Заметки о данных, ИИ, ИТ
и безопасности
Без маркетингового тумана. Так, как я думаю о задачах в реальной работе с собственниками и руководителями.
Градиентный бустинг: машинное обучение, которое уже работает в продакшне
Почему ансамблевые методы - случайные леса и градиентный бустинг - стали первым реальным ML для бизнеса, и как об этом думать руководителю.
Машинный перевод улучшается, но корпоративный разрыв сохраняется
Почему впечатляющие результаты нейронного перевода не означают, что компания может убрать переводчиков из рабочих процессов.
Глубокое обучение: что за хайпом и что до него ещё не доросло
Что текущая волна интереса к нейросетям означает для компаний, у которых нет исследовательской лаборатории.
Рекомендательные системы: что нужно до того, как они заработают
Что на самом деле требуется для запуска рекомендательной системы и почему большинство проектов спотыкаются до того, как добираются до алгоритма.
Нейронный перевод входит в продуктовую зону
Что изменилось в машинном переводе в 2014 году и почему это важно для компаний с большим объёмом текстового контента.
Обработка текста становится практичной: что это значит для бизнеса
Инструменты анализа и обработки текста добрались до уровня, когда ими можно пользоваться без исследовательской лаборатории. Что с этим делать.
Машинное обучение для среднего бизнеса: что реально, что нет
Честный разбор того, какие задачи машинное обучение решает для компаний без исследовательских лабораторий, а какие остаются академическими.
Машинное обучение во фроде: где ИИ сохраняет деньги, а где только усложняет расследование
Разбор контура принятия решений и проблемы объяснимости в антифродовых системах на основе ML.
Качество модели против свежести данных: что важнее в прикладной аналитике
В большинстве реальных задач выигрывает не более умная модель, а более правильно настроенная операционная петля обновления данных.
Обучение с подкреплением и Atari: не игры, а класс задач
Почему результаты DeepMind с игровой приставкой важны не для развлечений, а как намёк на целый класс оптимизационных задач в бизнесе.
Человек в контуре: почему автоматизация решений всё чаще требует человека рядом
Чем серьёзнее риск решения, тем важнее управляемая полуавтоматизация. Полная автономия системы и полное ручное управление - обе крайности проигрывают.
word2vec и новая семантика поиска: почему текстовые коллекции скоро начнут думать в близостях
Векторные представления слов открывают новый уровень поиска, матчинга и рекомендаций. Что это значит для компаний, у которых есть большие текстовые коллекции.