowników z systemami informatycznymi.

To są zastosowania w naszych rozwiązaniach, być może teraz na pierwszy rzut oka tak to nie wygląda, bo my tworzymy tradycyjne rozwiązania, ale patrząc w przyszłość, biorąc pod uwagę to, co się w ogóle wokół dzieje, nie tylko jaki jest z tym boom związany, ale ja patrzę nie przez pryzmat tego boomu, który się w tej chwili odbywa, tylko takich realnych korzyści.

Ja bardziej patrzę na realne korzyści dla użytkowników końcowych, którzy nie potrzebują nawet wiedzy, że tam gdzieś z tyłu jest machine learning, sztuczna inteligencja, algorytmy mniej lub bardziej tradycyjne. Patrzę na wplatanie machine learningu w dotychczasowe rozwiązania, może małymi kroczkami, natomiast dające realne korzyści. 

Jesteś absolwentem kursu online „Praktyczne uczenie maszynowe od podstaw”. Kurs trwa 2 miesiące + tydzień przed i tydzień po. Czy kurs spełnia Twoje oczekiwania? Co najbardziej zapamiętałeś i co wydaje się być dużą wartością w Twoich oczach?

Kurs jak najbardziej spełnił moje oczekiwania. Powiem nawet, że spodziewałem się mniej. Ja w społeczności DataWorkshop znalazłem się dopiero przychodząc na kurs, w związku z tym moja wiedza była minimalna na ten temat. Jestem bardzo zadowolony. 

Pierwsza główna zaleta, co podobało mi się w kursie (coś co się pojawia wśród absolwentów i w trakcie omawiania samego kursu, czy podejścia w kursie) – od samego początku działamy praktycznie. Cały czas pracujemy na danych, na kodzie, na zadaniach do wykonania.

To nie odbywa się po wstępie teoretycznym, tylko to jest fajnie przeplatane, że jeśli jest jakiś materiał teoretyczny, pojawia się jakaś nowa wiedza (nowy algorytm, podejście, sposób analizy danych), to robimy to na przykładzie i realnie. Tak naprawdę od pierwszego workbooka, jaki wykonujemy na kursie, możemy zatrzymać się, rozwinąć to poszczególne zadanie i naprawdę nad nim spędzić dużo czasu, bardzo dużo się nauczyć. Jest to naprawdę bardzo fajne, praktyczne podejście. 

Ciężar teoretycznie jest zrzucony na zdobywanie wiedzy w dużej mierze samodzielnie. Jest to nieuniknione, nie ma takiej możliwości, żeby w kursie, który trwa 2 miesiące, wtłoczyć komuś całą wiedzę teoretyczną. Poza tym ona jest chyba zbędna, bo każdy idzie w jakimś indywidualnym kierunku. W związku z tym to, co daje kurs, to fajny obraz całości.

Przechodzi przez tematy tradycyjnych algorytmów, jak i mamy tutaj deep learning, który jest wstępem dalej do NLP. Naprawdę każdy może, mając obraz mniej więcej całości, znaleźć gdzieś jakąś działkę dla siebie. 

Doskonale wiemy, że machine learning jest już tak rozwiniętą dziedziną, że ona sama w sobie jest ogromna i nie można się generalnie zajmować tym, ponieważ wydaje mi się, że to jest w tej chwili już niemożliwe. Specjalizacja tak czy siak przed każdym stoi, czy to pójdzie jako data scientist do pracy, czy będzie się zajmował od strony, która mi się marzy, czyli tworzenia rozwiązań, kreowania ich, wypracowywania ich razem z klientem i budowania ich niejako w całości.

Bardzo fajnym pomysłem jest „wstępniak” z Pythona. Mimo że jestem programistą, to wcześniej z Pythonem nie miałem związku, natomiast bardzo fajny był ten tydzień początkowy, wejście w język po to, żeby się na tych mniej istotnych szczegółach nie skupiać już w trakcie samego kursu. To jest bardzo fajne powiązanie i jest świetnie zorganizowane na sam początek.

Jak oceniasz konkurs? Wydaje mi się, że aktywnie się w niego angażowałeś. 

Tak, zaraz przejdę do konkursu Jeśli chodzi o sam proces dydaktyczny kursu, to świetnym uzupełnieniem są webinary – długie, wyczerpujące temat i bardzo dużo wnoszące. W kursie dajesz materiały też w formie książkowej i również tam są nagrania.

