Společnost BigML, tvůrce úspěšné ML platformy, organizuje svoji ML school, která se letos měla konat v Seville. Z celkem zřejmých důvodů byla ve fyzické podobě zrušena, nicméně poměrně rychle zareagovali a celou akci uspořádali v online podobě a to dokonce zdarma pro všechny! Akce se konala 19. a 20. 3. a celkem proběhlo 20 přednášek na nejrůznější témata, dále potom virtuální workshopy s jednotlivými přednášejícími. Rád by představil a odkázal na několik dle mého názoru nejzajímavějších přednášek.
První přednáškou je takový obecný úvod a představení problematiky automatizovaného machine learningu, AutoML a to jak z obecného hlediska, tak z perspektivy BigML, kteří mají AutoML funcionalitu implementovanou a je možné ji používat
Druhou přednáškou je ne zcela typická aplikace ML metod a to konkrétně na optimalizaci času čekání na výtah. Aneb na co všechno se už to strojové učení dneska nepoužívá :-)
Třetí přednáškou, možná nejzajímavější praktické použití, byla aplikace ne příliš známé metody topic modelling na optimalizaci práce call centra firmy zabývající se servisem tiskáren. Cílem bylo minimalizovat výjezdy techniků, tedy maximum problémů dostatečně dobře diagnostikovat a vysvětlit tak, aby je byli schopni vyřešit sami uživatelé. Topic modelling zde sloužil pro vytvoření nových atributů (atributu shrnující daný problém z textového popisu do omezeného množství klíčových slov), které se následně přidaly do datasetu pro klasifikaci.
Klasický praktický příklad na použití detekce anomálií představil Jan W. Weldsink z nizozemské Rabobank. Ve své přednášce se věnoval detekci podezřelého chování, potažmo korupce na uzpůsobené platformě BigML (kterou nazávají RaboML). Kromě toho další praktický příklad na detekci anomálií byl představen také přímo vývojářem z BigML.
Co se týká přednášek o teorii, uvedl bych jednak plány BigML ohledně nasazení klasifikátoru obrázků, přednášku Image processing with BigML a hezkou přednášku o testování modelů, která důrazně upozorňuje na fakt, že provedení pouze jednoho testování vytvořeného modelu je nedostatečné.