Gdzie łączy się świat akademicki i biznes? Jak zbudować innowacyjny zespół tak, aby jego założyciel mógł skupić się na innych inspirujących rzeczach, które będą stale motywowały zespół do dalszej pracy? O tym opowie Tomek Trzciński z Tooploox, niezwykle utalentowany człowiek, który sprawia wrażenie, jakby posiadał klucz do wielu skomplikowanych rzeczy. Czasem w trakcie rozmowy zauważysz, jak pod pozorną prostotą różnych kwestii kryje się dużo ciekawych wniosków.

Ogłoszenia

17 lutego, ruszył mini kurs „Wprowadzenie do Python”. Ten kurs trwa 3 tygodnie, jest online. Zrobiony jest po to, żeby umożliwić Ci w sposób krótki, ale namacalny, lepiej się poczuć z językiem programowania Python. Ten język będzie nam bardziej potrzebny przy kolejnych kursach związanych z uczeniem maszynowym.

Główny kurs „Praktyczne uczenie maszynowe od podstaw” rusza 16 marca. Zachęcam do prędkiego zapisu, aby zdążyć z ewentualnymi zawiłymi procesami zakupowymi w firmach.

14 marca w Krakowie odbędą się trzecie urodziny podcastu Biznes Myśli. Spotkamy się w gronie słuchaczy i gości moich rozmów. Zapraszam – będzie mi miło Cię poznać osobiście.

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

Cześć. Nazywam się Tomasz Trzciński. Jestem adiunktem na Politechnice Warszawskiej. Jestem też współwłaścicielem firmy Tooploox oraz CEO startupu Comixyfy. Zajmuję się ogólnie tematyką uczenia maszynowego, w szczególności wizją maszynową (computer vision). Mieszkam na co dzień w Warszawie.

Co ostatnio fajnego przeczytałeś? Dlaczego zaciekawiła Cię ta lektura?

Ostatnio czytam książkę „Hard Thing About Hard Things” Bena Horowitza. Super książka, która została napisana przez współtwórcę Andreessen Horowitz, jednego z najbardziej znanych funduszy VC działających głównie w Silicon Valley. Oni zainwestowali m.in. w Lyft, Oculus czy Skype’a. W książce Horowitz opowiada różne historie z życia swojego i spółek, w których brał udział m.in. Netscape. Opowiada o historiach budowania spółek technologicznych, ich wzlotach, upadkach. Przedstawił wiele cennych rad związanych z prowadzeniem startupów oraz z byciem prezesem tego typu nowych, działających bardzo szybko i rozwijających się spółek technologicznych. 

Brzmi ciekawie. W szczególności dla osób, które zajmują rolę CEO albo podobną. Wspomniałeś o firmie Tooploox. Powiedz troszkę więcej, jaka jest Twoja rola?

Tooploox to jedna z najszybciej rosnących spółek technologicznych Europy. Oferujemy usługi rozwoju oprogramowania. Głównie skupiamy się na segmencie startupów czy młodych spółek, ale mamy też w swoim portfolio projektów spółki większe, korporacyjne czy giełdowe. Zakres oferowanych kompetencji jest bardzo szeroki: od aplikacji mobilnych na Androida czy urządzenia Apple, przez technologie webowe, backend, frontend i metody sztucznej inteligencji. To jest właśnie ten fragment, za który ja w dużej mierze odpowiadam od dłuższego czasu. Choć dzisiaj już ten fenomenalny zespół, który udało się zbudować w Tooploox, w dużej mierze rozwija się autonomicznie pozwalając mi spędzić trochę więcej czasu na rozwoju naukowym (zarówno na polu firmowym, jak i uczelnianym). 

Zespół autonomiczny – to brzmi bardzo ciekawie. Zbudowanie i prowadzenie zespołu zwykle jest dużym wyzwaniem. W szczególności jeżeli mówimy o zespole ludzi, którym się chce, mają ambicje, chcą działać. Chciałbym, żebyś powiedział teraz troszkę więcej o życiowych lekcjach, które wyniosłeś.

Pamiętam jak na jednej z konferencji DataWorkshop Club Conf w 2018 roku, wspomniałeś o dość trudnej, życiowej sytuacji, którą przeżyłeś – zwolnienie jednego z pracowników. Mówiłeś o tym, jakie miałeś emocje i co wtedy myślałeś. Jest to bardzo cenna informacja dla osób, które budują zespół, bo to nie jest łatwe. Czy możesz podzielić się trzema lekcjami, jak budować, współpracować i motywować efektywnie zespół zajmujący się innowacjami?

Dzięki, to bardzo ważne i rzeczywiście trudne pytanie. Przykład, o którym wspomniałeś z konferencji, dotyczył zwolnienia jednej z osób z zespołu. Było to dla mnie pierwsze takie doświadczenie. Ono było o tyle trudne, że zwolnienie kogoś z zespołu jest w dużej mierze porażką tego, który ten zespół buduje. W większości przypadków oznacza, że nie udało się wyciągnąć tego talentu na powierzchnię, nie udało się odkryć umiejętności, które każdy z nas w sobie buduje. Była to cenna lekcja, jak unikać tego typu sytuacji w przyszłości. Z mojej strony był to pewnego rodzaju chrzest bojowy, jak podchodzić do takich sytuacji, starać się oddzielać emocje od obiektywnych i racjonalnych przesłanek. 

Pierwszą taką wskazówką, która przychodzi mi do głowy to to, że motywowanie ludzi pieniędzmi jest bardzo krótkoterminowe i nie do końca daje efekty, które w długim okresie są widoczne i przynoszą oczekiwany rezultat. Dużo bardziej efektywne jest motywowanie poprzez pozostawienie autonomii zespołowi. Bardzo dobrym przykładem tego, jak działa autonomia zespołów w praktyce, jest holokracja, którą w Tooploox wdrażamy już od ponad roku.

Jest to niehierarchiczna, nie tradycyjna forma zarządzania kapitałem ludzkim czy organizacjami, która skupia się na autonomii zespołów, będących tzw. „kołami”. Celem stworzenia tych oddzielnych „kół”, które dynamicznie mogą zmieniać swoje struktury, mogą w ramach procesu zarządczego tworzyć nowe role, pozbywać się ich, jest wyzwolenie zaangażowania, którego nie da się kupić tylko i wyłącznie za pomocą podwyższonego wynagrodzenia, które w długim okresie, przestaje motywować.

Badania, które m.in. zespół z Harvardu prowadził, wskazywały, że powyżej pewnego progu (który jest zależny od kraju, w którym się mieszka i od uwarunkowań osobistych), w okolicy 70 000 – 80 000$, dodatkowy zastrzyk gotówki, już nie motywuje tak bardzo, a zaczynają się liczyć: sens istnienia, cel robienia pewnych działań, autonomia, możliwość samorozwoju. Także to jest pierwsza wskazówka, czyli motywowanie nie pieniędzmi, a autonomią i zaufaniem do zespołu. 

Komunikacja to drugi element, który jest niezwykle istotny. Ona jest podstawą funkcjonowania zespołów. Wiele problemów, z którymi spotkałem się w dotychczasowej karierze, wynika nie ze złych intencji stron czy członków zespołu, czy relacji z innymi zespołami, lecz z braku zrozumienia potrzeb.

Sebastian Thrun (który był jednym z twórców rewolucji autonomicznych samochodów, wcześniej zajmował się Massive Online Courses, czyli tymi otwartymi kursami dostępnymi online, m.in. współtworzył Udacity), ostatnio w podcaście z Lexem Fridmanem, mówił o tym, że intencje drugiej strony, z którą rozmawiamy, są z zasady dobre.

Zrozumienie tych intencji i zaawansowana empatia pozwalają rozwiązać wiele problemów. Taka taktyczna praca w zespole często cierpi, bo ważne tematy, które są ukrywane czy ignorowane ze względu na brak dobrej komunikacji między zespołem, wychodzą w zupełnie nieprzewidywalnych sytuacjach. Rolą lidera czy osoby budującej zespół jest jak najszybsze wyłapanie i rozwiązanie tych kwestii.

Trzecim najważniejszym punktem, na który zwracałem uwagę i uczyłem się mniej lub bardziej boleśnie, jest zrozumienie tego, że jeśli masz autorytet w zespole, bo właśnie go tworzysz lub budujesz od lat swoją wiedzą merytoryczną czy osiągnięciami poza samym zespołem, to siła Twojego głosu jest bardzo ważnym elementem budulcowym. Warto wykorzystywać tę siłę odpowiednio. Na początku jeśli jesteś takim aktywnym liderem, menedżerem, który zarządza zespołem, to często łapiesz się na tym, że chciałbyś podpowiedzieć jakieś rozwiązania lub sam je zaproponować, zamiast dać zespołowi możliwość wypracowania ich samemu.

Twój głos zabrany np. na samym początku dyskusji czy brainstormingu sprawia, że dynamika w zespole jest kompletnie inna. Tak naprawdę reszta zespołu stawia się przeciwko Tobie, jeśli ma inne pomysły, a nie Ty wspierasz i budujesz tę kreatywność wewnątrz zespołu. Zrozumienie siły głosu i pokazywanie, jak wygląda ta praca, poprzez lead by example, czyli robienie samemu rzeczy, na których nam zależy i są dla nas ważne, to jest najlepszy sposób budowania zespołu i też ze strategicznego ukierunkowania go.

Kiedy poznaliśmy się na żywo jakiś czas temu, powiedziałeś, że czytasz publikacje podczas śniadania. Jak wybierasz, które publikacje warto czytać? Co się dzieje po przeczytaniu oprócz tego, że odkładasz ją na półkę? Czy drukujesz publikacje czy czytasz je online?

Zaczynając od najprostszego pytania: czytam online. Staram się nie drukować, mam Kindle, którego bardzo ukochałem. Biorę go na każde wakacje, jest dużo lżejszy i dużo bardziej poręczny, już nie mówiąc o oszczędności drzew, które pozostawiamy wzrastające w lasach, zamiast przerabiać je na papier. 

Jeśli chodzi o wątek czytania podczas śniadania, to rzeczywiście spotkaliśmy się jakiś czas temu. Teraz przy śniadaniu głównie zajmujemy się razem z żoną tym, żeby trójka naszych dzieci nie była głodna przez resztę dnia. Tak naprawdę bardzo dużo ostatnio słucham. Często zdarza mi się w drodze do pracy słuchać podcastów np. Macieja Filipkowskiego, Biznes Myśli, Lexa Fridmana (który też ma bardzo ciekawe fragmenty z gośćmi np. z Danielem Golemanem).