Z mojego punktu widzenia te webinary bardzo dużo wnoszą. Rzadko mi się udawało oglądać je na bieżąco. Zwykle oglądałem je kolejnego dnia, czy nawet na początku kolejnego tygodnia. Natomiast one bardzo dużo wnosiły i są bardzo wartościowym elementem w kursie. 

Oczywiście, konkurs. Ja się zaangażowałem w konkurs i to była bardzo dobra decyzja. Nawet jeśli to było kosztem większej ilości czasu spędzonego na rozwiązywaniu problemów pobocznych, czyli samej walce z tym, jak wyjąć dane w Pythonie, jak podejść do analizy danych, żeby było trochę szybciej, bo mi to długo schodziło i długo czekałem na kolejny wynik. Problemy, które są w całej tej otoczce, ale które są bardzo istotne.

Idąc tokiem kursu, nie zawsze jest na to czas i nie zawsze można przez to przejść. Mało tego, to, co robimy przy konkursie, to jest tak naprawdę jeszcze bardziej praktyczna realizacja praktyki związanej z samym tokiem kursu. Ponieważ tu jesteśmy już całkiem pozostawieni samymi sobie, przynajmniej na pewien czas.

Naprawdę musimy uruchomić ten proces twórczy, zaczynają się kombinacje. Ja byłem jedną z osób, które akurat sugerowały, że może warto robić dwa konkursy. Może rozbić ten konkurs na dwie części, czyli konkurs właściwy i kontynuację później, po pierwszych wynikach. Byłem jednym z tych użytkowników, którzy raczej chcieli to rozbudowywać. Także to też była ogromna zaleta. 

Mówiąc ogólnie, kurs daje dosyć dobrą orientację w tematyce jako całość. Jest to bardzo ważne. Tak naprawdę do tej pory wiedzę czy zainteresowania czerpałem z Internetu. Nie wchodziłem głęboko w temat, nie kupowałem książek związanych z machine learning.

Może pomijając jedną w zeszłym roku, która była związana z C# i była po prostu okropna, fatalna – nigdy więcej takich książek pojawiających się u nas. Jestem po kursie i odradzam takie lektury. Ja mogę ją później podać i broń Boże nie czytać tej książki przed zrobieniem jakiegoś kursu lub w ogóle łagodniejszym wejściem w ten temat, bo to było straszne przeżycie.

Nie zniechęciłem się jednak i tak naprawdę dopiero zacząłem wgryzać się w tę tematykę po zapisaniu się na kurs w zeszłym roku w zimie. Wtedy się dopiero pojawiły książki i jakby głębiej wchodziłem w ten temat. 

Teraz przede mną jest czas wyboru tej specjalizacji, o której wspominałem. Do tej pory wiedziałem, że mnie to interesuje, interesuje mnie sztuczna inteligencja, machine learning. Teraz po kursie mogę powiedzieć, co konkretnie mnie interesuje, jaka dziedzina wiedzy. Z mojego punktu widzenia nie mogę się doczekać jesiennego kursu NLP, bo moje pomysły i to, z czym chcę związać przyszłość, jest związane właśnie z NLP, voice botami, z różnymi usługami z tym związanymi. 

Dla porównania ostatnio słuchałem webinaru innego kursu i to też warto zrobić. Chociażby po to, żeby mieć perspektywę i polecam innym zrobić to samo, aby sobie jeszcze lepiej uświadomić wartość w DataWorkshop. Obejrzałem program tego innego kursu, który też trwał wiele tygodni, gdzie w ostatnim tygodniu kursanci mieli wykonać jakieś zadanie machine learning.

Nie mając wiedzy i doświadczenia wcześniej, może byłoby to dla mnie atrakcyjniejsze. W tym momencie widzę przewagę Twojego podejścia na kursie. Jest to zupełnie inne spojrzenie na ten temat. Może tam też jest ogląd różnych problemów i całości, natomiast tych praktycznych umiejętności wydaje się być dużo mniej.

Tam w ogóle nie było mowy o konkursie, który w Twoim kursie bardzo dużo wniósł. Osoby, które się zaangażowały przypuszczam, że mogłyby ze startu zacząć praktycznie od następnego dnia działać w jakimś realnym projekcie. 

To nie jest wszystko. Wychwalam, ale pewne rzeczy wynikają też z mojej historii, doświadczenia i z punktu widzenia 20 lat tworzenia mniejszych lub większych systemów dla klienta. To, co wnosi wartość to jest to, że od samego początku trzeba być troszeczkę ponad pewnymi szczegółami. To nie jest ważne, czy to będzie Python czy jakiś inny język.

