Технологии искусственного интеллекта (ИИ) и машинного обучения используются на протяжении уже многих лет, но сейчас интенсивность их применения заметно выросла. Например, машинное обучение активно внедряют в сфере телекоммуникаций, в ретейле, маркетинге и электронной коммерции. Но многие до сих пор не до конца понимают, что же это такое.
Машинное обучение подразумевает обработку системой большого числа примеров, в ходе которой она выявляет закономерности и использует, чтобы прогнозировать характеристики новых данных. Другими словами, это процесс наделения ИИ «сознанием», умением запоминать и анализировать.
Сейчас технологии машинного обучения используют ведущие технологические компании мира, например Alibaba, Apple, Facebook, Netflix. Способов применения такого обучения масса:
- обработка заказов;
- формирование рекомендаций;
- оптимизация производства;
- обучение голосовых помощников и чат-ботов;
- распознавание образов.
Информация о поведении и предпочтениях каждого из нас круглосуточно собирается в базы крупных магазинов, банков и сотовых операторов. Эти данные позволяют бизнесу находить связи, предсказывать выгодные шаги.
На первый взгляд, механизмы внедрения машинного обучения в большей степени касаются специалистов в сфере ИT. Но в эпоху цифровой трансформации понимать принципы искусственного интеллекта и машинного обучения важно и руководителям проектов, и менеджерам по продукту, и аналитикам, то есть всем, кто работает с данными.
Вне зависимости от того, есть ли у менеджера по продукту техническое образование, он регулярно должен решать две задачи, пишут авторы блога онлайн-школы SkillFactory (34-е место в рейтинге крупнейших EdTech-компаний России):
- оценивать возможности продукта;
- определять его суть и контуры.
Чтобы «вариться» в теме, находить интересные идеи и отстаивать со знанием дела перед руководством, менеджер по продукту должен понимать работу ИИ, а значит принципы машинного обучения. Основам менеджмента при помощи анализа данных посвящено несколько курсов SkillFactory.
В дальнейшем для освоения принципов машинного обучения подойдут специализированные курсы. Менеджер по продуктам с использованием ИИ в Xerox PARC Марк Крамер рекомендует для начала научиться кодированию (выучить какой-нибудь конкретный язык, к примеру Python), после чего приступать к основам искусственного интеллекта.
Самые полезные из программ, по словам Крамера:
- Udacity Deep Learning Nanodegree;
- Coursera Machine Learning, Стэнфордский университет;
- Coursera Deep Learning Specialization, Стэнфордский университет;
- Coursera Machine Learning Foundations, Вашингтонский университет;
- fast.ai;
- EdX Artificial Intelligence;
- Udacity AI Product Manager Nanodegree.
Самостоятельно освоить основы ИИ и машинного обучения помогут также Github и TensorFlow.
Кроме того, у крупных технологических компаний есть инструменты и платформы с открытым исходным кодом (Amazon AI, тот же TensorFlow, первоначально разработанный Google, и многие другие), которые делают машинное обучение доступным практически любой компании.