Firmy zaczęły być napędzane przez dane. Niezbędne stają się więc technologie do ich przetwarzania i analizowania. Dzięki uczeniu maszynowemu na podstawie analizy Big Data udaje się tworzyć dynamiczne wzorce, prezentujące wyniki wyglądające na „inteligentne”. Nie można więc stosować uczenia maszynowego bez danych.

Uczenie maszynowe jest znane od wielu lat – pojęcie to powstało już w roku 1943. Jego autorzy, Warren McCulloch i Walter Pitts, zauważyli, że sieć neuronów można przemodelować za pomocą wyrażeń logicznych. W latach 80. XX w. zainteresowano się tą dziedziną pod kątem deep learningu. Starano się nawet zastosować uczenie maszynowe do czytania w myślach. Jednak jego żywiołowy rozwój nastąpił dopiero w ostatniej dekadzie i wszystko wskazuje na to, że każda firma będzie musiała zatrudnić specjalistów zajmujących się tą dziedziną.

Zobacz również:

• Copilot Pro czyli subskrypcja na AI - wkraczamy w nową erę usług?

Już niedługo analitycy, programiści, administratorzy baz danych czy studenci kierunków informatycznych będą mieli okazję sięgnąć po książkę, dzięki której uda im się opanować praktyczne umiejętności tworzenia systemów uczenia maszynowego. Marcin Szeliga, autor publikacji, to filozof danych, ale przede wszystkim praktyk, od wielu lat związany z platformą danych Microsoft. Entuzjasta i popularyzator uczenia maszynowego oraz sztucznej inteligencji. Prelegent na konferencjach w Polsce i Europie, autor wielu publikacji na temat przechowywania i przetwarzania danych. Warto wspomnieć „Data science i uczenie maszynowe”, informatyczną książkę roku 2018. Od 2006 r. jest wyróżniany tytułem MVP w kategorii Data Platform. Posiada też wiele certyfikatów, m.in. MCSE w obszarach: Data Platform, Data Management and Analytics, Cloud Platform and Infrastrukture. Swoją wiedzę i doświadczenie przekazuje w najnowszej książce „Praktyczne uczenie maszynowe”.

Publikacja łączy teorię z praktyką.

Marcin Szeliga przedstawia rozwiązania kilkunastu problemów związanych bezpośrednio z życiem firm, takich jak: prognozowanie zysków, optymalizacja kampanii marketingowej, proaktywna konserwacja sprzętu, ocena ryzyka kredytowego.

Do rozwiązania konkretnych problemów zastosowane są reguły statystyczne i algorytmy uczenia maszynowego. Autor zaczyna od wyjaśnienia pojęcia data science, pokazując zastosowanie tej metody w eksperymentach naukowych. Następnie zwraca uwagę na dane, głównie pod kątem technik oceny ich jakości, jak również wstępnego przygotowania i wzbogacenia danych na potrzeby ich dalszej analizy. W dalszej części książki znajdują się opisy poszczególnych typów modeli predykcyjnych: klasyfikatorów, regresorów, a także modeli grupujących, rekomendujących i prognozujących. Na końcu przedstawione są metody oceny i poprawy jakości modeli, a także udostępniania ich użytkownikom jako usług www. Każdy przykład wyjaśnia określone zagadnienia, zwracając uwagę na narzędzia, podstawy uczenia maszynowego, sposoby oceny jakości danych, zasady tworzenia modeli uczenia maszynowego i ich optymalizację, zawiera też wskazówki na temat wdrożenia gotowych modeli do produkcji.

Jak widać, książka może przydać się w każdej firmie. Przy tak dużym rozwoju uczenia maszynowego i sztucznej inteligencji nie można być biernym. Warto przecież być przygotowanym na chwilę, gdy uda się zintegrować ludzkie mózgi ze światem elektronicznym, czyli możliwa będzie komunikacja ludzi z komputerami, maszynami czy robotami.

Książka Marcina Szeligi „Praktyczne uczenie maszynowe” nakładem Wydawnictwa Naukowego PWN ukaże się na rynku pod koniec października 2019 r. Klub CIO i cxo.pl są patronami medialnymi książki.