Tak samo nie jest ważne jaki będzie algorytm. Tu jest bardzo ważne to, że w wielu kwestiach ujmujesz generalnie podejście. Nie rozmawiamy o jakiś parametrach, szczegółach. 

Istotny aspekt to filozofia, podejście, etyka stosowania machine learning. Często na studiach nawet informatycznych przerabia się jakiś język programowania, nie mówiąc w ogóle o aspektach miękkich samego tworzenia aplikacji. To jest to, co też u Ciebie jest uwypuklone, że tworzymy te rozwiązania dla ludzi – po coś.

One mają wnosić konkretną korzyść. Korzyść rozumianą w sensie dobrego wkładu dla szerokiego grona osób. Nie w sensie korzyści dla wybranej osoby kosztem innych. To są takie rzeczy, których na czystych, technicznych studiach jest mniej. 

Czasami pojawiają się osoby, czy to ze świata IT, które doskonale programują, znają konstrukcje języka programowania itd., a potem konstruują niepraktyczne aplikacje dla końcowych użytkowników. Tu jest pierwsze banalne ćwiczenie:

„Drogi Programisto – używałbyś tej aplikacji? No nie, tego by się nie dało używać. To czemu robisz to ludziom?”

Przenosząc tutaj na język machine learning to ten aspekt jest istotny.

Sam machine learning czy sztuczna inteligencja technologicznie to przecież nie jest żadna rewolucja. To są po prostu algorytmy. One też są wykonywane na komputerach, cała technologia clouda, przede wszystkim moc, którą dostaliśmy w ostatnich latach, umożliwiła rozwój. Klucz jest w szukaniu tych zastosowań.

Z mojego punktu widzenia najważniejsze jest to, żeby te zastosowania również pojawiły się w przyziemnych systemach, nie tylko w rozwiązaniach, które serwują nam duzi gracze. Chodzi o to, żeby sprowadzić zastosowanie sztucznej inteligencji pod strzechę, czyli do zwyczajnych systemów realizujących realne procesy w firmach.

Praktyczność, ale również tematy związane z etyką, to jest temat, który mnie osobiście bardzo mocno martwi i staram się go też maksymalnie szerzyć, bo wierzę, że większość ludzi, jak posłucha tego, to tak trochę bardziej się obudzą i bardziej świadomie popatrzą na to, co robią i być może tego czegoś złego, będzie się wydarzało trochę mniej. Przynajmniej taką mam nadzieję.

Myślę, że to jest kluczowa sprawa w tym, jak zbudowana jest w ogóle społeczność wokół DataWorkshop. To jest kolejny efekt kursu i coś, co jest niesamowitym plusem. Odbywamy kurs, a my teraz rozmawiamy, ja działam w grupie warszawskiej, mogę coś realizować, mogę wymieniać poglądy z innymi osobami, czyli realizować pewną zasadę: nie rób wszystkiego sam, bo nie wiesz wszystkiego. Ciągle się uczymy. 

To też jest bardzo istotne, nawet z punktu widzenia tworzenia rozwiązań dla klientów. Dzięki kursowi i temu, co się dzieje po nim (kontakt z wszystkimi osobami), mam możliwość popracowania wśród osób takich jak ja, które się uczą, wchodzą w temat i próbujemy coś tworzyć.

Nie wskakujemy na głęboką wodę, tak że po kursie zostaję sam i sam próbuję się rozwijać, a potem skaczę na głęboką wodę i próbuję coś robić dla konkretnego klienta. To jest bardzo istotna zaleta, że możemy to kontynuować i realizować w praktyce.

Ja już nie mówię nawet o takiej satysfakcji, że jak teraz rozmawiamy w ramach projektów, które są realizowane w grupie warszawskiej, czy w innych miastach, że jest nieukrywana przyjemność, że wiemy, o czym mówimy, używamy czasami technicznych pojęć i doskonale się rozumiemy – to jest super. To jest w pewnym sensie przeciągnięcie kursu na następne lata i wzajemne korzystanie ze swojej wiedzy.

Bardzo dziękuję Krzyśku za Twój czas. Wspomniałeś o kursie NLP – dodam, że ten kurs rusza 28 września. Dzięki jeszcze raz i życzę, żeby projekt warszawski, w który teraz jesteś zaangażowany, prężnie się rozwijał i aby też zdobyte umiejętności miały miejsce, gdzie możesz je zastosować po to, żeby komuś żyło się na tym świecie lepiej.

Dziękuję również.