Staram się coraz więcej słuchać. Jest to w moim przekonaniu takie medium, które będzie wzrastało na wadze biorąc pod uwagę, jak dużo możemy chłonąć słuchając. Ukłony dla Ciebie za budowanie tej społeczności wokół podcastu Biznes Myśli. Jeśli chodzi o czytane publikacje, wybieram zgodnie z zainteresowaniem i aktualnie realizowanymi tematami projektów. Staram się nie rzucać na wszystkie najnowsze publikacje z dziedziny uczenia maszynowego, bo jest ich po prostu niewyobrażalnie dużo na arXiv.

Pojawia się ich kilkaset czy kilka tysięcy miesięcznie. Wybór tych, które są ważne nie jest oczywisty. Dużo polegam w tym temacie na Twitterze czy Linkedinie. Mam kilka znanych, dość dobrze podsumowujących te artykuły ludzi, których śledzę na Twitterze (np. @hardmaru – twittowy influencer, którego w dużej mierze słucham i staram się na bieżąco obserwować, o czym mówi). Natomiast tematy, związane z moimi zainteresowaniami, czyli uczeniem maszynowym, computer vision, uczeniem reprezentacji obrazu, generatywnymi modelami staram się obserwować na bieżąco.

Jestem recenzentem wielu prac (zarówno konferencyjnych jak i czasopiśmiennych) i staram się, poza ustawieniem Google Alerts na odpowiednie słowa, jeździć na konferencje, rozmawiać z ludźmi, szukać i czuć ten puls, którym bije serce akademii. 

Jesteś osobą, która próbuje łączyć światy, które w Polsce średnio potrafią współpracować ze sobą. Mam na myśli świat biznesu, świat startupu oraz świat akademicki. Mało jest osób w Polsce, które potrafią robić to efektywnie. Być może wiele osób próbuje, ale żeby to działało, to trzeba się naprawdę postarać.

Inspirujesz ludzi na uczelniach do pisania publikacji klasy światowej. Nie chodzi oczywiście o merytorykę, ale też o sposób myślenia i robienie pewnych czynności, żeby stać się zauważonym w innych kręgach niż tylko w lokalnej uczelni. W inteligentny sposób wspierasz też swoich studentów. Jak o tym myślę, to 5-10 lat temu pewnie chciałbym być Twoim studentem, bo to jak inspirujesz i wspierasz ludzi, jest godne podziwu.

Powstał projekt Comixify. Opowiedz historię tego projektu. Kto go rozwija? Co się teraz z nim dzieje? Czy chodzi tylko o rozrywkę, czy też o coś innego?

Przede wszystkim dzięki za ciepłe słowa. Miło słyszeć, że te efekty pracy są dostrzegane z zewnątrz. To w dużej mierze jest zasługa zespołów i ludzi, z którymi współpracuję. Staram się jak najmniej przeszkadzać i pomagać przynajmniej w ten sposób. Comixify jest rezultatem prac inżynierskich i magisterskich, których byłem promotorem. Realizowane one były w Zakładzie Grafiki Komputerowej Instytutu Informatyki na Politechnice Warszawskiej.

Adam, Maciek i Paweł to byli studenci, którzy wpadli na pomysł połączenia tematyki komiksowej, która zawsze ich interesowała i uczenia maszynowego. Zaproponowali stworzenie aplikacji pozwalającej zmieniać film użytkownika w komiks. Pomysł przyjął się dosyć dobrze, tzn. pracowaliśmy ponad 1,5 roku nad technologiami, które pozwalały na tego typu zabawę. Była to wtedy zabawa, stwierdziliśmy, że fajnie byłoby wypuścić razem z publikacją na temat tego rozwiązania działające i funkcjonujące demo.

To demo zostało opublikowane razem z artykułem na arXiv. Udało się zdobyć popularność na serwisie Hacker News. Byliśmy w pierwszej dziesiątce przez dość długi czas, co wywołało spore reperkusje, m.in. nasz politechniczny, mały serwer, który miał tylko obsłużyć kilka zapytań ludzi, którzy będą recenzować ten artykuł, nie wytrzymał 10 tys. zapytań i bardzo szybko padł. Musieliśmy w środku nocy, stawiać dodatkowe maszyny.

Sprawa potoczyła się dalej bardzo szybko. Uzyskaliśmy dofinansowanie w wysokości 20 000 $. Byliśmy w akceleratorze startupu Betaworks w Nowym Jorku. Betaworks to VC wspierające startupy w przedwczesnej fazie rozwoju. Wygraliśmy kilka konkursów, m.in. TDJ Pitango Seed Competition. Bardzo dużo ciekawych i dobrych rzeczy zaczęło się dziać wokół tego projektu. Doszliśmy do końca procesu akceleracji również w ramach akceleratora w Polsce.

Zrobiliśmy pierwsze wdrożenie projektu technologicznego w PKN Orlen – ogromnej spółce energetycznej, gdzie przy użyciu komiksów, zachęcaliśmy użytkowników do tworzenia własnych historii, w których marka Orlenu była wykorzystywana. Tak ta nasza historia zaczęła nabierać tempa. Spojrzeliśmy na to, jakie są pytania i potrzeby rynkowe, które możemy rozwijaną przez nas technologią adresować.

Okazało, że te efekty wizualne, które uzyskujemy poprzez uczenie maszynowe i sztuczną inteligencję są wykorzystywane w najbardziej zaawansowanych studiach filmowych. Tak urodził się kolejny wątek rozwoju tej technologii bazowej, na której podstawie zbudowaliśmy Comixify. Teraz rozwijamy ją w kontekście tworzenia najwyższej jakości efektów specjalnych. Współpracujemy z firmą MotionVFX, która rozwija pluginy do edytorów filmowych. Dostaliśmy również finansowanie w kolejnej inwestycji od inwestora – anioła biznesu.

Mamy środki i ambicje, żeby nasze technologia rzeczywiście była wykorzystywana w jak największej ilości firm, studiów filmowych. Rozmawiamy właśnie z wieloma studiami VFX, czyli efektów specjalnych z Warner Bros. Sytuacja jest bardzo rozwojowa i myślę, że jeszcze wiele ciekawych przygód przed nami.

Najważniejsze dla mnie z perspektywy akademickiego wykładowcy jest fakt, że z projektu studenckiego urodziła się spółka, która zebrała już ponad $0,5 mln w różnej formie inwestycji. Mamy bardzo dobre parametry biznesowe. Rośniemy w siłę zarówno, jeśli chodzi o miesięczne przychody, jak i opinie i ilości wejść na stronę. To jest chyba najlepsza szkoła, jaką mogę dawać i pokazywać studentom jako wykładowca akademicki.

To świetny pomysł, żeby zebrać wykładowców i pokazać im, jak można inaczej zorganizować pracę i zmotywować studentów. Niestety często praca studenta po sprawdzeniu trafia do kosza i już nigdy z tego kosza nie wychodzi. W tym przypadku udało się rozwinąć talenty. Nigdzie indziej nie da się nauczyć tak dobrze jak przy projekcie, który Cię fascynuje i wciąga.

Jestem pewny, że zaangażowane w projekt osoby mocno się rozwinęły. To jest duży plus. Co więcej musieli poczuć ogromną satysfakcję, a do tego przeszli od projektu akademickiego w startup, co ciężko byłoby zrobić samodzielnie. Porozmawiajmy troszkę o łączeniu świata akademickiego z biznesem. Będąc tam gdzie jesteś teraz z całym bagażem doświadczeń – czy jest możliwa efektywna współpraca pomiędzy uczelnią w Polsce a biznesem, startupem? Jak wygląda ta dynamika? Jak to się zmienia w czasie? Czy są jakieś dobre przykłady oprócz tego co powiedzieliśmy przed chwilą?

Wydaje mi się, że te dwa światy – akademicki i biznesowy żyją w lepszej symbiozie niż nam się to powszechnie wydaje, a szczególnie jeśli chodzi o domenę sztucznej inteligencji. Fakt, że ta wiedza jest wartościowa w momencie aplikowania jej do problemów realnych, pozwala budować bardzo wiele pomostów między tymi dwoma światami. W swoim życiu staram się brać to co najlepsze z jednego świata i drugiego.

Do nauki biznes może wnieść dużo inspiracji dotyczących zarządzania czy finansowania projektów. Schematy, które działają w Tooploox, jako dobre praktyki staram się przekazywać i wdrażać w prace akademickie. Oczywiście bez przesady, ale jest bardzo dużo dobrych praktyk, które można bez problemu przełożyć do drugiego świata. W biznesie zależy mi osobiście na wykraczaniu poza krótkoterminowe i czysto finansowe cele poprzez realizowanie aspirujących projektów naukowych.

W Tooploox możemy robić ciekawe, naukowe rzeczy dzięki temu, że mamy finansowanie z projektów komercyjnych, ale ludzie często pytają: „Po co w takiej firmie pisać publikacje? Przecież to nie przekłada się na wzrost sprzedaży, jest w pewnym stopniu traceniem pieniędzy, które nie są efektywnie inwestowane np. w nowe maszyny, komputery czy zwiększanie wynagrodzeń”. Ja z kolei pytam: po co zarabiamy pieniądze? Dla mnie ta odpowiedź jest dosyć prosta – po to, żeby publikować, rozwijać się, tworzyć i budować kolejne podwaliny pod nowe dziedziny nauki czy nowe, nierozwiązane do tej pory problemy. Kapitał jest potrzebny właśnie do tego i taki jest cel. 

Wydaje mi się, że w czasie (szczególnie w kontekście uczenia maszynowego czy sztucznej inteligencji) ten trend łączenia świata naukowego z komercyjnym zaczął być dość mocno obserwowany po pierwszych sukcesach ostatnich lat, związanych z głębokim uczeniem maszynowym. Widać to praktycznie od 2012 r., kiedy zostały opublikowane prace związane ze stosowaniem sieci neuronowych w rozpoznawaniu obrazu, później dźwięków, w tekście.

Tendencja wśród naukowców, którzy pracują na uczelni rozwijając metody, a później stosując je i wykorzystując w świecie komercyjnym jest zauważalna i obserwowalna. Trudno się dziwić. Największym paliwem uczenia maszynowego są dane, których sieć i Internet (a przez to korporacje, które te dane zbierają) mają najwięcej. Te dwa światy łączą się coraz częściej i coraz mocniej.

