Оффтоп Сергей Ахметов
336

Самые важные нерешенные вопросы 2018 года по искусственному интеллекту (ИИ) и машинному обучению (МО)

2018 год должен был стать годом в котором компании добились революционных успехов в области искусственного интеллекта (ИИ). Но так ли это на самом деле?

В закладки

Оказывается, об искусственном интеллекте (ИИ) гораздо проще говорить, чем воплотить его в жизнь, и это неудивительно. Все еще имеются открытые вопросы, требующие ответов или решений, прежде чем большинство компаний смогут подойти к этапу, когда они действительно смогут реально и основательно использовать ИИ в своем бизнесе.

Несмотря на шумиху, мало кто достиг баланса - взаимного и оптимального взаимодействия между людьми и машинами. Недавно компания Dataiku, совместная информационная платформа данных, которая позволяет целой группе специалистов по обработке и анализу данных более эффективно тестировать, разрабатывать, создавать и представлять свои собственные результаты обработки данных, помогает нам ответить на вопросы, которые могут возникнуть у групп специалистов по обработке и анализу данных, а также руководителей (в том числе главных директоров по обработке и анализу данных, директоров по цифровым технологиям, других новичков топ-менеджеров в этой сфере). Компании, которые хотят продвигаться вперед, будут или по крайней мере, должны работать над их решением до конца 2018 года. Давая представление об этих тенденциях, исследование также углубляется в горячо обсуждаемые темы, переходящие в 2019 год. Рассмотрим сначала тенденции:

Что конкретно представляет собой проект по анализу данных или проект по интеллектуальной обработке данных?

Являются ли эти два термина взаимозаменяемыми? Проекты по анализу данных - это просто те, чьими целями являются построение более продвинутых аналитических заключений. К примеру, модель атрибуции маркетинга, целью которой является предоставление аналитического заключения о маркетинговой стратегии. Либо прогностические проекты по техническому обслуживанию в транспортной отрасли, которые пытаются предсказать спрос на запасные части в разных локациях. Данные проекты, как правило, можно реализовать, используя сравнительно простой статистический подход в сочетании с базовыми бизнес-ноу-хау. Проекты по анализу данных становятся проектами по интеллектуальной обработке данных, поскольку дополнительные данные из потенциально нетрадиционных источников (такие как данные об использовании, данные кликов, данные датчиков, социальные данные и т. д.) добавляются в систему и объединяются для использования более совершенного подхода машинного обучения.

В проектах по интеллектуальной обработке данных ведется естественное сотрудничество между специалистами по обработке данных и аналитиками данных, где первые из них сосредоточены на потенциальных новых источниках данных и новых прогнозирующих моделях. Модели специалистов по обработке данных затем «упаковываются» аналитиками данных для включения в анализ.

Человек, пишущий на ноутбуке … Какого специалиста по обработке данных мне следует нанять?

Специалистов по обработке данных не так много,с различными сильными сторонами, которые могут соответствовать различным типам предприятий в зависимости от типов проблем или проектов, над которыми они работают. Не сказать, что один тип специалиста по обработке данных лучше или хуже, чем другой тип - все зависит от того, что ищет бизнес. Однако, внимание, спойлер: "непростые" кандидаты со степенью PhD (доктора наук), как правило, недоступны (не говоря уже о дороговизне их услуг), так как 80 процентов из них уже наняты Google. С другой стороны, может быть, это не совсем то, что нужно вашему бизнесу.

Специалисты по обработке данных разделены на семь категорий: «Легенды», «Универсалы», «Статистики», «Любители» (или «Инженер-программисты»), «Инженеры МО», «Вертикальные эксперты», «Стар-менеджеры». Полезно понять и признать, что имеются все виды специалистов по обработке данных, даже если в конечном счете все они имеют одинаковое название. Возможно, в будущем на самом деле будут разные названия для специалистов по обработке данных с разными особенностями - и в этот раз, надеюсь, это будет новой тенденцией следующего года.

Какова причина "текучки" такого большого количества специалистов по обработке данных?

Glassdoor признает работу специалистов по обработке данных лучшей работой в Соединенных Штатах в 2018 году, а LinkedIn ставит ее в первую десятку. Однако в то же время газета Financial Times опубликовала статьи, в которых говорится, что специалисты по обработке данных также возглавляют список работников, ищущих работу.

Так в чем же дело? Специалисты по обработке данных пользуются спросом, что означает их сложно удержать - в конце концов, они могут легко найти вакансию в другом месте. Но это также вопрос счастья: если специалисты по обработке данных удовлетворены работой, которую они выполняют, они могут быть менее склонны к увольнению даже если могут найти работу в другом месте. И поскольку позиция относительно новая, многие компании действительно не знают, что делать, чтобы удержать людей в таких важных, передовых ролях.