Historia Ani pokazuje, jak można w ciekawy sposób łączyć różne obszary działania. Przez dłuższy czas działała w obszarze związanym z bio-medycyną, następnie zaczęła dodawać do tego warstwę technologiczną. Obecnie pracuje w TomTom, ale ma pomysł na platformę, która ma pomóc naukowcom szybciej i łatwiej wynajdywać informacje w naukowych publikacjach. Dzięki temu świat naukowy stanie się jeszcze bardziej transparentny. 

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

Nazywam się Anna Gorzkiewicz. Mieszkam w Łodzi. Z zawodu jestem biotechnologiem po Politechnice Łódzkiej. Ostatnie prawie 10 lat poświęciłam badaniom naukowym w branży biomedycznej, ale z czasem zatęskniłam za matematyką i postanowiłam, że coś muszę z tym zrobić, więc zaczęłam się uczyć programować w Pythonie.

To mnie olśniło, stwierdziłam, że to jest dokładnie to, czego mi brakowało. Zaczęłam się w tym rozwijać, a ponieważ z reguły stawiam sobie dość ambitne cele, to postanowiłam wybrać kierunek możliwie najbardziej ambitny, więc wybrałam machine learning. Tak właśnie trafiłam na Twój kurs. Od dwóch lat jestem data scientist w TomTom.

Dosyć szybko się tam rozkręciłam. Mam już jakieś pierwsze sukcesy, nawet zarządzam projektem, w którym w dużej mierze miałam wpływ na to, jak powstał i jak w ogóle wygląda. Obecnie wszystko super i rozwijam się dalej.

Brzmi bardzo optymistycznie. Powiedz, co ostatnio ciekawego przeczytałaś?

Właśnie w tym momencie czytam książkę Daniela Kahnemana „Pułapki myślenia” i już wiem, dlaczego wszyscy ją polecają. Autor ma bardzo ciekawe przemyślenia i spostrzeżenia. Czuć tam poziom naukowca.

Ostatnio czytałam też książkę „Jak działa Google”, ponieważ sama rozkręcam startup i chcę się zainspirować z różnych stron. W tej książce rzeczywiście było parę takich wskazówek, które nawet mam zapisane na tablicy, aby tworzyć rzeczy zaskakujące, nadzwyczaj użyteczne. Jest jeszcze jedna rzecz, która mi się bardzo spodobała w tej książce.

To fakt, że nazywają swoich pracowników „kreatywnymi geniuszami”. To jest super, bardzo fajne podejście. Trochę teraz traktują takich ludzi jak inną rasę, z innymi problemami, innymi celami, ale ewidentnie widać, że z ludźmi kreatywnymi można tworzyć super rzeczy i nawet czasem nie trzeba się obawiać o to, czy coś się uda, czy nie. Zawsze coś wymyślą.

Ponieważ zajmuję się mózgiem na doktoracie, to też ostatnio kupiłam książkę „Mózg, władca czasu”, napisaną przez profesora, neurobiologa i psychologa Deana Buonomano. On nawet schodzi do poziomu molekularnego, jak mózg rzeczywiście liczy czas, jak nas wyłapuje w tym świecie, który płynie. To też bardzo ciekawe, bo naukowe. Do mnie to przemawia. 

Czytałam też jeszcze bardzo fajną książkę „The Other Brain” Douglasa Fieldsa. Mówi ona o części mózgu, o której chyba mało kto wie. Ludzie myślą, że to tylko neurony, a tak naprawdę neurony to jest tak mniej więcej masowo – połowa mózgu, a druga część to jest tkanka glejowa i w tym komórki (które zresztą badam) astrocyty.

Wszystko wskazuje na to, że ta tkanka glejowa odpowiada za powstanie inteligencji i świadomości na poziomie ewolucji. Bardzo ciekawa książka, też taka trochę naukowa. Zainteresowanym polecam.

Myślę, że osoby, które też się zajmują tematami związanymi z bio + technologia, mogą tutaj bardzo się zainspirować. A to, że starasz się teraz te rzeczy łączyć, to jest bardzo ciekawe.

Zresztą przed naszą rozmową o tym rozmawialiśmy i o jednym z Twoich projektów, nad którym obecnie pracujesz. Warto powiedzieć, że dodawanie technologii, konkretnie uczenia maszynowego może przyczynić się do ogromnego postępu w tym obszarze. 