Należy oczywiście zachować ostrożność, bo jeśli będziemy oceniali możliwości oraz potencjał naukowy tylko i wyłącznie celami krótkoterminowymi czy aktualną ewaluacją akcji, udziałów na giełdzie, to może nas to doprowadzić do bardzo krótkich iteracji i braku przemyślanych, długofalowych inwestycji. Wydaje mi się, że póki co takiego zagrożenia nie ma przynajmniej w kontekście spółek polskich, które jeszcze mają trochę lekcji do odrobienia związanych z inwestowaniem w naukę i metody sztucznej inteligencji. 

Jeśli chodzi o projekty komercyjne, które pokazują, jak dobrze może funkcjonować połączenie świata nauki i świata biznesu, to ja osobiście prowadzę wiele projektów komercyjnych na zlecenie firm. Współpracujemy m.in. z biurem Google w Zurychu realizując na Politechnice Warszawskiej projekt związany z geolokalizacją na podstawie obrazu.

W Tooplooxie aktywnie współpracujemy i publikujemy zarówno z uczelniami międzynarodowymi (Uniwersytet Stanforda) czy z Uniwersytetem Wrocławskim i Politechniką Wrocławską. Po naszym wywiadzie muszę wrócić do kolejnej publikacji, którą z naukowcami z Uniwersytetu Jagiellońskiego zamierzamy opublikować w tym i nadchodzącym tygodniu. Wydaje mi się, że ta współpraca działa coraz lepiej i ona rzeczywiście jest paliwem dla biznesu i dla Akademii, które jeszcze przez wiele lat będzie trwało i dawało energię.

Jedno z kluczowych pytań, które zadałeś – po co zarabiamy pieniądze? Zachęcam także każdego czytelnika do odpowiedzenia sobie na to pytanie.

Przejdę teraz do tematu computer vision. Jakie możliwości na dzień dzisiejszy nam daje? Jakie ma ograniczenia? Wymień 3 przykłady, gdzie zastosowanie computer vision w biznesie znacząco go zmienił albo sprawił, że taki biznes w ogóle ma szansę istnieć.

Wydaje mi się, że najważniejszą zmianą, która pojawiła się w biznesie, jeśli chodzi o sztuczną inteligencję (w szczególności computer vision), to algorytmy klasyfikacji obrazu, czyli tagowania zdjęć przy wykorzystaniu nie tylko samej wartości pikseli, ale też treści, czyli tego, co na tych zdjęciach się pojawia. Było to niezwykle istotne w kontekście przeszukiwania nieprzebranych do tej pory pokładów danych wizualnych, filmów czy zdjęć.

Drugą taką istotną technologią i kierunkiem, w którym computer vision pozwoliło rozwinąć się biznesowi, był SAM (Simultaneous Localization and Mapping), tj. technologia pozwalająca na lokalizowanie na podstawie obrazu z kamer. Dzięki temu roboty i maszyny kroczące mogły znacząco polepszyć precyzję lokalizowania swojej pozycji w stosunku do często niedokładnego GPS. Szczególnie jest to istotne wśród wysokich budynków, gdzie sygnał satelitarny jest dość istotnie zagłuszany. Taka lokalizacja na podstawie obrazu, była bardzo dużym plusem również wewnątrz hal czy budynków. Jest to istotna technologia. 

Trzecim ciekawym zastosowaniem jest analiza danych medycznych. Tutaj mamy coraz więcej osiągnięć na polu danych zarówno pochodzących z rezonansu magnetycznego czy ultrasonografów. Komputery coraz lepiej rozumieją, co się na tych zdjęciach dzieje i są w stanie istotnie wspomagać proces diagnostyki zarówno pod kątem chorób, takich jak rak płuc czy piersi, jak również predykcji przedwczesnych porodów. Tym zajmujemy się m.in. w naszej grupie razem z doktorantem Tomkiem Włodarczykiem i absolwentem Politechniki Szymonem Płotką, ale też współpracujemy z lekarzami z Warszawskiego Uniwersytetu Medycznego.

Poza tym w kilku poprzednich projektach, w których brałem udział, m.in. z Interdyscyplinarnym Centrum Modelowania Matematycznego Uniwersytetu Warszawskiego, opracowywaliśmy metody klasyfikacji i śledzenia postępów rekonwalescencji po operacji rekonstrukcji ścięgna Achillesa. Teraz Bartek Borucki razem z Norbertem Karpińskim rozwijają na bazie tego swój startup. Jest to pole, które moim zdaniem dopiero zaczęliśmy zagospodarowywać. 

Wydaje mi się, że o ile te dwie pierwsze technologie, o których wspominałem  (klasyfikacja obrazu i SAM) są bardzo ukierunkowane i rozwiązują konkretne problemy, tak analiza danych medycznych to tak naprawdę ocean możliwości. Zarówno jeśli chodzi o diagnostykę, prewencję, uprzedzające obserwowanie danych po to, żebyśmy nie tylko wiedzieli, kiedy jesteśmy chorzy, ale również jak duże prawdopodobieństwo jest, że zachorujemy albo, że w najbliższej przyszłości będzie nam coś dolegać. To tak naprawdę uważam za najbardziej ambitny i istotny kierunek, jeśli chodzi o dalsze prace związane z wizją maszynową czy uczeniem maszynowym.

Porozmawiajmy też o ograniczeniach lub problemach, które mamy w computer vision. Co z tym próbujemy zrobić?

Ograniczenia, czyli w których miejscach computer vision myli się?

Tak, powiedzmy, że mam jakiś problem do rozwiązania. Chcę zacząć działać, ale jednak jest pod górkę. Co może stać na przeszkodzie?

Jednym z największych problemów czy wyzwań, które stoją przed aplikacjami wykorzystującymi uczenie maszynowe w kontekście analizy obrazu, jest niedobór danych lub niedobór odpowiednio oznaczonych danych. Szczególnie w kontekście danych medycznych jest to o tyle trudne, że dane te wymagają bardzo wykwalifikowanej wiedzy, żeby zostać odpowiednio oznaczone.

Zawierają również dość delikatne i osobiste dane, których nie można tak łatwo między ośrodkami przesyłać. To jest na pewno duży problem. Mamy świadomość jako naukowcy, że ten problem istnieje. W związku z tym coraz więcej prac dotyka tematyki nienadzorowanego uczenia maszynowego czyli takiego, w którym sama maszyna, komputer jest w stanie dużo wewnętrznych cech wywnioskować albo na podstawie kilku próbek jest w stanie zanotować kolejne i grając sam ze sobą w grę anotacji i zgadywania tych anotacji, (np. poprzez active learning) buduje większy zbiór danych. To jest na pewno duże ograniczenie.

Tak jak często pada pytanie, czy mając określony budżet lepiej zainwestować go w nowy zbiór danych czy w nową metodę, którą należałoby zaimplementować, to niestety z reguły prawidłowa odpowiedź to właśnie zbiór danych. Nie ma nic tak wspomagającego precyzję rozwiązania, które budujemy, jak więcej danych, szczególnie danych, które są zróżnicowane. Tu jest istotna kwestia: jeśli zbierane dane będą dokładnie takie same bądź bardzo zbliżone w rozkładach prawdopodobieństw, to obserwowana różnica będzie relatywnie mała.

Jeśli pokazywalibyśmy dzieciom tylko jeden gatunek psa i nazywali go właśnie psem, to inny jego gatunek nie byłby prawdopodobnie tak łatwo klasyfikowany jako pies. Ludzie (podobnie jak maszyny) uczą się najwięcej na podstawie różnic i obserwowania kompletnie nowych danych – tutaj to rozwiązanie gorąco polecam. 

Wspomniałeś, że po tej rozmowie będziesz pracować nad publikacją z Uniwersytetem Jagiellońskim. Obecnie bardziej się inspirujesz rozwiązaniami bio, związanymi z naturą i połączeniem tego w jakiś sposób z technologią. Powiedz proszę więcej o tym projekcie. Jaka jest motywacja z Twojej strony, że zaangażowałeś swoją uwagę w tym obszarze?

Zgadza się. Rozpoczynam właśnie współpracę z Uniwersytetem Jagiellońskim jako lider jednej z grup badawczych pracujących w ramach grantu Fundacji na Rzecz Nauki Polskiej, zatytułowanego „Bio-inspirowane sieci neuronowe”. Projekt ten jest kierowany przez świetnego naukowca i bardzo dobrego wykładowcę, profesora Jacka Tabora. Wśród kierowników tych grup są m.in. kognitywiści, neurobiolodzy, specjaliści w zakresie uczenia maszynowego – prof. Marek, prof. Nowak, prof. Wójcik czy dr Igor Podolak.

W ramach tych prac zamierzamy zająć się zrozumieniem mechanizmów funkcjonowania naszego mózgu i procesów poznawczych po to, żeby te mechanizmy przenieść do świata uczenia maszynowego inspirując tym samym nowe rozwiązania czy algorytmy – algorytm uwagi, atencji, wzorowane w dużej mierze na działaniach czy funkcjonowaniu naszego mózgu. 

Dlaczego akurat ten fragment? Wydaje mi się, że nosimy w swojej głowie jeden z najbardziej mocnych i wydajnych komputerów, które stworzyła natura. Mechanizmy, które zachodzą podczas uczenia czy budowania sieci neuronowych w naszej głowie, w dużej mierze mogą rozwiązać wiele problemów aktualnie obserwowanych w świecie uczenia maszynowego.

Na przykład fakt, że człowiek ma jeden mózg, a jest w stanie w trakcie nauki uczyć się zarówno rozpoznawać zwierzęta jak i meble. Później jest w stanie jako lekarz czy prawnik rozpoznawać różne zapisy prawne, czy analizować zdjęcia medyczne. Mówimy różnymi językami, uczymy się różnych gier, gramy na instrumentach. To wszystko wykorzystując tak naprawdę jedną maszynę. 

W przypadku uczenia maszynowego czy sztucznej inteligencji zachodzi zjawisko katastroficznego zapominania. Jeśli ucząc się jednego zadania weźmiemy tę całą sieć i przyuczymy ją do innego zadania, to okazuje się, że poprzednie zadanie jest kompletnie zapomniane. Już nie jesteśmy w stanie odzyskać tej wiedzy, którą wcześniej nabyliśmy. To są problemy, które wydaje się, że mózg ludzki rozwiązał. Dlatego inspirowanie algorytmów uczenia maszynowego na bazie tego, co widzimy w naturze, jest w moim przekonaniu bardzo obiecującym i ciekawym tematem badań. 