Очевидно, что данная отрасль заполнена победителями и проигравшими - компаниями, которые знают, как наилучшим образом использовать своих сотрудников (в том числе своих специалистов по обработке данных), и тех, кто этого не делает. Но дело не только в компании - специалистам по обработке данных также есть над чем работать, добиваясь своего продвижения на рынке для того, чтобы сделать свою профессию и работу, которую они делают, незаменимыми и видными для других, чтобы продолжать расти и быть способными привлекать более интересные проекты для поддержания удовлетворенности работой.

Существует множество причин, по которым у менеджера по обработке данных может возникнуть соблазн оставить свою работу. Будучи менеджером или владельцем бизнеса, прекратите утечку мозгов, обеспечив отсутствие изолированности команды по обработке данных, чтобы они могли легко общаться и с другими, у которых есть, возможно, больший бизнес-контекст или интересные проекты для работы. Пытайтесь "пиарить" команду по обработке данных, показывая остальному коллективу всей компании, для чего здесь присутствует команда по обработке данных, и что они могут сделать, чтобы помочь улучшить процессы или продукты, что несомненно будет стимулировать больше проектов. Сосредоточьтесь на найме специалиста по обработке данных, основываясь на других его навыках, помимо просто технических способностей (согласно сказанному выше, технические способности важны, но не все сводится к ним). А именно, навыки коммуникации - у специалиста по обработке данных нет никаких шансов просветить среднего бизнес-пользователя, показав ему файл Excel. Чтобы данные рассказывали историю, специалист по обработке данных в должен иметь в арсенале универсальные презентационные навыки, чтобы убедительно довести свои результаты кому угодно. СОВЕТ. При найме попросите специалиста по обработке данных создать презентацию, чтобы показать свои результаты.

Каковы веские причины сотрудничества в области интеллектуальной обработки данных?

С того момента как Forbes опубликовал статью о сотрудничестве в мире интеллектуальной обработки данных в 2017 году, оно стало последним писком моды. Сторонники совместной модели для групп специалистов по обработке данных представляют различные аргументы для оправдания ее продуктивности и эффективности, однако существует также немало заблуждений относительно того, что на самом деле означает сотрудничество в данном контексте. К примеру, вот несколько общих понятий о сотрудничестве в области интеллектуальной обработки данных:

Сотрудничество позволяет разделить работу между несколькими специалистами по обработке данных.

Сотрудничество позволяет разделить работу между более младшими и более старшими специалистами в команде специалистов по обработке данных.

Сотрудничество позволяет разделить работу между различными ролями в команде специалистов по обработке данных (таких как аналитики и специалисты по обработке данных).

Означает ли это, что аналитики данных напрямую работают над проектами в области проектов по интеллектуальной обработке данных? В общем, да. И на самом деле, это, безусловно, самый неотразимый подход к сотрудничеству в области интеллектуальной обработки данных на сегодняшний день. Дело в том, что имеются части проектов в области данных, которые лучше подходят навыкам аналитиков: думать над подготовкой или очисткой данных. После того, как они обработают свою часть проекта, может вступить тот, кто более склонен обрабатывать интеллектуальный компонент или компонент машинного обучения.

Это означает получение лучших результатов, так сказать, как от аналитиков, так и от специалистов по обработке данных, поскольку они работают только над теми частями проекта, которые они делают лучше всего. И поскольку они не отвечают за весь проект, они могут работать в своей области знаний по нескольким проектам сразу.

Конечно, в некоторых организациях количество проектов, связанных с интеллектуальной обработкой данных, становится чрезмерным. В таких ситуациях количество специалистов по обработке данных в организации может стать ограничивающим фактором (т.е. становится невозможным выделить даже одного специалиста по обработке данных на проект).

Именно в этот момент, чтобы продолжать получать выгоды, «интерфейс взаимодействия» между специалистами по обработке данных и анализом данных должен стать более формальным.

Крупный план компьютерной клавиатуры

Достигнет ли когда-нибудь моя компания уровня, при котором мы сможем использовать многие интеллектуальные модели (плюс управлять ими)?

Ну, нет ничего невозможного, но это не произойдет по волшебству. Если это было одной из ваших целей на 2018 год, и вы не были близки к реализации, оглядитесь и сделайте переоценку:

Посмотрите на организации, которые уже сделали это, особенно в той же отрасли или с аналогичными проектами в области обработки данных. Вот вам начало (видео от лидеров отрасли, рассказывающих о том, как они начали работать и осуществляли интеллектуальную обработку данных на требуемом уровне).

Задайте себе вопрос: что значит для вашего бизнеса использование прогностических моделей (например, означает ли это перенос внутренней панели управления другой команде внутри компании или это предоставление рекомендательного сервиса клиенту)?

В зависимости от ответа определите, какие инструменты позволяют это сделать более легко и плавно. Например, если целью является использование рекомендательного сервиса на веб-сайте, уполномочена ли для этого команда специалистов по обработке данных? Имеется ли у них четкий план действий, чтобы достичь этого?