Powiedziałaś, że najpierw uczyłaś się Pythona, potem znalazłaś kurs DataWorkshop. Już jesteś po kursie, jesteś absolwentką 6. edycji „Praktyczne uczenie maszynowe od podstaw”. Czy kurs spełnił Twoje oczekiwania? Co Ci się najbardziej spodobało? 

Tak, na pewno spełnił moje oczekiwania. Może nawet troszkę przerósł, bo teoretycznie przerobiłam wcześniej jakieś kursy, w których poznałam różnego rodzaju algorytmy, ale tak naprawdę na Twoim kursie dopiero zauważyłam, że ja nic nie wiem. Rzeczywiście, tutaj mamy wiedzę na najwyższym poziomie.

Bardzo dużo było takich praktycznych trików programistycznych, co dla mnie, jako osoby niebędącej programistą, było bardzo pomocne. To bardzo praktyczny i merytoryczny kurs, więc to wszystko jak najbardziej spełniło moje oczekiwania, a przerosło, ponieważ ja tylko chciałam płynnie umieć stosować algorytmy, a tymczasem nauczyłam się znacznie więcej. Poznałam, jak to tak naprawdę powinno się to tworzyć. 

Co mi się najbardziej spodobało? Na pewno spodobał mi się konkurs, bo był nie lada wyzwaniem dla mnie. Był w tym obszarze, który u Ciebie dopiero zaczęłam szlifować na kursie. To było takie niesamowite, że przez półtora tygodnia nie byłam w stanie, kombinując na różne sposoby, przeskoczyć o punkcik wyżej, żeby polepszyć mój model.

Tak przynajmniej wynikało z ocen na Kaggle. W ostatniej chwili dopiero stworzyłam ze dwa modele, który jeden drugiego pobił i tam rzeczywiście wskoczyłam trochę wyżej. Ostatecznie wyszło na to, że one i tak się praktycznie nie liczyły, ale to było dla mnie ważne że dałeś swój feedback, że obserwowałeś.

Widać było, że poświęciłam na to dużo czasu, bardzo mnie to wciągnęło i pamiętam, że powiedziałeś, że jeden z moich modeli, których nie wybrałam, mógłby wskoczyć na trzecie miejsce. Dla mnie to było takie: „wow, czyli jednak nie jest najgorzej ze mną”. To było super. Więc chyba mnie poziom zaskoczył.

Kurs też właśnie jest tak skonstruowany, żeby przeżyć na własnej skórze, czym jest przyuczenie się i lepiej zacząć tak z powagą, szacunkiem podchodzić do pewnych ustawień. Odnośnie do feedbacku, to było tak, że m.in. model, który wytrenowałaś, miał znacznie wyższą pozycję, ale nawet nie zdawałaś sobie sprawy z tego, że tak jest. 

Będziesz przerabiać na jesień kurs „NLP przetwarzanie języka naturalnego”. Jesteś jedną z osób, które o ten kurs w swoim czasie dopytywały, co też pozytywnie wpłynęło na to, że ten kurs się pojawił.

To zawsze jest tak, że ilość rzeczy, które się chce zrobić, jest znacznie większa niż to, ile człowiek fizycznie może zrobić tym bardziej, że kurs NLP przez rok się zbierał, tworzyłem brudnopisy itd. Tego materiału teraz mam mnóstwo, aby powstał kurs, coś bardziej ustrukturyzowanego, takie coś, co daje wartość namacalną. 

Porozmawiajmy teraz o tym, jaki będzie następny krok z Twojej strony. Już wspomniałem o tym, że masz pomysły, żeby połączyć pewne obszary, Twoje doświadczenie z różnych zawodów, dziedzin. 

To było tak, że poświęciłam tej nauce sporo lat, jeżeli chodzi o badania naukowe i widziałam, że coś tutaj nie do końca działa. W pewnym momencie, postanowiłam napisać artykuł o tym, co nie działa w nauce i szczerze mówiąc, to też przerosło moje oczekiwania, bo wiedza, którą wtedy nabyłam, była porażająca.

Fakty w tym artykule zawarte są porażające, jako że naprawdę mamy problem z jakością nauki. Zapraszam do lektury artykułu „Globalny problem współczesnej nauki. Jakość badań biomedycznych”. To spowodowało, że poczułam złość na to, że tak jest, ale przez to też postanowiłam, że chcę to zmienić. Zawsze chciałam otworzyć swoją firmę, więc stwierdziłam, że może by to połączyć.

Chcę połączyć dwie dziedziny – naukę z technologią. Chcę stworzyć platformę dla naukowców, która będzie miała na celu przyspieszenie procesu zdobywania wiedzy, ale wiedzy wysokiej jakości. Tutaj właśnie dlatego algorytmy Natural Language Processing, ponieważ większość danych, informacji naukowych jest ukryta w artykułach.

