rss
05/29/2020
EN   UA

Час i Події

#2020-22

Ваша точка зору

Чого, на Вашу думку, найбільше бракує Україні для перемоги?
Грошей
Зброї
Ядерної зброї
Міжнародної підтримки
Совісті найвищого керівництва
Ваш варіант відповіді
Комп’ютерна сторінка \ Алгоритм безсилий, коли доводиться мати справу зі створенням нового

Від редакції:

Хочете працювати на вістрі передових досліджень Data Science? Майте на увазі, що доведеться вчити не тільки програмування, а й фізику, фінанси та навіть філософію. Досвідом ділиться Марія Добко, учасниця міжнародних шкіл з Data Science.

 

Наука про дані, боти, нейронні мережі, біоінформатика - світ IT розвивається надзвичайно стрімко, створюючи нові професії і знищуючи старі. Комп'ютерні коди аналізують безліч щоденних дій людини й допомагають оптимізувати ці процеси, але й їх хтось навчає це робити.

Я вирішив дізнатися, що таке наука про дані й чим живе галузь сьогодні, тому поспілкувався з Марією Добко, учасницею міжнародних шкіл з Data Science і студенткою Українського католицького університету.

Марія навчається на четвертому курсі за програмою комп'ютерних наук УКУ. До університету дівчина не програмувала, а після трьох років навчання бере участь у міжнародних школах для науковців і пише алгоритми, що допомагають встановлювати діагнози й систематизувати тексти.

Title  

«Коли я закінчила перший курс, то почула новий і цікавий для себе термін - Data Science. Він тоді був дуже модним, і мені захотілося більше про це дізнатися, - розповідає Марія. - Завдяки УКУ я познайомилася з одним викладачем літньої школи Lviv Data Science Summer School 2016, яку проводили в університеті, і разом з моїм одногрупником ми почали працювати над дослідницьким проектом».

Команда Марії прагнула знайти корисне застосування для штучного інтелекту й навчала алгоритми аналізувати фотографії сітківки очей у хворих на цукровий діабет, щоб визначити можливі ускладнення від хвороби.

«Ми вчили штучний інтелект визначати рівень діабетичної ретинопатії: це - одне з ускладнень діабету, на яке страждають хворі. У нас були мікроскопічні фотографії задньої стінки ока різних пацієнтів. Алгоритми найкращих дата-саєнтистів досягали точності встановлення діагнозу до 80%, однак медики досі не схильні довіряти цим результатам. Тому весь процес був для нас, скоріше, дослідженням методики навчання машинного інтелекту. Нашим ментором був Дмитро Фішман, викладач біоінформатики з Тартуського університету, який зацікавив мене цією темою», - ділиться Марія.

Після відкриття магістерської програми з комп'ютерних наук в УКУ між бакалаврами й магістрами почалася тісна співпраця. Старші студенти розповіли про змагання з Data Science й заохотили Марію взяти участь в одному з них.

«Наша команда програмістів брала участь у Data Science Game у 2017 році. Це були світові змагання: приїхали понад 150 команд зі 40 країн. Спочатку ми потрапили до двадцятки найкращих, а у фіналі в Парижі посіли п'яте місце», - розповідає дівчина.

Після повернення зі змагань Марії одразу запропонували роботу: студентка віддалено вчила машинний інтелект опрацьовувати зображення й тексти, розробляла чат-боти для зворотного зв'язку і відшукувала аномалії в часових рядах:

«Робота більшою мірою полягала в обробці природної мови. У цій галузі було безліч проблем, які мені цікаво досліджувати. Наприклад, у цьому семестрі ми з командою магістрів працювали з архівом наукових матеріалів, для того, щоб алгоритми навчилися автоматично реферувати кожну статтю. Це називається «текстове узагальнення»: машинне навчання й нейронні мережі автоматично виокремлюють із тексту найголовніше й не змінюють при цьому його сенсу».

Зі слів Марії, найбільше їй подобається постійна потреба працювати з різними даними й дізнаватися щось нове: «Коли я вивчала тексти, то почала більше цікавитися мовами й креативним письмом. Дослідження з картинками стосувалися, здебільшого, біоінформатики. Останнє, чим я займалася, - часові ряди в соцмережах. Завдання стосувалося відстежування поведінки користувачів під час натискання на рекламні банери у Facebook та інших мережах. Комп'ютерні алгоритми де-не-де перетинаються, але галузі зовсім різні, - можна дізнатися абсолютно про все. Цікаво було б ще попрацювати зі звуком і музикою. Існує окремий напрям, який займається генеруванням музики за допомогою штучного інтелекту».

Цьогоріч дівчина вирішила спробувати свої сили в розв'язуванні бізнес-кейсів і разом з командою бакалаврів узяла участь у Business Case Champ від KSE, на якому дісталася фіналу змагань.

«Коли на конкурсі чули, що до п'ятірки фіналістів потрапили не економісти, а програмісти, всі були дуже здивовані, - каже Марія. - У нас була цікава команда: три програмісти, один історик і філософ. Мабуть, допомогла креативність, бо ми не дуже-то переймалися моделюванням ситуації економічними методами, а намагалися вирішити бізнес-кейси, спираючись на життєвий досвід».