Mówi się coraz głośniej, że osiągnięcie tego odgórnego stanu sztucznej inteligencji (general AI) jest w ogóle niemożliwe używając obecnie dostępnych algorytmów, ponieważ są bardzo ograniczone na konkretne, wąskie dziedziny. Tak jak to nazwałeś – takie katastroficzne zapominanie. Jest możliwe wyspecjalizowanie i prześcignięcie człowieka w pewnym odcinku zadań, ale nie sprawdza się to przy bardziej ogólnych kwestiach.

Nawet takie bardzo proste czynności, które wykonujemy na co dzień – wejście do budynku, który ma różne rodzaje drzwi albo otwarcie pudełka, to dla widzenia komputerowego ta różnorodność staje się problemem. Jak rozmawiam z różnymi ludźmi na ten temat, wydaje się, że jedną z możliwości, która umożliwia osiągnięcie tego stanu general AI jest podejrzenie, jak natura poprzez ewolucję otrzymała to, co osiągnęła.

Problem jedynie jest taki, jak ją podejrzeć? Z jednej strony zdajemy sobie sprawę, że to jest możliwe i sami jesteśmy tego świadkami, ale z drugiej strony – co się dzieje w tym mózgu, jak to odszyfrować? Nawet jeśli próbujemy to analizować używając MRI albo innych narzędzi, to jest bardzo nieprecyzyjne i daje tylko fragmenty, więc ciężko jest zrozumieć całość. 

Czy to faktycznie jest strategiczne myślenie, żeby osiągnąć coś znacznie więcej i przejść na poziom, gdzie nie ma obecnych ograniczeń? Jak to odszyfrować? Jak się wgryźć w ten kawałek, żeby zrozumieć, jak to działa pod spodem? Wiem, że prognozowanie jest bardzo trudną sprawą, ale podziel się swoimi rozważaniami.

Rzeczywiście, ta wąska dziedzina klasyfikacji obrazu i wytrenowanie na niej nawet najbardziej zaawansowanych sieci splotowych, nie do końca rozwiązuje nam problem sztucznej inteligencji. W wielu publikacjach twierdzi się, że sieci neuronowe są już lepsze i osiągają lepsze wyniki niż człowiek, bo np. rozpoznają lepiej rasy psów. Tylko pytanie jest zasadnicze – czy my jako ludzie (nie będąc hodowcami psów na co dzień) potrzebujemy rozróżnić owczarka niemieckiego od rottweilera.

Nie jest to konieczne w naszym codziennym życiu. Jest bardzo dużo procesów, które zachodzą w naszym mózgu – wchodzenie do budynków, lokalizowanie się jest jednym z nich. Wiele z nich zachodzi tak naprawdę nie w korze mózgowej (naszym softwarze), a w hardwarze. Mruganie czy instynktowne zasłanianie części ciała to są rzeczy, które będą dla nas wyjątkowo trudne, jeśli chodzi o ich odgadnięcie tzn. zrozumienie, jak możemy je zaimplementować w algorytmach sztucznej inteligencji. One są tak wbudowane w nas i trudne do zidentyfikowania, że rzeczywiście zajmie nam to na pewno sporo czasu.

Staramy się podglądać z coraz lepszym i większym mikroskopem, jak działa część tych neuronów czy mózgu, która odpowiada za kolejne funkcje poznawcze. Wydaje się, że percepcja, którą rozwinęliśmy, czyli analizowanie sygnałów zewnętrznych związanych z wizją, słuchem czy tekstem, jest coraz lepsza. Natomiast w ramach projektu, o którym wspomniałem, finansowanego z Fundacji na Rzecz Nauki Polskiej, realizowanego na Uniwersytecie Jagiellońskim, mamy możliwość współpracy między sześcioma zaawansowanymi zespołami tworzonymi przez światowej klasy specjalistów z różnych dziedzin (fizyka, neurobiologia, kognitywistyka).

Celem tego eksperymentu jest połączenie specjalistów informatyki, matematyki z fizyką, neurobiologią, kognitywistyką, a jednocześnie stworzenie unikalnej na skalę światową możliwości zrozumienia jak działają struktury mózgu i mechanizmy, które próbujemy podglądać. Jest to jeszcze przed nami, ale coraz więcej prac pokazuje, że możemy zidentyfikować korelacje między różnymi sygnałami elektrycznymi w mózgu i powiązać je z bodźcami zewnętrznymi.

Od tego krok już do zrozumienia struktur, które funkcjonują w mózgu. Na bazie tego jesteśmy w stanie budować rozwiązania – być może inne, może kompletnie inne, może tylko zmodyfikowane lub będące jakąś wariacją na temat dotychczas stworzonych algorytmów uczenia maszynowego. 

Przewidywanie jest trudne, szczególnie jeśli chodzi o przyszłość. Nie chciałbym tutaj zbyt mocno wybiegać w przyszłość. Mogę natomiast wspomnieć o anegdocie związanej z autonomicznymi samochodami. Trzy lata temu na konferencji CVPR czyli jednej z najważniejszych konferencji computer vision na świecie można było usłyszeć, że autonomiczne samochody to już za rok, dwa będą na ulicach. Dwa lata temu ta perspektywa zwiększyła się do 5-6 lat. Rok temu to było już 10 lat, a niektórzy mówili, że nie wiadomo, czy w ogóle będą jeździły.

Te prognozy są odwrotnie skorelowane z ambicjami i aspiracjami, z taką pozytywną energią związaną z rozwojem uczenia maszynowego czy sztucznej inteligencji. Mam wrażenie, że dochodzi do pewnego rodzaju granic stosowania algorytmów wąskiej sztucznej inteligencji. Na pewno będzie bardzo dużo aplikacji, które te aktualne algorytmy są w stanie zastosować. Sztuczne sieci neuronowe doskonale radzą sobie ze znajdywaniem korelacji między sygnałem wejściowym a wyjściowym, ponieważ mają możliwość zapamiętania i przeanalizowania większej ilości danych w krótszym czasie niż człowiek.

Biorąc pod uwagę jak rosną możliwości hardware’owe, sprzętowe komputerów wydaje się, że to rozumowanie to podejmowanie decyzji, szczególnie takich, które nie są oczywiste i wymagają analizy szerokiego kontekstu, czy zrozumienia innych ludzi. Tutaj mamy przed sobą dobre 5-10 lat do momentu, kiedy zaczniemy obserwować algorytmy czy instancje, które te algorytmy reprezentują – roboty czy inne tego typu urządzenia, które będą mogły być uważane za jakieś przepowiednie generalnej sztucznej inteligencji. Na chwilę obecną, wydaje mi się, że tak możemy to przewidywać.

Warto będzie się spotkać ponownie za jakiś czas i zweryfikować, jakie zmiany w międzyczasie zaszły. W latach 60. mówiło się, że dosłownie za kilka lat sztuczna inteligencja będzie potrafiła robić przeróżne rzeczy. Minęło już dość sporo czasu i nawet część rzeczy potrafimy robić, o których było wspomniane, ale nie wszystkie. 

Dziękuję Ci bardzo za znaleziony czas i rozmowę, bo wiem, że to nie jest takie łatwe. Dziękuję za podzielenie się z szerszym gronem swoimi przemyśleniami, rozważaniami i doświadczeniem, bo tego nie można normalnie znaleźć w Internecie. Życzę Ci, żeby udało Ci się poukładać swoje myślenie w taki sposób, żeby stawiane cele były namacalne i osiągalne.

Dzięki wielkie.

Dzięki serdeczne, dzięki za zaproszenie. Pozostaję do dyspozycji w razie przyszłego kontaktu. Jeśli któryś z tych tematów jest interesujący dla Ciebie czy dla słuchaczy, to oczywiście jestem otwarty na kontakt i do zobaczenia, do usłyszenia.

W trakcie przygotowań do tego wywiadu już wiedziałem, że to będzie niezwykle ciekawa rozmowa. W jej trakcie, zwłaszcza w momencie, gdy mówiliśmy o biotechnologii, podglądaniu sposobów rozwiązywania problemów przez naturę, byłem bardzo zainspirowany i jestem bardzo ciekaw, jak dalej będą się rozwijały projekty realizowane przez Tomka i jego współpracowników.

Z drugiej strony zastanawiam się nad tym, czy w ogóle możliwe by było osiągnięcie prawdziwej sztucznej inteligencji przy użyciu obecnie dostępnych narzędzi. Czy uda się rzeczywiście podglądnąć mechanizmy rządzące się w naturze? Co to będzie oznaczać dla naszej przyszłości?

Artykuł Świat akademicki, biznes oraz ML – rozmowa z Tomkiem Trzcińskim pochodzi z serwisu Biznes Myśli.

Cześć. Witam Cię w 73. odcinku podcastu Biznes Myśli. Według różnych rankingów jednym z najbardziej atrakcyjnych zawodów na rok 2020 jest specjalista od uczenia maszynowego. Nazwy stanowiska mogą być różne, ale chodzi o inteligentną obróbkę danych, wyciąganie wniosków, prognozowanie i inne podobne aktywności. Dzisiaj będzie o tym, jak tam się dostać. Zanim jednak przejdziemy do głównego tematu – ogłoszenia.

W sobotę 14 marca 2020 r. miną 3 lata podcastu Biznes Myśli. Po raz pierwszy w obrębie naszej społeczności spotkamy się na żywo w Krakowie. Zaprosiliśmy ciekawych gości, którzy wcześniej wystąpili w podcaście:

– Łukasz Siatka – odcinek 33., rozmawialiśmy na temat hardware Google, Facebooka i innych firm,

– Teresa Kurek – odcinek 22., rozmawialiśmy o przemyśle,

– Marcin Kurczab z PZU – odcinek 69.,

– Łukasz Kuncewicz – odcinek 19., rozmawialiśmy na temat intuicji i sztucznej inteligencji,

– Paweł Gora – odcinek 53., rozmawialiśmy na temat komputerów kwantowych,

– Martyna Czapska – odcinek 38., mówiliśmy o połączeniu prawa ze sztuczną inteligencją.

Zebrać tych wszystkich ludzi w jednym miejscu i zaangażować do networkingu (czyli będzie można poznać ich osobiście, porozmawiać) było ciężko, ale mamy to! Część z tych osób bardzo rzadko występuje publicznie, więc tym bardziej cieszy mnie fakt, że będziemy mogli się wszyscy spotkać na jednym wydarzeniu. Spotkanie to będzie miało kameralny format. Poczujesz to poprzez przyjazną atmosferę oraz otwartość ludzi, którzy tam się pojawią. Wydarzenie to jest unikalne i szkoda będzie go przegapić, więc koniecznie zaplanuj sobotę 14 marca na spotkanie w Krakowie. Mam nadzieję, że do zobaczenia!

