2021. szeptember 23-án tartotta a BI munkacsoport az őszi workshopját, a megváltozott igényeknek megfelelően online formában.
Mesterséges intelligencia a vállalati gyakorlatban címmel tartott előadásával szakértőnk, Vidosits András volt abban a segítségünkre, hogy bepillantást nyerjünk ebbe a nagyon gyors ütemben fejlődő, az életünk minden szeletét idővel átalakító területbe. András a Hyperplane társ-alapítója, gépi tanulással (ML) foglalkozó szakértőként konzultál és fejleszt Mesterséges Intelligencia (MI vagy AI) megoldásokat a Gamax csoporton belül és azon kívül is.
Jelen alkalommal olyan kérdésekre kerestük a válaszokat, amelyek a vállalati gyakorlatban ma is rendelkezésre álló technológiák kapcsán segítettek megérteni, hogy:
- Mivel foglalkozik egy vállalatnál az AI téma felelős?
- Hogyan közelítsük meg ezen új technológiát?
- Mi a legjobb módja az ebben rejlő lehetőségek megismerésének és értékelésének?
A workshop tematikája 3 részre volt bontható:
- Mi az a gépi tanulás (ML)?
- MI a gyakorlatban, egy példa vállalat bemutatása
- Hogyan készüljünk fel és indítsunk sikeres MI projektet?
Mi az a gépi tanulás?
- Az a szakterület, mely olyan számítógépes algoritmusokkal foglalkozik, melyek képesek automatikusan tanulni a korábban szerzett tapasztalatokból, illetve adatokból.
- A mesterséges intelligencia egyik alterülete, szorosan fűződik a (számítógépes) statisztikus tanuláshoz, az adatbányászathoz, illetve a gépi optimalizáláshoz.
- Széles körben alkalmazható megoldások készíthetők segítségével, pl.: email (SPAM) szűrés, beszédértés, gépi látás, prediktív analízis vagy nyelvfeldolgozás, nyelv megértés.
Megismerkedhettünk a Gépi tanulás különböző módszereivel (felügyelt tanulás,…., gépi látás,…).
Mint a lenti ábra is mutatja, a Gépi tanulás sokrétűen kapcsolódik mind a Mesterséges Intelligencia világához, mind a kapcsolódó tudományágakhoz.
MI a gyakorlatban, egy példa vállalat bemutatása
Az elméleti alapok áttekintését követően egy vállalati példán követtük végig a Mesterséges Intelligencia hasznosítását. A hipotetikus feladat: Üzlethálózati készletek optimalizálása. Végig követtük az egyes lépéseket a feladatmeghatározástól az üzembe helyezésig és monitorozásig.
Hogyan készüljünk fel és indítsunk sikeres MI projektet?
A workshop második részében alaposan átbeszéltük, mi szükséges ahhoz, hogy sikeres legyen a projektünk.
A machine learning projektek sikerességet leginkább befolyásoló tényező az adat!
Leggyakoribb problémák az adatokkal kapcsolatban:
Ezen kívül foglalkoztunk, a feladat meghatározástól az erőforrások biztosításán keresztül a projekt költségek becsléséig, különböző vetületeivel az MI projektnek. Sok gyakorlati példa segített minket abban, hogy ezt a saját mindennapjainkban, vállalati működésünkben is el tudjuk helyezni.
A workshop végén jóval tisztábban láthattuk az MI vállalati gyakorlatát – milyen feladatok megoldásában érdemes ebben gondolkodnunk, s ha nekivágunk, milyen előkészítést igényel a projekt, ha sikerre szeretnénk vinni.
A közeljövőben – október 12-én- webinár keretekben foglalkozunk az IOT technológiák vállalati alkalmazásaival.
A következő, tavaszi workshop témája még meghatározásra vár, továbbra is várjuk a javaslatokat.
A beszámolót készítette:
Szücs Marianna
BI munkacsoport vezető