Czy tak rozumiana automatyzacja to zagrożenie czy realna korzyść dla pracowników tych branż?

Uczenie maszynowe jest dziedziną nauki, która zajmuje się tworzeniem algorytmów mogących „uczyć się” na podstawie przetwarzanego przez siebie zbioru danych. Dzięki temu firmy mogą lepiej obsługiwać klientów, optymalizować zachodzące wewnątrz przedsiębiorstwa procesy oraz tworzyć coraz to nowe usługi. Machine learning ściśle wiąże się ze sztuczną inteligencją.

„Przykładem wdrożeń uczenia maszynowego są banki, gdzie wykorzystuje się analizę danych do przygotowania rekomendacji dla klientów, przedstawiania im raportów z analiz wydatków, segmentacji klientów i wyłapywania ich zwyczajów zakupowych. Są to działania zmierzające do zwiększenia przychodu tych instytucji poprzez sprzedaż produktów dopasowanych do odpowiedniej grupy klientów. Inny przykład to zastosowanie zautomatyzowanej analizy danych do podejmowania lub wspierania decyzji inwestycyjnych przez instytucje finansowe” - wyjaśnia Łukasz Kobyliński, dyrektor zarządzający w firmie Sages i organizator konferencji "AI&NLP WORKSHOP DAY", która odbędzie się 19.10.2018 w Warszawie.

To tam od praktyków dowiemy się m.in. więcej o zastosowaniu metod głębokiego uczenia (deep learning), analizie strumienia wiadomości Twittera w czasie rzeczywistym, analizie sentymentu, wykrywaniu fake newsów, wyszukiwaniu informacji tekstowych, przetwarzaniu języka naturalnego, czy bezserwerowym podejściu do pracy z danymi.

Metody uczenia maszynowego są obecnie kluczowym narzędziem informatycznym, które pozwala osiągać przewagę konkurencyjną przez bardzo wiele firm. Wciąż jednak obserwujemy niedobór kadr posiadających odpowiednie kompetencje z tego obszaru.

Podczas konferencji uczestnicy będą mogli wziąć udział w czterech z dwunastu warsztatów poświęconych sztucznej inteligencji oraz przetwarzaniu języka naturalnego, co pozwoli im zdobyć praktyczną wiedzę na temat obecnych metod oraz używanych technologii z tego obszaru.

PAP, 15 października 2018