Dołącz do urodzin Biznes Mysli

Bardzo gorąco polecam być na bieżąco np. zapisując się na newsletter – nie ma spamu, za to dużo wartościowych informacji.

Wracając do tematu głównego. Zawód “specjalista machine learning” jest bardzo potrzebny. Również w Polsce coraz więcej firm dostrzega w tym potencjał, ale jest pewien problem. Firmy, które chcą zatrudnić specjalistę od uczenia maszynowego, nie za bardzo mają pomysł, gdzie takich ludzi znaleźć. W szczególności jeżeli mówimy o osobach, które wdrożyły przynajmniej jeden projekt produkcyjny.

To jest bardzo duża różnica między osobą, która “coś tam czytała i coś wdrożyła”. Z drugiej strony są ludzie chętni, którzy chcieliby się tego nauczyć, tylko nie wiedzą do końca, z której strony do tego tematu podejść. Oczywiście są różne źródła, od których można zacząć się uczyć, czym jest uczenie maszynowe, tzw. sztuczna inteligencja. Natomiast mówiąc wprost, w większości przypadków, te materiały są przygotowane przez teoretyków.

Ciężko jest po tych informacjach zostać praktykiem i wyczuć jakiego rodzaju problemy będą do rozwiązania i zrozumieć, co jest ważne, a co niekoniecznie. To jest właśnie sztuka dokonywać wyboru wśród mnóstwa możliwości przeróżnych kombinacji i skupić się na tych, które są najciekawsze. Praktyk ma dość często zupełnie inną metrykę sukcesu niż teoretyk.

Wyobraź sobie, że chirurg uczy się od osoby, która nigdy nie praktykowała. Taka osoba oczywiście jest w stanie przekazać informacje np. na temat narzędzi, ich właściwości teoretycznych, chemicznych, fizycznych itd. Każdy z nas chciałby unikać kontaktu z takimi lekarzami, chociaż nie zawsze to się udaje. Podobnie jest tutaj. Firma to żywy organizm, w którym każda rozsądna osoba decyzyjna, chce mieć poczucie, że przyjdzie osoba, która wie, co robi, a nie dopiero zaczyna kombinować na miejscu i zobaczy, co się stanie.

Pojawia się pytanie – jak do tego tematu się zabrać? Jeśli obserwujesz moje inicjatywy w ramach Biznes Myśli lub Data Workshop to już wiesz, że są różne ścieżki tego, jak można wystartować z uczeniem maszynowym. Jeden z pragmatycznych sposobów, aby wejść do tego świata, to wziąć udział w moim autorskim kursie online na Data Workshop.

Teraz oczywiście jest już dostępnych więcej niż jeden kurs. Pierwszy, główny to „Praktycznie uczenie maszynowe od podstaw„, który trwa 8 tygodni – 6. edycja rozpoczyna się 16 marca 2020 r. Drugi kurs to „Praktyczne prognozowanie szeregów czasowych” – 4. edycja rozpoczyna się 30. marca 2020 r. Dodatkowo dla osób, które nigdy nie programowały lub słabo się czują w Python (w szczególności dotyczące tej działki, gdzie Python łączymy z uczeniem maszynowym) pojawił się kurs pomocniczy „Praktyczne wprowadzenie do Python„, który trwa 3 tygodnie – 2. edycja, rozpoczyna się 17 lutego 2020 r.

Wielu uczestników korzystało z moich kursów. To są bardzo różni ludzie, zaczynając od osób technicznych (np. programiści, analitycy), są również osoby z biznesu (które niekoniecznie chcą się ujawniać, więc pominę szczegóły, ale są to prezesi, osoby dość mocno decyzyjne w dużych firmach, bankach czy innych instytucjach). Ostatnio obserwuję taki trend, że coraz więcej osób ze świata akademickiego się dołącza (z przeróżnych uczelni). Muszę kiedyś usiąść i spisać wszystkie uczelnie, na których pracują moi absolwenci. Tych uczelni jest już ponad 7. To są takie najbardziej znane uczelnie w Polsce.

Dzisiaj zaprosiłem 3 osoby – moich absolwentów z ostatnich edycji, żeby podzielili się swoim doświadczeniem. Sporo opinii na temat kursu już zostało nagranych wcześniej. Jeżeli ominęły Cię te odcinki to podpowiem, że to jest odcinek:

• 61. “Jak ugryźć uczenie maszynowe od strony praktycznej”, 
• 49. „Uczenie maszynowe na DataWorkshop – pragmatyczne wejście do świata ML”,
• 24. „Jak zacząć używać uczenia maszynowego w praktyce”.

Zależy mi na tym, żeby pokazać różne doświadczenia osób, które wzięły udział w kursie. Dzisiaj przedstawiam Ci Michalinę, Jarka i Michała.

Michalina jest bardzo ambitną kobietą, która może jeszcze wiele zrobić, tylko sama powinna w to uwierzyć. To jest ciekawa obserwacja, którą dostrzegam u kobiet dość często – brak pewności siebie bardzo blokuje ich rozwój. Tak naprawdę wystarczy odrobinę pomóc, powiedzieć, jak można zrobić coś trochę inaczej. Człowiek wtedy zaczyna się rozpędzać i to bardzo szybko. Dobra wiadomość jest taka, że zawsze odpowiedzialność jest po stronie człowieka. Jeśli jesteś teraz w trudnej sytuacji, gdzie nie czujesz się pewnie (nie masz pewności, że sobie poradzisz, że być może to nie jest dla Ciebie, być może już za późno) to w tym momencie zatrzymaj się na chwilę. Zadaj sobie pytanie – być może masz takie otoczenie? Spróbuj zrobić krok do przodu we właściwym kierunku i może się okazać, że całe Twoje życie zacznie nabierać zupełnie innego rytmu. Przynajmniej daj sobie szansę.

Rozmowa z Michaliną.

Cześć Michalina. Przedstaw się kim jesteś, czym się zajmujesz, gdzie mieszkasz?

Cześć Vladimir. Mam na imię Michalina. Mieszkam w Warszawie i jestem wykładowcą akademickim. Obecnie prowadzę kilka przedmiotów. Zaczynałam od fotogrametrii, a teraz uczę praktycznego podejścia do cyfrowego przetwarzania i analizy obrazów uzyskanych z różnego typu sensorów.

Co ostatnio ciekawego przeczytałaś?

Mam tę przypadłość, że lubię czytać kilka książek równolegle. Z takich dwóch ciekawszych, które ostatnio udało mi się przeczytać to „21 lekcji na XXI wiek” Harari Yuval Noah. Bardzo fajna książka, opowiada o wyzwaniach, jakie teraźniejszość stawia przed ludzkością i o problemach, w obliczu których każdy z nas obecnie stoi. Poruszany jest temat fake news, biotechnologii, sztucznej inteligencji, rozszerzonej rzeczywistości. To, co najbardziej podoba mi się w tej książce to to, że Harari lubi stawiać prowokacyjne pytania, ale też sam udziela błyskotliwych, chociaż czasem ironicznych odpowiedzi.

Drugą pozycją, już dużo lżejszą od poprzedniej, jest „Historia pszczół” Maji Lunde. Powieść bardzo mnie zaskoczyła. Jest ona rozgrywana na trzech płaszczyznach czasowych – w przeszłości, teraźniejszości i przyszłości. Spoiwem jej są tytułowe pszczoły. Co mnie tu najbardziej zaskoczyło i przeraziło jednocześnie, to pewne aspekty i wizje naszej przyszłości, które w tej powieści opisane są tak prawdopodobnie i realistycznie, że wydają się być samospełniającą się przepowiednią i tym, co może nas niedługo faktycznie spotkać. Także obie pozycje polecam.

Pierwsza pozycja jest mi bardziej znana. O drugiej dziękuję, że wspomniałaś. Jesteś absolwentką kursu „Praktyczne uczenie maszynowe od podstaw” na Data Workshop. Czy kurs spełnił Twoje oczekiwania?

Z czystym sumieniem mogę powiedzieć, że w 100%. Właściwie mogłabym wymienić główne powody.

Pierwszym z nich jest to, że nigdy w życiu nie brałam udziału w takim kursie jak „Praktyczne uczenie maszynowe od podstaw”, a kilka już kursów i szkoleń miałam okazję w życiu odbyć. Nie trafiłam nigdy na taki, który mnie aż tak zaangażował. To nie jest tak, że idziesz na weekend na kilka godzin wykładu. Niby wszystko rozumiesz, obiecujesz sobie, że w tygodniu do tego usiądziesz jeszcze raz i wszystko powtórzysz, ale tak jak to w życiu bywa, zawsze coś, zawsze za mało czasu i szybko zapominasz o tym, co było na kursie. W „Praktycznym uczeniu maszynowym od podstaw” zaangażowałam się na całe 8 tygodni, praktycznie dzień w dzień. To się nigdy w moim życiu nie zdarzyło aż w takim wymiarze. To jest fajne, że przyniosło mi to efekty, wynikające chociażby z samej systematyczności.

Drugi argument to merytoryka kursu. Naprawdę jest to konkretny kawałek wiedzy. Robiłam wcześniej kilka kursów z machine learningu na ogólnodostępnych stronach. Główna różnica jest taka, że w Twoim kursie nie było głównie teorii. Nie robiliśmy niczego na testowych danych. Było to 100% praktyki – rzeczywiste, brudne dane i rzeczywiste problemy. Po prostu siadałam do komputera i czułam, że żyję i jak tu się do tego zabrać. Fajne jest też to, że gdybym przed kursem usłyszała o danym problemie to właściwie podrapałabym się w głowę i powiedziała: No way, w życiu nie ma szans, żebym to rozwiązała. Po kursie – widzę problem i to też nie jest tak, że od razu siadam i wiem linijka kodu po linijce, co bym napisała, ale wiem, jak zabrać się za to zadanie. Wiem, co jest ważne, jakie aspekty muszę rozważyć, jaki jest sposób (często więcej niż jeden), którym mogę to rozwiązać. Siadasz i rozmyślasz.

Trzecia rzecz odróżniająca Twój kurs od innych to wsparcie społeczności na Slacku. Było to pierwsze w życiu takie forum, gdzie nie bałam się zadać najprostszego, najbardziej trywialnego pytania z obawy, że ktoś mnie wyśmieje. Nie wiesz, masz problem – po prostu pytasz i w mega krótkim czasie dostajesz odpowiedź i pomoc. Często w dowolnej porze dnia i nocy, co mnie bardzo często zaskakiwało.

