10 ключевых выводов группы Инновации, основанные на данных
Данные — это новый источник вдохновения. Интернет и мобильная связь позволили получить множество данных, которые открывают беспрецедентные возможности во многих областях. Используя автоматизированные аналитические методы, он выявляет закономерности, которые люди в одиночку никогда не могли бы увидеть, и предлагает новые подходы к вековым процессам принятия решений и решения проблем. От науки о данных для рентгеновской астрономии, которая помогает нам разгадывать физические законы в самых экстремальных известных условиях, до финансовых рынков, излучающих огромные объемы данных, на основе которых машины, в принципе, могут научиться инвестировать с минимальным начальным руководством со стороны людей, данные развязал бесконечные инновации.
Никогда еще в истории люди не были так впечатлены и запуганы тем, что могут сделать машины. По мере того, как отдельные лица, организации и правительства постепенно осознают, насколько полезными могут быть данные, появляется все больше интерфейсов и инструментов визуализации, позволяющих разобраться в них.
Спикеры этой группы Connectedreams, представители различных секторов, таких как научные круги, биоинформатика, некоммерческие организации, финансы и Интернет, обсудили, как данные проникли во все области и как анализ данных стал решающим для любого проекта, или как на самом деле, даже идея!
На случай, если вы не смогли получить прямую трансляцию группового выступления, вот 10 ключевых выводов для вас. Если вам все еще интересно посмотреть, как участники дискуссии более подробно говорят о теме, вот видео:
https://www.youtube.com/watch?v=3vI1s-mIgic
Следите за нами на YouTube и Facebook, чтобы не пропустить наш следующий онлайн-группинар в прямом эфире.
Ключевые выводы: -
1. Ашиш рассказал о пользе и проблемах данных, сказав: «С большим количеством данных это сложно, но в то же время очень полезно. Преимущество больших данных в том, что вам не обязательно пробовать самые сложные вещи. Но с точки зрения проблем, самой большой проблемой является постепенное обучение. При этом проблема заключается в том, как вы сохраняете точность и как вы реагируете достаточно быстро. Важно также выбрать правильную матрицу».
2. Прукалпа, работая с социальными полицейскими, рассказала о проблемах, с которыми она столкнулась при сборе данных в автономном режиме, сказав: «То, что вы делаете, заключается в том, что вы фактически превращаете человека в датчик, поэтому связанные с этим проблемы заключаются в том, что этот человек никогда не собирал данные ранее, этот человек никогда раньше не пользовался мобильным телефоном и не знает английского языка. Поэтому нам пришлось фактически изменить язык нашего приложения».
3. Сарош рассказал о проблемах, с которыми он столкнулся при управлении системой НЛП в твиттере: «Это довольно сложно, одна из причин в том, что в ней всего 140 символов, но, если подумать, труднее всего работать с тем фактом, что язык людей использовать в твиттере, очень шумно, это не обычный английский. Таким образом, традиционные техники НЛП, которые были разработаны для подтекстовых форматов, таких как статьи, неприменимы к твиттеру».
4. Сарош также сказал: «Глубокое обучение в сочетании с большими данными сделало эту ориентацию на будущее чем-то абсолютным, поэтому вам больше не нужно садиться и заниматься проектированием будущего. Но недостатком является то, что глубокое обучение — это в значительной степени черный ящик, используя предыдущие методы, вы действительно хорошо понимаете, что именно происходит, что делает система, как работает алгоритм, но глубокое обучение действительно трудно понять. загляни под капот».
5. Ашиш рассказал о том, в чем на самом деле ценность глубокого обучения, и сказал: «Для данных, которые мы не можем легко понять и разбить, например, если у нас есть электронная таблица, мы легко знаем, что такое столбцы и что означает каждый столбец, но когда вы смотрите на картинку, вы действительно понятия не имеете, как мозг правильно ее расшифровывает. Вот где я думаю, что глубокое обучение полезно. Поскольку, скажем, у нас есть много обучающих выборок, вы знаете, какова ваша цель, вы можете просто применить глубокое обучение к огромному количеству данных и получить ответ. Поэтому я думаю, что именно в этом заключается ценность глубокого обучения. ».
6. Прукалпа, когда ее спросили о типе людей, которых нужно нанять для такого стартапа, как она, сказала: «Итак, одна из вещей, которая нас очень волнует, это то, насколько сильно этот человек хочет решить проблему. Единственное, что осталось, — это люди и то, насколько сильно вы хотите решить сложную проблему, насколько сильно вы близки к нашей миссии, то есть к способности принимать самые важные решения в мире с помощью данных. И это своего рода основа построения любой команды, а все остальное идет своим путем».
7. Ашиш также дал несколько личных советов, сказав: «Существует много шумихи по поводу решений, основанных на данных, но я бы не сказал, что в новом бизнесе вы должны полностью полагаться на это. Если вы пытаетесь понять свою карьеру, пытаетесь основать новую компанию, вы не можете заменить свой человеческий интеллект данными. Я просто не хочу, чтобы люди попадались на ажиотаж. Способность понять, где данные ценны, а где нет. Это большая часть любого, кто занимается наукой о данных».
8. Сароша спросили, как на самом деле журналисты используют анализ, на что он ответил: «Они действительно пишут об этом статьи. Поэтому, если вы зайдете на наши веб-сайты, вы увидите статьи, публикуемые о Вашингтоне, а если вы находитесь в СМИ, они буквально берут анализ, передают его журналисту, а затем берут его и превращают в статьи».
9. Из аудитории был задан вопрос о том, как Прукалпа планирует подключиться к Интернету вещей с данными, на что она сказала: «На самом деле мы много делаем с Интернетом вещей. Мы уже рассматривали возможность подключения к невероятно дешевым биометрическим устройствам или сканерам отпечатков пальцев, чтобы получить больше личной информации или получить более достоверную информацию. Мы уже подключились к датчику загрязнения воздуха».
10. Размышляя о будущем данных, Ашиш сказал: «Для людей, которые хотят заниматься наукой о данных, очевидно, что есть большой спрос, и он не исчезнет. Но в будущем это станет не специализацией, а требованием. Что касается ИИ в целом, я очень взволнован! Что меня больше всего волнует, так это возможность вести естественный разговор с компьютером, с ИИ».
Connectedreams.com – это сетевая платформа, основанная на данных и учитывающая культурный контекст, которая помогает преодолеть разрыв в ролевой модели и наставничестве. Запросить приглашение здесь.
