Hogyan alkalmazzuk a gyakorlatban a mesterséges intelligenciát és gépi tanulást?

Olvasási idő: ~ 2 perc

Azt gondolom, hogy a gépi tanulás létrehozásához először is magunkat kell képezni vagy átképezni (kivéve persze, ha ezzel a területtel foglalkoztunk és szakértői vagyunk a témának). Mivel én az előbbi állítást erősítem, nagyon érdekes volt számomra a mai kurzus, ahol egy alkalmazás segítségével valós adatok alapján próbáltuk megérteni, hogyan zajlik a gépi tanítás és tanulás folyamata.

Mivel?

Először is, az alkalmazás, a Microsoft Azure Machine Learning Studio is teljesen új volt sokunk számára, így a bevezetőben röviden ennek megismerésével kezdtünk. Majd kiválasztottunk egy elérhető adatset-et a kerékpárkölcsönzésekről, mely már tanulásra készen állt, tehát nem volt szükséges adattranszformációra.

Hogyan?

Ezek után megnéztük, hogy hogyan tudjuk beállítani, melyek legyenek a metaadataink. Kiválasztottuk továbbá azokat az adatokat, melyekkel dolgozni akarunk (big data esetén valószínű, hogy egy adott probléma megoldásához nem fog kelleni az összes típusú rendelkezésre álló adat). Majd a tanult modellek közül egymás után kettőt felhasználva tanítottuk be a gépünket. Az eredmény nagyon érdekes lett, ahogy azt vártuk is, a két módszer eltérő sikerrel “tanult rá” az adathalmazra (a hiba mértéke is eltérő lett ezáltal). Az alkalmazás lehetőséget ad az eredményeink vizualizációjára is, így egyből megnézhetjük, mit is alkottunk.

A következő alkalommal pedig már nem próba adatok alapján tanítjuk a gépünket, hanem az általunk előző alkalommal vázolt, különféle, saját üzleti problémáink területről hozott esetekre dolgozunk ki megoldási javaslatokat. Így személyre szabottan válaszokat kapunk majd kérdéseinke, és megtudhatjuk, hogy nekünk, a mi üzletünkben mik azok a folyamatok, amiket kiválthatunk vagy tökéletesíthetünk mesterséges intelligenciával, hogy milyen területekre vonhatjuk be az AI-t.

Tóth Erika Viktória

A cikk szerzőjéről:

Okleveles közgazdász, IT projekt – és folyamatmenedzser, PhD hallgató

2016-ban végzett okleveles közgazdászként vezetés-és szervezés mesterszakon. 2018 óta PhD hallgató, kutatási témája a mesterséges intelligencia és a gépi tanulás hatásának vizsgálata a tudásmenedzsmentre. Az akadémiai szféra mellett már a kezdetektől célja volt részt venni a versenyszférában is, ezáltal gyakorlati tapasztalattal és tacit tudással támogatni az elsajátított elméleti tudását, ezért már korai egyetemi tanulmányai mellett (2012 óta) elkezdett IT üzleti folyamatmenedzsmenttel és IT projektek vezetésével foglalkozni, jelenleg is egy világhírű szoftvergyártónál dolgozik ezen a területen. Elkötelezett a korszerű technológiák megismerésében, a tudásmenedzsment és mesterséges intelligencia üzleti aspektusainak kutatásában, a folyamatoptimalizálásban, valamint a folyamatos fejlődésre és tanulásra való törekvésben.

Kedved támadt az adatok gyűjtéséhez, rendszerezéséhez és értelmezéséhez szükséges adatelemzési tudásodat mélyíteni? Tarts velünk következő kurzusunkon!  Jelentkezz most 10%-os kedvezménnyel!