„Nulláról lekódoltunk egy működő perceptront”

2021 január 26.

Varga Józseffel, az AI Technológia képzés egykori hallgatójával beszélgettünk

A Data Scinence képzésünket végezte el először Varga József, ahol felfedezte azt a széles palettát, amely szükséges ahhoz, hogy az adatból információ legyen. Szeretett volna a technikai lehetőségekben még jobban elmélyülni, ezért AI Technológia képzésünkre is jelentkezett. Arról mesél, hogy miben adott mást a két képzés, és megosztja velünk, hogy a „Mocsár” nevű, egyszerűnek tűnő kártyajáték is milyen sok játékmenet alatt volt megtanítható a neurális hálózatnak.

Miért kerestél technológiai képzéseket? És miért a KÜRT Akadémia mellett döntöttél?

Előszörre csak személyes érdeklődés alapján választottam a Data Science képzést.

A KÜRT Akadémiánál mód volt a képzésekről előre informálódni. A legemlékezetesebb alkalom 2017. szeptember 5-én az Évnyitó esemény volt. Itt az előadókkal meg lehetett ismerkedni, és igazán inspiráló volt a légkör. Annak ellenére, hogy ez egy képlékeny, naponta változó terület, pont azt az ismeretet sikerült elsajátítanunk, amit előzetesen ígért a KÜRT Akadémia.

Szinte minden előadáson tudatosították bennünk azt a feladatot az előadók, hogy mi leszünk azok, akik az „adatos irányba” állítják át a cég működését. Nálunk a munkatársakkal az eltelt időben sokat tettünk érte, hogy ebből a nagy feladatból már legyenek kézzelfogható eredmények.

A Data Science képzést követően miért folytattad a tanulást? Mi motivált, hogy az AI Technológiára is jelentkezz?

A Data Science képzés inspiráló áttekintést adott. Segített megismerkedni egy nagyon széles palettával, mennyi minden szakterület együttműködése szükséges ahhoz, hogy az adatból információt hozzunk létre. A képzésnek nem volt célja, hogy mindenben elmélyedjünk: átfogó képet adott.

Az AI Technológia egy elmélyülést nyújtott. Természetesen az AI-n belül is rengeteg terület van, amire egy ilyen képzésben nem juthat idő, de bőségesen kaptunk inspirációt és további ismeretszerzési kiindulópontokat.

Középen a képzés vezetője, Szabados Levente, körülötte az AI Technológia képzés végzett hallgatói és a képzés projektmenedzserei

És miben adtak más élményt a képzési alkalmak a Data Science és az AI Technológia képzéseken?

A Data Science képzésen az tetszett, hogy heterogén környezetből érkeztek a hallgatók. Volt üzleti terület, non-profit szféra, kutatási terület és „szerencsére” kevés IT. A beszélgetésekkel eltöltött szünetek is élvezetesek. A képzés során hangsúlyos volt a csoportmunka, és ennek során is jó kapcsolatokat alakíthattunk ki. A jó hangulatot szolgálta, hogy 1:1 volt a hölgyek és urak aránya.

Az AI-s képzés inkább a „kockák gyülekezete” volt az előzőhöz képest. Inkább személyes elmélyülést nyújtott. Sajnos a második felét már nem lehetett kontakt órákkal megtartani; ami számomra nem tudta nyújtani az élő előadás varázsát. Szerencsére záráskor tudtunk személyesen találkozni. De a homogén csoport ellenére nagyon különböző üzleti problémák merültek fel. A „klasszikus” AI problémák mellett pl. a LIDAR csővezeték elemzés egészen meglepő téma volt.

"Szerencsére záráskor tudtunk személyesen találkozni."

A Data Science képzésre mindenkinek érdemes eljönnie, akinek a közelében eddig kiaknázatlan adatok hevernek; nehezen tudom elképzelni, hogy hasznos információ nélkül távozna bárki. Az AI Technológia specializálódás annak lehet jó, aki tudja, hogy erre van szüksége; van is konkrét megoldandó AI feladat a hobbijai vagy az üzleti élete területén.

Az AI Technológia képzésen melyik modul volt számodra a legizgalmasabb, legemlékezetesebb?

A legemlékezetesebb előadáson nulláról lekódoltunk egy működő perceptront. Számomra az volt a nagy felismerés az anyagrészben, hogy egy primitív, teljesen algoritmikusan megépített neuronból hogyan lehet olyan hálózatokat építeni, amelyekkel már „gyerekjáték” a képfelismerés.

Mesélnél egy kicsit a projektmunkádról? Mi volt a célod vele, milyen technológiákat alkalmaztál?

Teljesen hobbiprojekt volt, egy kártyajáték lejátszását bíztam AI algoritmussal vezérelt agentekre. Az órán a Reinforcement Learning területről kevés szó esett, de kaptam szakirodalmi segítséget. Egy Github projekt kiegészítésével hoztam létre a kártyázni tudó játékosaimat.

Az volt az érdekes a feladatban, hogy a „Mocsár” kártyajáték az egyszerű szabályai ellenére elég kemény dió: jelentős számú játékmenet – néhány százezer – kell hozzá, hogy egy algoritmus elkezdjen tanulni játszani.

Hogy látod a mesterséges intelligencia jövőjét a saját szektorodban? Milyen szerepe van, milyen szerepe lesz?

Egyrészt Telco területen mozgunk. Itt rengeteg adat áll rendelkezésre. Ennek jó részét már régóta feldolgozzák, és erre kialakultak a standard módszerek. Azonban számos olyan adatkör is rendelkezésre áll, amely nem a core business területéhez tartozik, de felhasználásával fontos eredményeket lehet elérni. Ezeknek az adatoknak a hasznosítása véleményem szerint csak most körvonalazódik.

Másrészt energiamegtakarítási területen próbáljuk az adatok feldolgozásával is megtámogatni a megoldásunkat. Sajnos azt látjuk, hogy a hazai piacon erre még nem érett meg az idő. Nagyon kevés cégnél láttuk azt, hogy igényelnék egy komolyabb, adatvezérelt energiamegtakarítást hozó modell segítségét. Ezen a területen sok a lehetőség.

Érdekel az AI Technológia képzés

Érdekel a Data Science képzés

2021 január 26.

Hozzászólások

This site is registered on wpml.org as a development site.