Неспециалист в очень технологичном мире
Привет, ребята!
Я Джули, операционный менеджер в indico — стартапе, цель которого — упростить машинное обучение для таких людей, как вы и я.
Я довольно твердо придерживаюсь нетехнической стороны вещей, и до недавнего времени мой карьерный путь не имел ничего общего с технологиями. Подумайте: недвижимость (EOP), бухгалтерский учет (Ernst & Young) и строительство (Shawmut Design and Construction). Единственная нить, которая действительно проходит через все этапы моей карьеры, — это моя жажда знаний. Я всегда был своей собственной ИТ-службой поддержки. Я вел блог в своей комнате в общежитии в 1998 году в Salve Regina и использовал scribble.com. Я научился Adobe Creative Suite. Я был одним из первых, кто получил оригинальный iPod. Затем я написал на Craigslist, надеясь встретить свою вторую половинку, единственным требованием было то, что он также должен был упомянуть iPod.
К сожалению, никто не уехал в закат, основываясь исключительно на потребительском продукте. (О, как я скучаю по обществу до Tinder.)
Что такое машинное обучение?
Во-первых, машинное обучение — что? По сути, это включает в себя использование компьютеров и математики для выполнения определенных задач, таких как выяснение того, хорошо ли отзываются о вашем продукте массы людей в Твиттере.
Ну и что? Не могли бы вы просто нанять кого-нибудь, чтобы он сделал это за вас? Ну, вы могли бы… и компании, безусловно, делают — как наш генеральный директор Слейтер Викторофф заявляет в своем последнем посте в нашем индико-блоге: Люди, зарабатывающие шестизначные числа в год, просматривают электронную таблицу, читают твиты и решают, действительно ли они являются положительными или отрицательными. Неделями подряд. Это не шутка.
Фу. Валовой.
Вам не нужно нанимать людей для этого, когда один компьютер может сделать это за долю времени. Кроме того, снижается вероятность человеческой ошибки (представьте себе убийственную головную боль после прочтения тысячи твитов).
Как неспециалисту заниматься машинным обучением?
Дело в том, что там так много математики. И код. Каждая статья о машинном обучении, которую я читал, вызывала у меня головную боль (хотя от этой болела чуть меньше). Я не хотел знать алгоритмы, лежащие в основе кода, или разбирать, казалось бы, бессмысленный поток жаргона — нейронные сети, большие данные (которых, кстати, не существует), бла-бла-бла — просто хотел узнать, почему машинное обучение сделает мою жизнь проще. Я посмотрел первые десять минут фильма Алека Рэдфорда Введение в глубокое обучение с помощью Python, прежде чем у меня закружилась голова.
Вау, что? Это вообще английский? Это было выше моего понимания, пока я не обнаружил, что некоторые компании предоставляют все эти преимущества машинного обучения в аккуратно упакованном API.
Что это обозначает? Это означает, что для использования машинного обучения не обязательно использовать сотни строк сумасшедшего кода, докторскую степень по математике или кота в мантии и шляпе волшебника.
Если в вашей команде есть разработчик программного обеспечения, он или она может выполнить анализ настроений всего в трех строках кода:
import indicoio
indicoio.config.api_key = 'Your_API_Key'
print(indicoio.sentiment('indico is so easy to use!'))
Да, ТРИ. Три строчки кода.
Каков распространенный пример машинного обучения?
Я кратко упоминал об этом в разделах выше: Анализ настроений. Этот инструмент сообщает вам, насколько позитивным или негативным является сообщение (помните, что я говорил об анализе тысяч твитов, чтобы выяснить, нравится ли людям ваш продукт?).
Недавно я встретил ученого из Университета Джона Хопкинса (имя, как босса!), который объяснил мне процесс написания гранта. Оказывается, второй грант начинает звучать немного негативно, рецензенты выбрасывают его и идут дальше. Им нравятся только положительные гранты. Все это время потрачено? Ушел. Использование нашего API анализа тональности может уберечь вас от писем с отказом до того, как они появятся.
Вы также можете использовать API анализа настроений для анализа СМИ (социальных, политических, развлекательных и т. д.), финансового анализа, маркетинговых кампаний и т. д. Список можно продолжить! Главный вывод? Используйте машинное обучение, чтобы сделать что-то потрясающее с вашими данными. Важнее? Используйте индико, чтобы помочь вам в этом машинном обучении.
Жаждете большего?
Прочтите оригинальную версию этой статьи и следите за остальной частью этой совершенно нетехнической серии Wizard Hats + Cats об API машинного обучения в indico blog!