Artykułów przybywa jeden co 30 sekund, tj. jakiś milion na rok, więc nikt nie jest w stanie tego przeczytać, a już na pewno nie da się przeanalizować wszystkiego i wyciągnąć z tego wniosków. Mamy tu problem poznawczy. Produkujemy wiedzę, ale co dalej?

Uważam, że tutaj idealne są właśnie algorytmy, które im więcej tych danych mają, tym są lepsze. Uczą się znajdować schematy, czyli dokładnie to, czego potrzebujemy, żeby połączyć dane i wyciągnąć z nich wnioski. 

Uważam, że jeżeli coś takiego będzie dostępne globalnie dla naukowców, a taki mam plan, to może naprawdę wpłynąć na zwiększenie jakości tego, co naukowcy tworzą, zwiększenie jakości ich wiedzy i przez to przyspieszenie rozwoju nauki i może nawet wyciągnięcie wniosków z tego, co już teoretycznie wiemy, bo są dane ukryte w artykułach, ale nikt jeszcze nie był w stanie połączyć odpowiednich kropek, żeby jakiś wniosek naukowy wyciągnąć.

Mniej więcej takie jest założenie, że mnóstwo zapytań ludzi z różnych branż, dziedzin nauki, z różną ciekawością, da algorytmom input do poszukiwania takich połączeń, których wcześniej nie było. Dopiero mnóstwo takich połączeń może stworzyć esencję wiedzy, która kto wie, co nam da. Tak naprawdę myślę, że tam coś jest ukryte i my jeszcze o tym nie wiemy.

Zgadzam się, że tworzy się obecnie ogromne ilości treści naukowych. Liczba informacji cyfrowych, czyli takich, które da się przetworzyć w sposób cyfrowy, wzrasta w sposób wykładniczy. Analizować to w sposób manualny jest już po prostu niemożliwe. Takie narzędzie, które może tu pomóc, przyspieszyć, już samo w sobie brzmi sensownie. Pozostaje tylko kwestia realizacji tego, żeby to było przydatne dla ludzi.

W ogóle świat naukowców jest bardzo ciekawy. Dużo się teraz mówi o tym, jak obecna sytuacja związana z pandemią wpłynie na rozwój nauki.

Naukowcy teraz nie podróżują na różne konferencje. Organizacje, które ponosiły koszty, z jednej strony się cieszą, bo są mniejsze wydatki, ale z drugiej strony nie do końca wiadomo, jak to wpłynie, bo naukowcy dość często są zamknięci i siedzą w swoich przysłowiowych „piwnicach” i tak naprawdę nie zawsze w ogóle piszą o tym w swoich publikacjach.

Nawet jeśli piszą, to nikt nie czyta za bardzo publikacji. Nie ma możliwości, ponieważ tego jest za dużo. Te konferencje same w sobie nie były wartością, że ktoś tam się dowie czegoś nowego wprost, tylko bardziej ludzie się poznają i w ten sposób wymieniają wiedzę. 

Tak, ale szczerze mówiąc, też uważam, że interakcje naukowców są mega ważne i rzeczywiście nawet o tym piszę także w artykule, że każdy robi tam coś w tym zamkniętym laboratorium, potem to publikuje. Nikt nie wie, jak to zrobił, przez co przeszedł itd. Właśnie chodzi o to, żeby ta platforma też dała możliwość komunikacji między naukowcami.

Czasami naukowcy robią dokładnie to samo w różnych miejscach świata, nie wiedząc o tym, a mogliby współpracować, żeby poszerzyć horyzonty, jeśli chodzi o podejście do danego zagadnienia itd. 

Jak najbardziej kooperacja oraz interdyscyplinarność (bo na to też chcę postawić) – to wszystko chciałabym, żeby miało miejsce na tej platformie.


 

Dziękuję bardzo za podzielenie się opinią o kursie, ale też swoimi planami po kursie. Życzę samych sukcesów i wszystkiego dobrego. 

Bardzo Ci dziękuję i wszystkiego dobrego dla Ciebie również.

Marcin – skromny i bardzo pomocny człowiek. To zresztą było świetnie widać na kursie, kiedy podpowiadał w trakcie kursu innym osobom, jak można rozwiązać dany problem lub spojrzeć na coś w inny sposób. Zaangażował się także w projekt katowickiej grupy w ramach DataWorkshop Foundation.