Про галузі застосування штучного інтелекту і про те, чи забере він роботу в людей

 

Попри стрімкий розвиток ШІ, наразі можна не хвилюватися, що робота людей стане менш потрібною: «Коли алгоритму доводиться мати справу зі створенням нового, то він цілком безсилий. Зараз найбільший хайп - це генеративні нейронні мережі, які можуть узяти будь-яке зображення й накласти на нього певний фільтр, що видозмінить цей предмет. Наприклад, алгоритм може взяти картину Ван Гога й спроектувати її на фото звичайних дверей, перетворивши їх на двері в стилі творів митця. Однак, усі ці успіхи базуються на тому, що люди дають комп'ютерам певні дані. У процесі навчання й оптимізації алгоритми підлаштовуються під цю інформацію, тому не здатні згенерувати щось абсолютно нове», - розмірковує Марія.

За її словами, зважаючи на те, що штучний інтелект посідає своєрідну нішу на ринку, то він, здебільшого, створює робочі місця.

Учасниця міжнародних шкіл з Data Science: «Одна з найвідоміших сфер використання ШІ - це машини з автопілотом, які розповсюджені на Заході. Штучний інтелект у реальному часі сегментує дорогу - виділяє окремі складові й вирішує, як він має поводитися. З банальніших речей - рекомендації для прослуховування музики. Такі ж алгоритми використовують на сайтах онлайн-магазинів. Однак, найбільше заробляють саме на передбаченні попиту. ШІ допомагає дізнатися, як можна заробити. Якщо компанія щось продає, то її цікавить передбачення продажів на наступний місяць, щоб зекономити витрати й збільшити доходи. Проте, це - доволі стандартний метод Data Science, який уже встиг стати заїждженим», - каже студентка.

Українські розробники також долучаються до найновіших трендів. Нещодавно Amazon викупив український проект, який дозволяє монетизувати обробку відео у сфері безпеки.

«Компанія має доступ до камери на вхідних дверях будинку. Штучний інтелект у реальному часі відстежує, чи з'являється поруч якась активність. Якщо відбувається щось дивне, штучний інтелект надсилає повідомлення на мобільний пристрій власникові цього будинку», - розповідає дівчина.

Про те, чи важко поєднувати роботу й навчання

 

Зі слів Марії, вчитися й працювати досить складно, проте одне чудово доповнює інше.

  Title

«Робота потребує максимальної концентрації - ти ізолюєшся від університету. Але коли відкладаєш роботу й дивишся на навчальні проекти, то виявляється, що вони теж цікаві й корисні, однак, на них потрібно витратити багато часу й уваги. Курси машинного навчання і роботи з великими даними, які ми проходили цього семестру в УКУ, якраз стосувалися моєї спеціалізації. Їх об'єктивно потрібно поєднувати», - каже програмістка.

Левову частку власного часу дівчина витрачає на самоосвіту. І це попри те, що багато отримує від роботи й університету.

«Я почала працювати ще тоді, коли в УКУ давали лише базові знання. Утім, ця інформація теж потрібна. Ми вивчали різні операційні системи, архітектуру комп'ютера та комп'ютерні мережі. Але я одразу знала, що хотіла займатися саме Data Science, тому потрібно було вчитися самостійно», - розповідає Марія.

За її словами, найцінніше в університеті - спільнота й знайомства. Саме оточення стає каталізатором розвитку, а завдяки спілкуванню можна знайти наукових керівників.

«На мій розвиток вплинули нові програми, які постійно тут відкривають, - розповідає Марія. - Коли я була на літній школі з програмування, то сподівалася, що зможу хоча б зрозуміти, як працює паризька Ecole Polytechnique. Проте, цього не сталося, бо всього декілька спікерів були, власне, з місцевого університету, а всі інші - запрошені гості. Багато учасників школи були старшого віку, й перед тим, як вони почали займатися Data Science і штучним інтелектом, багато часу присвятили вивченню інших наук: фізики, математики, фінансів. Виявляється, що сторонній бекграунд є дуже корисним, тому мені потрібно йти в зворотному напрямку - маючи технічні навички, розвиватися більше в інших галузях. На літній школі з Data Science були справжні гуру штучного інтелекту: один із найвидатніших розробників Ян Лі Кун, професори з Принстона, з Тель-Авівського університету - всі ці люди мають надзвичайно великий досвід і радо ним діляться. Я дуже хотіла туди потрапити, однак, школа була тільки для магістрів і PhD. Але я вирішила не опускати рук і написала окремого листа, де попросила, щоб мені дозволили взяти участь у школі, й розповіла про свій досвід і зацікавленість штучним інтелектом. Моє бажання оцінили й запросили до участі».

Автор: Роман Тищенко

Джерело: «STUDWAY»

Річард Лукас: «SaaS (програмне забезпечення як послуга) є одним із кращих з погляду інвестицій»

Реклама майбутнього: що таке SMM і з чим його їдять?

 

Реклама

© 2006-2011 "Час i Подiї". All Rights Reserved | Chicago Web Design - www.4everstudio.com