👋 მოგესალმებით ჩვენი „მანქანური სწავლების (ML) დირექტორების ხედვები“ სერიის მე-2 ნაწილში. პირველ ნაწილს შეგიძლიათ გაეცნოთ აქ. მანქანური სწავლების დირექტორებს უნიკალური ადგილი უკავიათ ხელოვნური ინტელექტის მაგიდასთან, რომელიც მოიცავს მრავალი როლისა და პასუხისმგებლობის პერსპექტივას. მათი ღრმა ცოდნა ML ფრეიმვორკების, ინჟინერიის, არქიტექტურის, რეალურ სამყაროში აპლიკაციებისა და პრობლემების გადაჭრის შესახებ გვაძლევს სიღრმისეულ შეხედულებებს ML-ის ამჟამინდელ მდგომარეობაზე. მაგალითად, ერთ-ერთი დირექტორი აღნიშნავს, თუ როგორ შეამცირა ახალი ტრანსფორმერების მეტყველების ტექნოლოგიის გამოყენებამ მათი გუნდის შეცდომის მაჩვენებელი 30%-ით და როგორ შეუძლია მარტივ აზროვნებას მნიშვნელოვანი გამოთვლითი სიმძლავრის დაზოგვა. ოდესმე გიფიქრიათ, რას ფიქრობენ Salesforce-ის ან ZoomInfo-ს დირექტორები მანქანური სწავლების ამჟამინდელ მდგომარეობაზე? რა არის მათი ყველაზე დიდი გამოწვევები? და რა აღაფრთოვანებთ მათ ყველაზე მეტად? მალე გაიგებთ! SaaS-ზე ორიენტირებულ ამ მეორე ნაწილში, თქვენ მოისმენთ ჯანდაცვისთვის განკუთვნილი ღრმა სწავლების სახელმძღვანელოს ავტორისგან, რომელმაც ასევე დააარსა არაკომერციული ორგანიზაცია ML ტალანტების მენტორობისთვის; ჭადრაკის მოყვარული კიბერუსაფრთხოების ექსპერტისგან; მეწარმისგან, რომლის ბიზნესიც ბარბის ბრენდის რეპუტაციის მონიტორინგის საჭიროებით იყო შთაგონებული, პროდუქტის გაწვევის შემდეგ; და გამოცდილი პატენტებისა და აკადემიური ნაშრომების ავტორისგან, რომელსაც სიამოვნებს, როგორ უშვებენ მისი ოთხი შვილი ისეთსავე შეცდომებს, როგორსაც მისი ML მოდელები. 🚀 მოდით, შევხვდეთ SaaS სფეროს რამდენიმე წამყვან მანქანური სწავლების დირექტორს და მოვისმინოთ, რას ამბობენ ისინი მანქანური სწავლების შესახებ: **ბიოგრაფია: ომარი** ხელმძღვანელობს მანქანური სწავლებისა და მონაცემთა ინჟინრების გუნდს კიბერუსაფრთხოების გუნდის ფარგლებში, რომელიც ML-ს იყენებს თავდაცვითი უსაფრთხოების მიზნებისთვის. მანამდე ომარი ხელმძღვანელობდა მონაცემთა მეცნიერებისა და მანქანური სწავლების ინჟინერიის გუნდებს Adobe-სა და SAP-ში, სადაც ყურადღება გამახვილებული იყო ინტელექტუალური შესაძლებლობების შეტანაზე მარკეტინგული ღრუბლოვანი და შესყიდვების აპლიკაციებში. ომარს აქვს ელექტრო ინჟინერიის მაგისტრის ხარისხი არიზონას სახელმწიფო უნივერსიტეტიდან. **საინტერესო ფაქტი:** ომარს უყვარს ჭადრაკის თამაში და თავის თავისუფალ დროს მოხალისეობრივად უძღვება და მენტორობას უწევს ასპირანტებს ხელოვნურ ინტელექტში. **Salesforce: მსოფლიოში #1 მომხმარებელთა ურთიერთობების მართვის პროგრამული უზრუნველყოფა. ML-მა მრავალი გზით ისარგებლა SaaS შეთავაზებებისთვის.** **ML-ის სარგებელი SaaS-ისთვის:** ა. **აპლიკაციებში ავტომატიზაციის გაუმჯობესება:** მაგალითად, სერვისის ბილეთების მარშრუტიზატორი, რომელიც იყენებს NLP-ს (ბუნებრივი ენის დამუშავება) სერვისის მოთხოვნის კონტექსტის გასაგებად და მის ორგანიზაციის შესაბამის გუნდთან გადასაგზავნად. ბ. **კოდის სირთულის შემცირება:** წესებზე დაფუძნებული სისტემები ხშირად არაპრაქტიკული ხდება ახალი წესების დამატებისას, რაც ზრდის ტექნიკური მომსახურების ხარჯებს. მაგალითად, ML-ზე დაფუძნებული ენის თარგმნის სისტემა უფრო ზუსტი და