Myślę, że to są takie trzy najważniejsze aspekty potwierdzające to, że kurs spełnił moje oczekiwania.

Dzięki wielkie. Zwłaszcza drugi argument to miód na moje serce. Bardzo zależy mi na tym, żeby przekazać jak myśleć zamiast dawać gotowe rozwiązania, bo życie zawsze zaskakuje. Tak naprawdę każde zadanie jest indywidualne. Jeżeli nie przekażesz trybu myślenia i jak podchodzić do problemu, to ta wiedza będzie tylko informacją, a nie doświadczeniem.

Powiedziałaś troszkę o tym, jak się czułaś. Powiedz coś więcej oraz co Cię najbardziej zaskoczyło.

Najbardziej zaskoczył mnie konkurs. Z natury jestem osobą, która nie lubi brać udziału w tego rodzaju inicjatywach, bo nigdy nie wierzę, że mam szansę wygrać, czy w ogóle sobie w danym zadaniu poradzić. Nie wiem dlaczego, ale w jakiś magiczny sposób, pewnego wieczoru po prostu usiadłam do zadania konkursowego i zaczęłam pisać rozwiązanie. Zaskoczyło mnie moje własne zaangażowanie. Praktycznie do ostatniej godziny walczyłam o uzyskanie jak najlepszego wyniku. Mimo tego że raczej nie znajdę magicznego rozwiązania na miarę zwycięstwa, to po prostu chciałam zawalczyć o jak najlepszy wynik dla samej siebie. Mimo tego, że uplasowałam się daleko od podium, to do dzisiaj jestem z tego dumna, że walczyłam. To było ważne dla mnie. Najśmieszniejsze jest to, że kiedy widzisz rozwiązanie osoby, która wygrała konkurs to myślisz, że to nie była jakaś magiczna receptura. Po prostu byłeś bardzo blisko i to powoduje radość. Nawet z nie wygranej.

Dość często jest taki stereotyp, że kobietom będzie bardzo ciężko odnaleźć się w uczeniu maszynowym, bardzo się boją dołączyć do tego obszaru. Często brak pewności siebie jest tutaj dość mocnym blokerem. Porozmawiajmy troszkę od tej strony. Na ile się odnalazłaś, na ile czujesz, że się da? Jak wyglądała ta transformacja w Twojej głowie?

Masz rację, bo to, co powiedziałeś, to były moje główne obawy. Rozpoczynając niecały rok temu moją przygodę z machine learningiem, siadałam do tego z wiedzą zerową. Szukałam sobie jakiejś działki, w której mogłabym się rozwijać. Byłam wtedy po drugim macierzyńskim, więc miałam 3-letnie i roczne dziecko. Moją główną obawą było to, czy w ogóle dam sobie z tym radę. Jak zrobiłam research osób, które pracują w IT, to przeraziło mnie to, że tam są główne mężczyźni. Obowiązki mamy pracującej jednocześnie na etacie często bywają przytłaczające i strasznie się tego bałam. Jednak w głębi duszy wierzyłam, że to ma sens. To mnie motywowało do tego, żeby każdego dnia chociażby na 10, 15 minut usiąść do pracy i nauki. To zaprocentowało. Teraz cieszę się, że dałam z siebie tyle, żeby usiąść, przerobić to, co miałam przerobić, bo to procentuje. Obawy są jak najbardziej słuszne, bo każda z nas się boi, ale mamy tyle mocy w sobie, że nie ma rzeczy niemożliwych.

Brzmi jak zachęta, że przynajmniej warto spróbować. Na pewno nie warto odpuszczać swoich marzeń.

Jaki jest Twój następny krok? Co zamierzasz zrobić ze zdobytą wiedzą i doświadczeniem?

Po kursie, kiedy widzisz, jaki wachlarz możliwości oferuje machine learning, to jest z czego wybierać. U mnie tak się złożyło, że w pracy zajmowałam się analizą i przetwarzaniem obrazów, ale w klasyczny sposób. Niesamowicie spodobał mi się deep learning w przetwarzaniu danych obrazowych i to, co mogę osiągnąć za pomocą głębokich sieci neuronowych. Zobaczyłam, jakie są możliwości opracowywania danych pozyskanych z bardzo popularnych ostatnio dronów czy danych lotniczych z wykorzystaniem deep learningu. Bardzo mi się to spodobało i w tym widzę dla siebie przyszłe możliwości rozwoju. Chętnie zajęłabym się tym na szerszą skalę.

Trzymam kciuki, żeby wszystko udało się poukładać. Bardzo mnie cieszy Twoja otwartość w tym obszarze.

Przypomniało mi się, że byłaś na szkoleniu na żywo oraz na konferencji we wrześniu Data Workshop Club Club Conf 2019. Jak odbierasz ważność takich spotkań na żywo, networking? Czy to działa, czy nie działa?

Tak, byłam na Data Workshop Tour w maju i na wrześniowej konferencji. Już kiedy pojawiły się zajawki tej konferencji, to byłam zauroczona i wiedziałam, że chcę tam być. Gdy oglądałam filmiki z poprzednich edycji, miałam taką czerwoną lampkę w głowie: O Boże, tam będzie networking, ja będę musiała porozmawiać z innymi ludźmi. Wchodząc na salę konferencyjną, serce mi biło. Strasznie się tego bałam, ale kiedy już podeszliśmy wszyscy do stolików i zaczęliśmy rozmawiać ze sobą, to okazało się, że otaczają mnie ludzie, którzy mają podobne obawy jak ja. Dopiero na drugiej sesji networkingu otworzyłam się na tyle, żeby zupełnie na luzie, szczerze z nimi porozmawiać. Dostrzegłam, jaki to ma potencjał, jak wiele taka rozmowa może nam dać. Można zobaczyć inne osoby, które są w położeniu takim, w jakim jesteś teraz albo są o krok dalej. Dowiedzieć się, jak rozwijały się ich kariery i do czego możesz dążyć. Jest to niesamowite i uważam, że merytoryka jest super i polecam, ale dla mnie osobiście networking, to było coś mega wartościowego. Już mi tego brakuje, bo konferencja była we wrześniu i szukam kolejnego wydarzenia, żeby móc się spotkać z tymi ludźmi.

Najbliższe wydarzenie to zlot absolwentów, a później spotkanie Biznes Myśli w marcu. Jeżeli chodzi o networking to z jednej strony to wszystko jest indywidualne i warto zobaczyć, czy to pasuje. Większość osób (z tego co ja obserwuję) nie docenia możliwości networkingu, tworzenia relacji i rzeczy, które mogą się dziać po takich spotkaniach. Bardzo gorąco polecam. Nawet nie koniecznie inicjatywy Data Workshop. Jeżeli jest jakaś inna, fajna inicjatywa, to warto czasem się wybrać. Warto też uważać na miejsce, gdzie się wybieramy, bo stąd się biorą stereotypy, że spotkania są zbyt sztywne, nie działają. Trzeba po prostu chodzić we właściwe miejsca.

Na koniec chciałbym zapytać, komu polecasz kurs „Praktycznie uczenie maszynowe od podstaw” na Data Workshop?

Każdemu, kto widzi możliwość zastosowanie uczenia maszynowego w tym, co robi lub w tym, co chciałby robić. Bardzo to rozwija i motywuje do pracy nad samym sobą. Widzisz, jakie masz możliwości, jak szybko zmienia się świat i do czego powinno się dążyć. Uważam też, że aby wyciągnąć maksimum wartości z tego kursu, należy mieć już podstawy programowania w Pythonie i delikatne podstawy statystyki, algebry. Osobiście brałam udział w Twoich comiesięcznych challengach. Uważam, że przygotowały mnie do tego bardzo dobrze. Po pierwsze, wprowadzając mnie w świat Pythona, a po drugie pokazując szerokie spektrum tematyki machine learning. Rozpoczynasz nie wiedząc, czym jest uczenie maszynowe, a kończysz z umiejętnością tworzenia pierwszych modeli predykcyjnych. Wtedy mówisz sobie: Wow, ja też potrafię! Bez tej wiedzy, którą mogłam w dość długim czasie się rozwijać, byłoby mi dużo trudniej wejść w ten kurs. Mogłabym mieć dużo więcej problemów technicznych. W ten sposób udało mi się wejść w ten kurs wiedząc, co będę robić i które elementy muszę dopracować. Warto więc przygotować się wcześniej, bo wtedy wyciągnie się 100% z tego kursu.

Bardzo dziękuję Michalina za znalezienie czasu, podzielenie się swoją opinią. Życzę Ci, żeby udało Ci się poukładać wszystkie rzeczy. Powinno się udać i przy kolejnej okazji podzielisz się, jak to poszło. Dzięki wielkie.

Dziękuję bardzo.

Przechodzimy teraz do drugiego absolwenta – Jarka. Dla mnie osobiście, to bardzo inspirujący przykład, chociaż mówiąc wprost – Jarek trochę się tego wstydzi. Tak się złożyło, że Jarek musiał wyjechać do Anglii. W tej chwili pracuje bardziej fizycznie, ale… to jest właśnie moment inspiracji. Wiele osób jest w podobnej sytuacji, bo los tak poukładał życie i są tam, gdzie są. Te osoby narzekają i nic z tym nie robią. Jarek jednak podchodzi do tego tematu zupełnie inaczej – chce to zmienić. Pracuje już nad tym i bardzo zaangażował się w kurs. Mimo tego że było tam dużo nowinek dla niego, to jednak widać było, jak bardzo mu zależało na tym, żeby wgryźć się w temat i przerobić ten materiał. Dlaczego to jest inspirujące? Pomyśl, jak dużo jest osób w podobnych sytuacjach, którzy godzą się z losem i mówią np.: Jest ok, niech tylko dzieciom będzie lepiej. Pewnie to jest jest jedna z najbardziej popularnych wymówek, kiedy mówimy o dzieciach, niech im będzie lepiej, a ja to jakoś wytrzymam. Dlaczego przekładamy tę odpowiedzialność na dzieci? Oczywiście dzieciom niech będzie jak najlepiej, ale też warto pracować nad sobą, ponieważ to jest nasze życie i nasza odpowiedzialność. Może warto spróbować jeszcze podziałać? Może być pod górkę, będą trudności, trzeba będzie wyjść ze strefy komfortu, pomęczyć się, poświęcić. Obecnie Jarek ma takie otoczenie, w którym mało kto rozumie, czym on się zajmuje po pracy. To jest właśnie moment weryfikacyjny, czy danej osobie na tym zależy. Bardzo ważne. Jeśli tak, oznacza to bardzo prostą rzecz. Jak się zaczynasz rozwijać, to zmienia się również Twoje otoczenie. Dzieje się to naturalnie. Przerabiałem to wiele razy i ten proces jest dla mnie bardzo zauważalny. Dla mnie to jest naturalny proces.