Ten projekt analizuje dane wypadków drogowych, aby móc wpłynąć  na to, aby było ich mniej. To wszystko dopiero zaczyna się, ale sama wizja tego, że dzięki technologii można zaoszczędzić komuś zdrowia lub życie, brzmi super! Jeśli ten temat jest Ci bliski, to dołącz do grupy! Tu są notatki ze spotkań roboczych grupy i inne materiały.

Cześć Marcin. Przedstaw się: kim jesteś, czym się zajmujesz, gdzie mieszkasz.

Jestem programistą. Pracuje we wrocławskim software house’ie, który specjalizuje się w budowaniu rozwiązań, związanych z szeroko rozumianym marketingiem i reklamami w Internecie. Sam proces kupowania reklam i cały ekosystem z technicznego punktu widzenia jest bardzo ciekawy, więc jak na razie jestem bardzo zadowolony. Mieszkam we Wrocławiu.

Zainteresowałeś się tematem uczenia maszynowego, przerobiłeś kurs. Jesteś absolwentem kursu „Praktyczne uczenie maszynowe od podstaw”. Skąd pojawił się pomysł na badanie tematu machine learning?

To chyba bardziej moja ciekawość i chęć nauczenia się czegoś nowego. W projektach, które robiłem, uczenia maszynowego nie było za wiele, a jak już było, to te rozwiązania pochodziły od zewnętrznych firm. To takie trochę „czarne pudło” było dla mnie i teraz próbuję je sobie wybielić, zobaczyć, co jest w środku, w pełni to zrozumieć. 

Jak już wspomniałem, jesteś absolwentem kursu – czy spełnił Twoje oczekiwania? Co Ci się najbardziej spodobało? 

Jeśli chodzi o to, co mi się najbardziej podobało, to może krótko powiem:

• wiele intuicji, 
• dużo przykładów,
• praktyczne podejście. 

To było bardzo fajne. 

Jest jeszcze inna kwestia, która dotyczy Ciebie bezpośrednio, Vladimir. Bez względu na to, o czym się opowiada, jeśli ktoś jest faktycznie danym tematem zainteresowany, to dobrze się go słucha. Właśnie to Twoje zaangażowanie, Twoje zainteresowanie tym tematem i sposób, w jaki o tym opowiadasz, bardzo pomaga. Ja po tym kursie jestem bardzo zainteresowany i zaciekawiony tym i chcę to dalej robić. Także dziękuję, że mnie tym bakcylem zaraziłeś.

Dzięki! Tutaj właśnie też ciekawa rzecz się wydarzyła po kursie, bo zaangażowałeś się również w projekt DataWorkshop Foundation. Obecnie jesteś zaangażowany w jeden z projektów w Katowicach. Jak to się stało, że się w niego włączyłeś i akurat dlaczego tam działasz?

Po kursie zaangażowałem się w projekt, który dotyczy wypadków na terenie województwa śląskiego. Dostaliśmy dane od policji, staramy się przewidzieć, czy w danym miejscu, o danej godzinie, być może na jakimś konkretnym odcinku drogi będzie wypadek. 

Zaangażowałem się, bo moje doświadczenie z praktycznymi projektami w uczeniu maszynowym było niewielkie. Tak naprawdę dopiero zaczynam i po prostu to doświadczenie chciałem zdobyć, a że ludzie są tam bardzo fajni, to wydaje mi się, że jest to dla mnie duża wartość.


 

Bardzo mnie cieszy, kiedy widzę kontynuację nauki w sposób praktyczny u uczestników moich kursów, a tym bardziej gdy dzieje się to w dobrym celu, realnie wpływającym na jakość naszego życia. Projekt, który w tej chwili jest rozwijany w Katowicach, jest jednym z ciekawszych, dlatego zachęcam wszystkim zainteresowanych do dołączenia.

Powiedziałeś, że kurs spełnił Twoje oczekiwania. Jak myślisz, komu warto go polecić? Mam na myśli profil człowieka. Jakie doświadczenie ktoś powinien mieć, żeby ten kurs mu się przydał? 

Wydaje mi się, że kurs jest wartościowy tak naprawdę dla każdego, chociaż zdecydowanie osoby, które jakieś doświadczenia programistyczne już miały, będą potrafiły sobie poradzić zdecydowanie lepiej. Kurs jest na tyle wartościowy, że każdy tam się może odnaleźć. Wystarczy tak naprawdę zaangażowanie, więc wydaje mi się, że jakby patrzenie w kategoriach osób, którym on by się przydał to… wystarczy się zaangażować. To wydaje mi się, że jest najważniejsze.