მტკიცეა გაცილებით ნაკლები კოდის ხაზებით, წინა წესებზე დაფუძნებულ სისტემებთან შედარებით. გ. **უკეთესი პროგნოზირება იწვევს ხარჯების დაზოგვას:** უფრო ზუსტად პროგნოზირების შესაძლებლობა ხელს უწყობს მიწოდების ჯაჭვში დაუწერელი შეკვეთების შემცირებას, ასევე ხარჯების დაზოგვას შენახვის ხარჯების შემცირების გამო. **ML-ის გამოწვევები:** ა. **ML აპლიკაციების პროდუქტიზაცია** მოითხოვს გაცილებით მეტს, ვიდრე უბრალოდ მოდელის არსებობა. მოდელის გამოყენების შესაძლებლობა შედეგების მიწოდებისთვის, მონაცემთა სტატისტიკაში ცვლილებების გამოვლენა და ადაპტირება და ა.შ. ქმნის მნიშვნელოვან დამატებით ხარჯებს ML სისტემების განლაგებასა და შენარჩუნებაში. ბ. **მსხვილ ორგანიზაციებში მონაცემები ხშირად იზოლირებულია** და არ არის კარგად მოვლილი, რაც იწვევს მნიშვნელოვან დროს მონაცემების კონსოლიდაციაზე, წინასწარ დამუშავებაზე, მონაცემების გაწმენდის აქტივობებზე და ა.შ., შესაბამისად, ML-ზე დაფუძნებული აპლიკაციების შესაქმნელად საჭიროა დიდი დრო და ძალისხმევა. **რაზე ვარ ყველაზე მეტად აღფრთოვანებული?** არ არის საკმარისი ყურადღება გამახვილებული ბიზნეს კონტექსტზე და გადასაჭრელ პრობლემაზე, ნაცვლად იმისა, რომ ცდილობენ გამოიყენონ უახლესი და საუკეთესო ალგორითმები და ახლად ღია წყაროს ბიბლიოთეკები. ბევრი რამის მიღწევა შეიძლება მარტივი ტრადიციული ML ტექნიკით. **მომავალი:** გენერალიზებულ ხელოვნურ ინტელექტს, თუ სწორად იქნება აგებული და მართული, შეუძლია კაცობრიობის ტრანსფორმაცია იმაზე მეტად, ვიდრე წარმოგვიდგენია. იმედი მაქვს, რომ დიდ პროგრესს ვიხილავთ ჯანდაცვისა და ტრანსპორტის სფეროებში. ჩვენ უკვე ვხედავთ AI-ის სარგებელს რადიოლოგიაში, რაც იწვევს ადამიანური რესურსების მნიშვნელოვან დაზოგვას და ადამიანებს საშუალებას აძლევს ფოკუსირება მოახდინონ უფრო რთულ ამოცანებზე. თვითმართვადი მანქანები და სატვირთოები უკვე ცვლიან სატრანსპორტო სექტორს. **ბიოგრაფია: ცაო (დანიკა) სიაო** არის უფროსი დირექტორი და მონაცემთა მეცნიერების და მანქანური სწავლების ხელმძღვანელი Amplitude-ში. მისი გუნდი ფოკუსირებულია თვითმომსახურების მანქანური სწავლების მოდელებისა და პროდუქტების შემუშავებასა და განთავსებაზე, მრავალჯერადი წყაროს მომხმარებლის მონაცემებზე დაყრდნობით, ციფრული წარმოების ანალიტიკისა და ოპტიმიზაციის კრიტიკული ბიზნეს გამოწვევების გადასაჭრელად. გარდა ამისა, ის არის მანქანური სწავლების გატაცებული მკვლევარი, რომელსაც 95-ზე მეტი ნაშრომი აქვს გამოქვეყნებული წამყვან კომპიუტერული მეცნიერების გამოცემებში. ის ასევე ტექნოლოგიური ლიდერია, რომელსაც დიდი გამოცდილება აქვს მანქანური სწავლების საგზაო რუქის შექმნის, გუნდის მშენებლობისა და მენტორობის სფეროებში. Amplitude-მდე, ცაო (დანიკა) იყო მანქანური სწავლების გლობალური ხელმძღვანელი IQVIA-ს ანალიტიკის სრულყოფილების ცენტრში. მანამდე ის იყო კვლევითი თანამშრომელი IBM Research-ში და კვლევის ხელმძღვანელი MIT-IBM Watson AI Lab-ში. მან მიიღო დოქტორის ხარისხი მანქანურ სწავლებაში ვაშინგტონის უნივერსიტეტიდან, სიეტლი. ცოტა ხნის წინ, მან ასევე დაწერა სახელმძღვანელო ჯანდაცვისთვის ღრმა სწავლებაზე და დააარსა არაკომერციული ორგანიზაცია მანქანური სწავლების ნიჭიერი ადამიანების მენტორობისთვის. **საინტერესო ფაქტი:**