Jeszcze nad jedną rzeczą ostatnio rozważałem – osoby, które mają entuzjazm i energię do działania są bardzo inspirujące dla mnie. Dlaczego tak jest? Dlaczego zazwyczaj te osoby nie doceniają tego i myślą, że są gorsze, bo nie mają umiejętności twardych? Prawda jest taka, że mając energię życiową można nauczyć się wszystkiego. Gdy nie ma energii – to jest to mało istotne. Energia życiowa to jest prawdziwy cud, który warto doceniać. Ciesz się z tego, że jak na razie energia życiowa nie jest wprost opodatkowana.

Zapraszam teraz do przeczytania opinii Jarka.

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

Cześć. Nazywam się Jarosław Nadolski. Od 7 lat mieszkam w Anglii, a pochodzę z Wrocławia. Na chwilę obecną zajmuję się czymś zupełnie spoza branży IT – pracuję w fabryce. Jednakże komputery towarzyszą mi przez całe moje życie. Historia z nimi zaczęła się już od pierwszego Commodore 64 z ultra niezawodnym systemem na kasety, aż do czasów obecnych, gdzie korzystam z trochę lepszych maszyn. Od około 2 lat zajmowałem się tworzeniem stron internetowych do momentu, gdy natrafiłem na wyzwanie Vladimira. Jest to inicjatywa Vladimira, która koncentruje się na nauce praktycznego uczenia maszynowego. Zainteresowało mnie to bardzo, dlatego doszedłem do wniosku, że chcę zagłębiać się jak najbardziej w tę branżę. Jest to branża interesująca, z dużą przyszłością. Na chwilę obecną jestem absolwentem kursu „Praktyczne uczenie maszynowe od podstaw” oraz zakończyłem kurs wstępnego intro do Pythona, co umożliwia mi dalszą naukę.

Twoja historia jest inspirująca. Dość często ludzie nie odważają się podjąć pierwszego kroku, żeby pójść w tym kierunku, który im się bardziej podoba. Zostają tam, gdzie są i uznają, że po co cokolwiek zmieniać, że już za późno albo “nie dla mnie”. W Twoim przypadku ewidentnie było widać, jak bardzo się angażowałeś w kurs, pytałeś o różne rzeczy, byłeś aktywny, przerabiałeś zadania. Czy kurs spełnił Twoje oczekiwania?

Kurs jak najbardziej, w 100% spełnił moje oczekiwania. Jak wspomniałem wcześniej, jest to całkowita nowość dla mnie, dlatego zacząłem od intro do Pythona. Umożliwiło mi to lepsze zrozumienie tematu kursu. Każdego dnia uczę się nowych rzeczy. Pomimo tego że kurs już się zakończył, każdego dnia przerabiam materiały, żeby jak najszybciej to wszystko zrozumieć. 

Taka wskazówka dla osób, które rozważają dołączenie do kursu „Praktyczne uczenie maszynowe od podstaw”, ale mają małą wiedzę lub brak wiedzy z Pythona, to polecam najpierw przerobić 3-tygodniowy kurs „Wprowadzenie do Pythona”. Dzięki temu będzie łatwiej się odnaleźć na kursie kluczowym.

Powiedz, co Cię najbardziej zaskoczyło na kursie?

Nie było takich rzeczy, które bardzo mnie zaskoczyły. Gdy podejmowałem już decyzję, że dołączę do kursu, to zrobiłem research w Internecie, żeby odnaleźć jakieś informacje. Najbardziej czekałem na deep learning. To było to, co mnie najbardziej interesowało, czyli analiza rozpoznawania twarzy, pojazdy autonomiczne. Czytałem też wiele publikacji na ten temat wcześniej, m.in. autobiografię Elona Muska, czyli założyciela Tesli. Jest to dla mnie postać inspirująca. Całe szczęście, tak jak oczekiwałem od 5. modułu, wszystko poszło w deep learning, czyli tę branżę, która mnie najbardziej interesowała. 

To jest kolejny ciekawy wniosek, że ważne jest spróbować kilka różnych obszarów i zdecydować się, który obszar najbardziej zaciekawi. Jak obserwuję to, co się dzieje po kursie, to ludzie wyczuwają na praktyce, że to jest obszar, w który chcą się bardziej zaangażować. Powiedziałeś już o tym, że przerabiasz kurs jeszcze raz, żeby utrwalić swoją wiedzę. To jest bardzo ważna rzecz. Również polecam po kursie, przerobić go jeszcze raz, bo tam jest znacznie więcej informacji niż udało się przeczytać za pierwszym razem. 

Jakie masz dalsze plany? Co planujesz zrobić ze zdobytą wiedzą?

Planuję dołączyć do następnej edycji kursu „Prognozowanie szeregów czasowych”, który organizujesz w marcu. Chcę zobaczyć dokładnie, jakie tam będę miał braki. 

Tak, pod koniec marca rusza drugi kurs „Prognozowanie szeregów czasowych”. Dobrze jest sprawdzić jeszcze jeden obszar, czy się spodoba. Myślę, że zaciekawi osoby, które interesują się prognozowaniem wartości w czasie. Zwykle są to tematy związane z inwestycjami, tematy logistyczne (czyli zarządzanie popytem w sklepie, sprzedażą itd.). Warto wziąć udział w tym kursie. Nagrałem również o tym osobny odcinek, więc jak ktoś nie wie, czym są szeregi czasowe i dlaczego warto to prognozować, to zapraszam do tego odcinka.

Komu warto polecasz kurs „Praktycznie uczenie maszynowe od podstaw”? 

Kurs polecam wszystkim, którzy są zainteresowani samouczeniem i wybraniem słusznej drogi w swoim życiu. Rozwój własny jest ważną częścią życia każdego, dlatego podjąłem decyzję, że czas zrobić coś ze swoim życiem. Jeżeli jesteś zainteresowany uczeniem maszynowym, nowymi technologiami, to jak najbardziej ten kurs jest dla Ciebie. Vladimir przekaże Ci całą swoją wiedzę. Wiele razy jak natrafiałem na jakiekolwiek trudności, to uzyskiwałem pomoc. 

Złote słowa. Czas zrobić coś ze swoim życiem. Życzę Ci, aby w tym roku było więcej odwagi, pewności siebie i te plany, które pojawiły się w głowie wcześniej były zrealizowane. Plany bez konkretnej realizacji są tylko i wyłącznie marzeniami, które być może nigdy się nie spełnią. Dzięki wielkie Jarek za to, że się spotkaliśmy i podzieliłeś się swoją opinią. Życzę Ci kolejnych sukcesów na Twojej ścieżce transformacji. Bardzo trzymam kciuki, żeby Ci się udało, bo masz energię, a Twoja historia jest bardzo inspirująca.

Dziękuję bardzo za całą przekazaną wiedzę i na pewno będziemy jeszcze w kontakcie, bo jest to coś, co interesuje mnie jak najbardziej.

Ostatnia opinia na dzisiaj. Michał też jest inspirującym przykładem, ale trochę z innej przyczyny. Pracuje w świecie akademickim i jest osobą z ideałami. Chce zmienić otoczenie, w którym pracuje, uczynić go bardziej wydajnym, efektywnym, inspirującym. Jest typem człowieka, dla którego nie ma rzeczy niemożliwych. Tacy ludzie zwykle mają to siebie, że bardzo często osiągają to, co sobie zamierzyli, bo nie zakładają możliwości niepowodzenia. To jest właśnie kolejny cud, który może się wydarzyć. Trzymam kciuki, żeby udało mu się wnieść tę pozytywną energię w systemie edukacyjnym. Zapraszam do wysłuchania Michała.

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

Cześć. Jestem Michał z Olsztyna. Pracuję na Uniwersytecie Warmińsko-Mazurskim. Zawsze w swojej przeszłości zajmowałem się rzeczami, których wspólnych mianownikiem były komputery. Poprzez grafikę, fotografię, gry rozwijałem się w tej tematyce. Aktualnie prowadzę zajęcia praktyczne – laboratoria z mechatroniki na Wydziale Nauk Technicznych, gdzie staram się zarażać młodych ludzi pasją do elektroniki, mechatroniki, informatyki, mechaniki. Natomiast główny cel w moim życiu, to praca na uczelni. W ramach tego rozwijam się zdobywając wiedzę w uczeniu maszynowym. W zeszłym roku otworzyłem przewód doktorski, może w tym roku (takie postanowienie noworoczne) uda się go dokończyć. Zobaczymy. Oprócz pracy na uczelni pracuję także przy projektach, które wykorzystują poniekąd uczenie maszynowe. Studiuję na Politechnice Łódzkiej i tam tworzony był projekt, w którym wykorzystywana jest akwizycja obrazu do tego, żeby sfotografować ciało ludzkie, by wykrywać np. znamiona złośliwe. W tym projekcie zajmuję się analizą obrazu. Dodatkowo w tym roku przed samym kursem, rozpocząłem nowy epizod pracując przy projekcie, gdzie wykorzystywane są techniki uczenia maszynowego do tego, aby analizować tekst. To jest taka nowość dla mnie. Rozpoczęcie pracy przy tym projekcie skusiło mnie do tego, aby uzupełnić swoją wiedzę i wziąć udział w kursie, aby nauczyć się podstaw uczenia maszynowego, które były mi obce (bo zacząłem tę przygodę troszeczkę od tyłu – od grafiki).

Spotkaliśmy się dzisiaj, aby nagrać Twoją opinię jako absolwenta o kursie „Praktyczne uczenie maszynowe” w Data Workshop.

Czy kurs spełnił Twoje oczekiwania?

Myślę, że tak. Skusiło mnie to, co jest zawarte w nazwie czyli praktyczne podejście. Mimo iż pracuję na uczelni, to praktyczne podejście jest mi bliskie. Lubię praktyczne rozwiązania i bazowanie na takim podejściu. Może przez to, że w przeszłości pracowałem na serwisie komputerowym i takie naleciałości mam do dziś. Sam kurs podobał mi się również pod kątem formy, w jakiej zostało to podane. Myślę, że część z tych mechanizmów, które wprowadziłeś w kursie przypadły mi bardzo do gustu. Chodzi o interakcje prowadzącego z uczestnikami. Bardzo spodobała mi się forma online, gdzie mamy cykliczne webinaria, mamy kontakt na Slacku z innymi użytkownikami i możemy wymieniać się wiedzą. To jest naprawdę świetny sposób na to, żeby się rozwijać. Chciałbym, aby tego typu mechanizmy zostały wprowadzone też na uczelniach. Zobaczymy, może mi się uda przeforsować jakieś mechanizmy i będę je wdrażał w swojej pracy.