Co będzie dalej? Jak uczenie maszynowe może się przydać w Twojej obecnej pracy?

W moje branży jest sporo miejsc, gdzie uczenie maszynowe znajdzie swoje zastosowanie np. wykrywanie botów. Jest nawet taka firma, z którą w ramach jednego z projektów kiedyś się integrowaliśmy. Chodzi przede wszystkim o to, żeby wychwycić sztuczny ruch i nie licytować możliwości wyświetlenia reklamy urządzeniom, które zostały zakwalifikowane jako boty. 

Byłem też kiedyś na konferencji, gdzie jeden z prelegentów opowiadał o tym, jak można wykorzystać jakąś prostą metodę, to się chyba nazywało induction rule system. Ta metoda polegała na tym, żeby maszyny, które licytują (albo to co stoi przed tymi maszynami) przepuszczały tylko taki ruch, którym my z dużym prawdopodobieństwem będziemy zainteresowani. 

Jeszcze gdzie indziej można wykorzystać algorytm factorization machines do optymalizacji CTR, czyli liczby kliknięć. Można też próbować zgadywać, za ile należy licytować, tak żeby wygrywać, ale nie przepłacać. Cały mechanizm polega na tym, że gdy przychodzi do nas ruch, my licytujemy się z innymi maszynami o możliwość wyświetlenia reklamy konkretnemu użytkownikowi.

Podsumowując, zdecydowanie miejsce jest. Potrzebny jest tylko czas i fajny klient, który chce takie rzeczy i takie rozwiązania wdrażać.

Bardzo fajnie, że też rozważasz, jak można to wdrożyć w obecnym miejscu pracy. Na koniec chciałbym podziękować Ci za to, że znalazłeś czas na to, żeby podzielić się swoim doświadczeniem i wiedzą. 

Chciałbym jeszcze wrócić do wątku, związanego z projektem w Katowicach, bo też warto tutaj połączyć te kropki. Jak na początku powiedziałeś, jesteś z Wrocławia. Projekt, w który teraz się zaangażowałeś, jest w Katowicach, więc stąd można wyciągnąć wniosek, że obecność fizyczna w punkcie A nie jest konieczna, żeby działać z projektem w punkcie B.

Teraz wszystko się odbywa online, więc też to zachęta dla innych osób, żeby się zaangażować. To jest bardzo ciekawy projekt, bo bazuje na prawdziwych danych z “naszego podwórka”. Tym samym praca w ramach tej inicjatywy ma realny wpływ na nasze otoczenie. Zachęcam wszystkich zainteresowanych do włączenia się w projekt.

Tak, zdecydowanie zapraszamy wszystkich chętnych.

Dzięki wielkie. Życzę wszystkiego dobrego i do usłyszenia.

Dziękuję i Tobie również do usłyszenia.

Siódma edycja kursu “Praktyczne uczenie maszynowe” rusza 5 października 2020 i potrwa 8 tygodni. Jeśli masz obawy, że Twoja znajomość Pythona jest bardzo podstawowa, to polecam przerobić tuż przed tym kurs satelitę, czyli “Praktyczne wprowadzenie do Pythona”, który rusza 14 września i potrwa 3 tygodnie (kończy się tuż przed głównym kursem).

Uwaga

Kupując kurs wcześniej – dostajesz zniżkę, w czerwcu 30%, w lipcu 20%, w sierpniu 10%. Dzięki temu jest możliwość dla osób zdecydowanych obniżyć koszt.

Jeśli rozważasz, czy machine learning jest dla Ciebie, to warto oprócz słuchania podcastu BiznesMyśli, obserwować społeczność DataWorkshop. Na początek polecam np. przerobić wyzwania lub transformację. To są bezpłatne inicjatywy, gdzie na nagraniach krok po kroku tłumaczę podstawy w ramach przygotowanych materiałów wideo, a na koniec dostajesz proste zadanie do zrobienia. Możesz to potraktować jako łagodny sposób wejścia do świata uczenia maszynowego za pomocą małych, ale skutecznych kroków. 

Na koniec chciałbym życzyć Ci dużo zdrowia. Też mam prośbę, poleć ten odcinek jednej osobie, której może być pomocny. Dziękuję, że jesteś, że czytasz i do usłyszenia. Wszystkiego dobrego.

Artykuł Kiedy i jak uczyć się Machine Learning? pochodzi z serwisu Biznes Myśli.