Определите ситуации, в которых вам нужно управлять различными моделями, а также стратегии, которые позволили бы избежать управления различными моделями в пользу более простого способа.

Автор материала — Сергей Ахметов, консультант по Big Data.

Материал опубликован пользователем. Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать
{ "author_name": "Сергей Ахметов", "author_type": "self", "tags": [], "comments": 1, "likes": 5, "favorites": 1, "is_advertisement": false, "subsite_label": "flood", "id": 42892, "is_wide": false }
00
дни
00
часы
00
мин
00
сек
(function(){ var banner = document.querySelector('.teaserSberbank'); var isAdsDisabled = document.querySelector('noad'); if (!isAdsDisabled){ var countdownTimer = null; var timerItem = document.querySelectorAll('[data-sber-timer]'); var seconds = parseInt('15388' + '59599') - now(); function now(){ return Math.round(new Date().getTime()/1000.0); } function timer() { var days = Math.floor(seconds / 24 / 60 / 60); var hoursLeft = Math.floor((seconds) - (days * 86400)); var hours = Math.floor(hoursLeft / 3600); var minutesLeft = Math.floor((hoursLeft) - (hours * 3600)); var minutes = Math.floor(minutesLeft / 60); var remainingSeconds = seconds % 60; if (days < 10) days = '0' + days; if (hours < 10) hours = '0' + hours; if (minutes < 10) minutes = '0' + minutes; if (remainingSeconds < 10) remainingSeconds = '0' + remainingSeconds; if (seconds <= 0) { clearInterval(countdownTimer); } else { timerItem[0].textContent = days; timerItem[1].textContent = hours; timerItem[2].textContent = minutes; timerItem[3].textContent = remainingSeconds; seconds -= 1; } } timer(); countdownTimer = setInterval(timer, 1000); } else { banner.style.display = 'none'; } })();
{ "id": 42892, "author_id": 169882, "diff_limit": 1000, "urls": {"diff":"\/comments\/42892\/get","add":"\/comments\/42892\/add","edit":"\/comments\/edit","remove":"\/admin\/comments\/remove","pin":"\/admin\/comments\/pin","get4edit":"\/comments\/get4edit","complain":"\/comments\/complain","load_more":"\/comments\/loading\/42892"}, "attach_limit": 2, "max_comment_text_length": 5000, "subsite_id": 199791 }

1 комментарий 1 комм.

Популярные

По порядку

Комментарий удален

0

"2018 год должен был стать годом в котором компании добились революционных успехов в области искусственного интеллекта (ИИ). Но так ли это на самом деле?"
не понял, а где ответ на вопрос с выкладками?

ии и биг дата это разные вещи.

Ответить
0

Прямой эфир

[ { "id": 1, "label": "100%×150_Branding_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox_method": "createAdaptive", "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfl" } } }, { "id": 2, "label": "1200х400", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfn" } } }, { "id": 3, "label": "240х200 _ТГБ_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fizc" } } }, { "id": 4, "label": "240х200_mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "flbq" } } }, { "id": 5, "label": "300x500_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfk" } } }, { "id": 6, "label": "1180х250_Interpool_баннер над комментариями_Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "ffyh" } } }, { "id": 7, "label": "Article Footer 100%_desktop_mobile", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjxb" } } }, { "id": 8, "label": "Fullscreen Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjoh" } } }, { "id": 9, "label": "Fullscreen Mobile", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjog" } } }, { "id": 10, "disable": true, "label": "Native Partner Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyb" } } }, { "id": 11, "disable": true, "label": "Native Partner Mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyc" } } }, { "id": 12, "label": "Кнопка в шапке", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "bscsh", "p2": "fdhx" } } }, { "id": 13, "label": "DM InPage Video PartnerCode", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox_method": "createAdaptive", "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "flvn" } } }, { "id": 14, "label": "Yandex context video banner", "provider": "yandex", "yandex": { "block_id": "VI-223676-0", "render_to": "inpage_VI-223676-0-1104503429", "adfox_url": "//ads.adfox.ru/228129/getCode?pp=h&ps=bugf&p2=fpjw&puid1=&puid2=&puid3=&puid4=&puid8=&puid9=&puid10=&puid21=&puid22=&puid31=&puid32=&puid33=&fmt=1&dl={REFERER}&pr=" } }, { "id": 15, "label": "Плашка на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byudx", "p2": "ftjf" } } }, { "id": 16, "label": "Кнопка в шапке мобайл", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byzqf", "p2": "ftwx" } } }, { "id": 17, "label": "Stratum Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvb" } } }, { "id": 18, "label": "Stratum Mobile", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvc" } } }, { "id": 19, "label": "Тизер на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "p1": "cbltd", "p2": "gazs" } } } ]
Приложение-плацебо скачали
больше миллиона раз
Подписаться на push-уведомления