У меня была прекрасная возможность в течение почти десяти лет заниматься производственным и техническим руководством в производственной компании из списка Fortune 500. Это динамичная среда, в которой каждая деталь и каждая секунда на счету. Это тип среды, в которой иногда я чувствую, что спас мир, а на следующий день я чувствую, что разбил самолет. Веселые времена.
По мере того, как я наблюдал за взлетами и падениями производства на нескольких предприятиях, мне стало ясно, что мы (производители) просто не используем инструменты, доступные сегодня, чтобы повысить ценность. Мы обнаруживаем, что объем данных растет в геометрической прогрессии, а количество подписок на программное обеспечение обещает «следующее лучшее» в области анализа данных. Хотя есть несколько отличных программных платформ, помогающих таким подонкам, как я, в конце концов, большинство из них настолько нишевые и не специфичные для предметной области, что многое теряется при обобщении. Более того, многие из платформ, основанных на искусственном интеллекте, имеют очень мало машинного обучения в основе.
В большинстве случаев шаблоны и понимание можно получить с помощью нескольких строк кода, не тратя ни копейки. Признаюсь, я навлекаю на себя неприятности, говоря это своим боссам. Они напоминают мне, что поддержка технологии имеет решающее значение и что они не могут «сложить все яйца в одну корзину» с помощью «кастомного скрипта». С одной стороны, я полностью согласен. Как бывший директор стареющего предприятия, где машины выходили из строя чаще, чем мне хотелось бы признавать, я провел немало выходных и ночей, умоляя людей прийти и помочь нам. С другой стороны, как студент, изучающий науку о данных (сейчас стремящийся к MS), я с трудом могу удержаться от конфронтации по этому поводу, потому что я вижу будущее, в котором наука о данных и машинное обучение станут мейнстримом, а компании, которые все еще живы, будут иметь штатных специалистов по науке о данных, которые могут добиться быстрых результатов за несколько часов вместо того, чтобы платить более 100 тысяч долларов в год за платформу, которая действительно является посредственной в науке о данных.
Для тех, кто понимает пространство, вы понимаете. Вы знаете, какую ценность можно создать за 10 часов с помощью маркерной доски, блокнота Jupyter и чашки крепкого кофе. Шаблоны, прогнозы, понимание и многое другое. С развитием библиотек и бурным развитием онлайн-пространства, с упорством вы сможете во всем разобраться. Конечно, есть и более сложные вещи, такие как выбор объектов случайной формы с помощью нескольких камер и робот, использующий сверточные нейронные сети, которые требуют больше времени или, возможно, потребуют поддержки со стороны экспертов. Однако в большинстве случаев программное обеспечение, представленное сегодня на рынке, не так уж сложно внутри.
Совет для профессионалов: если вы видите инструмент, который есть на платформе, запустите этот блокнот и попробуйте повторить его. Вы будете удивлены тем, что можете раскрутить за несколько часов, если немного постараетесь.
Заботиться.