Jak się czułeś podczas kursu?

Na początku czułem sporą obawę. Liczyłem, że większość osób znacząco przewyższy mnie umiejętnościami programistycznymi. Nie czułem się mocny w Pythonie. Miałem takie szczęście, że akurat w tym roku uruchomiłeś kolejny moduł wstępu do programowania w Pythonie i skorzystałem z tego. Więc dwa kursy za jednym zamachem uruchomiłem i działałem równolegle. Z tego jestem bardzo zadowolony, ponieważ miałem fajne wprowadzenie. Jak się czułem? Czułem często ekscytację. Szczególnie jak był okres konkursu to poświęcałem sporo czasu, chociaż działałem zbyt chaotycznie i to się pewnie odbiło na moim wyniku. Bardzo spodobała mi się forma konkursu, która zmotywowała ludzi do działania i to było widać, jak nagle Slack ożył i co chwilę ktoś zadawał ciekawe pytania, które czasem sam bym zadał. Zaraz mieliśmy odpowiedzi od Ciebie czy od Zbyszka, którego bardzo pozdrawiam. Nawiasem mówiąc myślałem, że Zbyszek jest jednym z uczestników i myślałem, jak on fajnie wszystko tłumaczy. Tak sobie pomyślałem, skąd on bierze czas, ciągle jest na Slacku i cały czas odpowiada na pytania. Niesamowite. Bardzo mi się to spodobało. Były problemy i przyznam szczerze, że będę musiał do nich wrócić. Zwłaszcza w tych pierwszych lekcjach, gdzie był future engineering i analizowaliśmy dane tabelaryczne. Mam wrażenie, że nie przyswoiłem sobie tych informacji w dostateczny sposób. Cieszę się, że będę mógł do tego wrócić, bo po kursie otrzymujemy materiały. Wydaje mi się, że to jest jedna z fajniejszych form kursów, w jakich uczestniczyłem w swoim życiu, dlatego szczerze polecam.

Jeżeli chodzi o materiały, to oczywiście udostępniam i spokojnie będzie można przerobić samodzielnie. Bardzo gorąco polecam to zrobić, bo znając życie człowiek nie potrafi nawet 50% informacji wyczytać w tych materiałach. Czytając po raz drugi, potrafi zauważyć kolejne wartościowe kwestie. Prawdopodobnie Twoja reakcja będzie taka, że: O jejku, czy to tu było faktycznie wcześniej? Czytałem te materiały, a tego nie widziałem? Wspomniałeś, że myślałeś, iż Twoja wiedza i doświadczenie będą mniejsze niż u innych uczestników. To jest ciekawa obserwacja. Nie wiem, skąd to się bierze, ale większość uczestników kursu ma takie przekonanie. Fajne również jest to, że na Slacku po pierwszym czy drugim module, zaczyna pojawiać się więcej pytań. Również pytań takich prostszych. Ludzie odważają się pytać o prostsze rzeczy nie myśląc, że to będzie głupie, czy ktoś to skrytykuje. Tutaj jesteśmy po to, aby pomagać.

Zdobyłeś wiedzę na kursie. Jaki masz dalszy plan na to, jak tę wiedzę zastosować?

Wspomnę też o tym, że oprócz samego kursu, przygodę z Data Workshop rozpocząłem od korony wyzwań. Pamiętam, jak ponad rok temu usłyszałem Twój podcast. Zainteresowałem się, zacząłem go słuchać i nagle w którymś z odcinków wspomniałeś, że ruszyła już korona wyzwań. Spojrzałem na zegarek, na datę i niestety to mnie już ominęło. Tak szczęśliwie się złożyło, że reaktywowałeś pierwszą koronę i ponowiłeś pierwszy moduł. Właśnie z nim wystartowałem. Tak naprawdę, poprzez koronę wyzwań zaraziłem się tą formą nauki. Bardzo spodobało mi się to, że można poprzez praktyczny przykład dojść do ciekawych rezultatów. Właśnie to, że zobaczyłem rezultat i że to działa, sprawiło, że zainteresowałem się głębiej. Podejście to jest dosyć ciekawe. Zauważyłem, że często, jak się uczymy na uczelni czy w szkole, to działa to odwrotnie. Uczymy się od prostych kroczków i sporo czasu poświęcamy, żeby ten finalny efekt zobaczyć po długim okresie czasu. Nie miałem z tym większego problemu w przeszłości, ale widzę, że w tej chwili młody człowiek szybciej się zarazi, kiedy zobaczy rezultat na początku. Wtedy dostaje takiego kopa, by działać dalej. To mi się bardzo spodobało. Wiedza, która została podana jest przedstawiona w sposób bardzo usystematyzowany. Pokazuje przegląd tego, do czego można wykorzystać te techniki. Kurs pokazał też to, jak te mechanizmy w środku przebiegają, jak ważny jest future engineering (wydobywanie cech w początkowym etapie). Mi się wydaje, że to jest fajny kurs, który można polecić każdej osobie, która się tym zainteresuje. Ten kurs jest dobrym wyznacznikiem tego, czy ktoś chce się zajmować tą tematyką. Sądzę, że jeżeli ktoś dotrwa do ostatniego modułu i będzie utrzymywał dalej ten poziom motywacji, jaki miał na początku (chociaż 70% tego co miał na początku), to może sobie odpowiedzieć na pytanie – czy naprawdę tym chcę się zajmować? 

Często człowiek odkłada różne decyzje życiowe na potem, natomiast żeby zweryfikować i sprawdzić różne opcje, należy je przetestować. Osobiście przetestowałem mnóstwo różnych, ciekawych i mniej ciekawych rzeczy związanych z oprogramowaniem i innymi tematami. W ten sposób znalazłem obszar, który mnie najbardziej kręci. Staram się na kursie dodawać wątki, aby człowiek zastanowił się trochę, pomyślał, obudził się, aby więcej było świadomości i mniej decyzji automatycznych. Jeżeli decyzja jest automatyczna, to nie wiadomo, dokąd ostatecznie prowadzi. Spodobało mi się to, co powiedziałeś, że kurs jest takim wyznacznikiem weryfikacyjnym, aby upewnić się, czy chcesz się danym tematem zajmować. Jedna sprawa to czytać wiadomości marketingowe o sztucznej inteligencji, a druga sprawa to usiąść i napisać kilkanaście rozwiązań w ciągu 2 miesięcy pracy. Wtedy decyzja jest bardziej świadoma. Czy chcę się tym zajmować, czy nie?

Nawiązując do ostatniego pytania – gdzie to wykorzystam? Na pewno wykorzystam to w pracy dydaktycznej. Prace inżynierskie studentów, gdzie budują roboty i pojawia się kamera, aż się prosi, aby wykorzystać elementy machine learningu, żeby rozpoznawać obiekty, dokonywać detekcji, automatyzować procesy bazując na tych metodach. Studentom to się bardzo podoba. Możliwe, że uda się stworzyć takie gniazdko, gdzie będzie grupa zainteresowania. Wspomnę, że już w przyszłym tygodniu będziemy spotykać się na uczelni w Olsztynie. Głównym koordynatorem jest Łukasz, który tym zarządza. Widzę już powoli, że pojawiają się studenci, którzy sami przychodzą i dopytują, co można by było zrobić w tej tematyce. Chociaż nasz wydział jest bardziej wydziałem technicznym niż informatycznym, to ta tematyka wchodzi w tej chwili w każdą dziedzinę życia. Co chwilę widzę jakiś element w mechatronice, który można by było usprawnić wdrażając uczenie maszynowe i to jest piękne. Możliwe, że pojawi się przedmiot w najbliższych latach, który będzie bazował na uczeniu maszynowym. Zobaczymy, czas pokaże. Na pewno będę starał się przekazywać dalej wiedzę, którą zdobyłem na kursie,. 

Jest to inspirująca historia też dla mnie. Inspiracja polega na tym, że próbujesz zmienić system edukacji i wprowadzić bardziej nowoczesne elementy. Mimo tego że czasem ten system jest dość oporny, ale właśnie ludzie, którzy mają dużo entuzjazmu zmieniają te wszystkie blokery po to, żeby zaciekawić studentów i aby ta wiedza się propagowała. U Ciebie entuzjazmu jest bardzo dużo.

Dziękuję Ci Michał za rozmowę, czas i do zobaczenia.

Dziękuję również.

Na koniec jeszcze jedno ogłoszenie – 15 lutego w sobotę w Krakowie odbędzie się II Zlot Absolwentów Data Workshop. Jest to spotkanie dla absolwentów kursu, ale również dla osób, które dołączyły do kolejnej edycji kursu „Wprowadzenie do Python”, „Wprowadzenie do uczenia maszynowego” 6. edycja lub „Praktyczne prognozowanie szeregów czasowych”. Warto tam się pojawić, bo wiele fajnych rzeczy może się wydarzyć. Poznasz innych absolwentów. Zapraszamy ludzi ze wszystkich edycji. Posłuchasz ich historii oraz wskazówek, dzięki czemu możesz zaoszczędzić swój czas lub zyskać pewne pozytywne osiągnięcia na swoim koncie, które prawdopodobnie mogłyby Cię ominąć. Doświadczenie jest takim zasobem, które może skrócić Twoją ścieżkę lub pokazać ścieżkę, o której nie zdajesz sobie sprawy. 

Pierwszy zlot odbył się we wrześniu 2019 r. i był bardzo pozytywnie odebrany. Warto być w tym gronie i podziałać. Networking robi bardzo pozytywny efekt i na moich własnych oczach wydarzają się sytuacje, kiedy ludzie się poznają, znajdują pracę, działają wspólnie przy projekcie, wymieniają się doświadczeniem, odblokowują się nawzajem (bo każdy opowiada swoje doświadczenie życiowe). Jeżeli planujesz dołączyć do kursu, będzie to ciekawa okazja, żeby uczestniczyć w tym gronie i tuż przed rozpoczęciem kursu poznać ludzi, którzy kurs ukończyli i dowiedzieć się więcej. 

Artykuł Co może przynieść praktyczny kurs ML i kiedy warto spróbować pochodzi z serwisu Biznes Myśli.