Hoe weet je dat een sterk gehypte technologie volkomen mainstream is geworden in de media? Er is een betrouwbare indicator. Wanneer je op je Facebook tijdlijn opeens advertenties ziet die je proberen te verleiden om voor een paar centen je complete leven te verbeteren wanneer je technologie X of Y gebruikt. Scheermesjes met nano-technologie bijvoorbeeld.
Ik vrees dat machine learning, een onderdeel van het vakgebied kunstmatige intelligentie, inmiddels hetzelfde lot beschoren is. De online opleiders van Udemy proberen mij te verleiden om voor slechts 15 euro de cursus Machine Learning A-Z, Hands-On Python & R In Data Science Learning aan te schaffen. Op zich geen raar idee dat je meer zou willen weten van dit interessante vakgebied, en zelfs wat hands-on programmeer-ervaring met miniatuurprobleempjes zou willen opdoen in zo'n cursus.
Moet ik daar nog iets speciaals voor kunnen?
Dat het daarbij wel praktisch is wanneer je een stevige achtergrond in wiskunde, statistiek en programmeren hebt, vermeldt de Facebook-advertentie voor het gemak niet. Vooral wiskunde, bijvoorbeeld lineaire algebra. Wanneer je zelfs met een slok op chocola kunt maken van pagina's vol Griekse letters die op hun zijkant liggen, dan is machine learning echt iets voor je. Wanneer je daar slecht in bent, dan wordt het helaas een reis bergopwaarts. Hard maar waar.
Maar zelfs wanneer je alle skills in huis hebt om je probleemloos verder te bekwamen in de wondere wereld van artifical intelligence, dan is het echt nog maar de vraag of alle beloofde voordelen van de online cursus binnen je bereik komen.
Maak nauwkeurige voorspellingen!
Maak krachtige analyses!
Creëer veel toegevoegde waarde voor je onderneming!
De mooiste vind ik: gebruik Machine Learning voor persoonlijke toepassingen.
Hoe zien de docenten van Udemy dat voor zich? Dat ik een dynamisch bayesiaans netwerk gebruik om de gemiddelde tijden van mijn fietsclub te voorspellen? Of dat ik met elastic net regressie kan inschatten wanneer mijn verbouwing klaar is?
Hoog voorhoofd helpt
Laat me u uit de droom helpen. Wanneer je goed bent in wiskunde (en dus ook in programmeren) dan kun je met machine learning technieken met wat geluk behoorlijk vooruitgang boeken op heel specifieke deelgebieden. Het vergt doorgaans wel een paar jaar om de onderliggende data voor een bepaald onderzoeksgebied echt in de vingers te krijgen.
Wanneer je heel, heel goed bent in wiskunde, een voorhoofd tot het plafond hebt en op je twaalfde al bijna wereldkampioen schaken was, dan werk je bij Amazon, Google of Deepmind aan toepassingen van machine learning, die de rest van ons stervelingen vervolgens in hun dagelijks leven gebruikt om krachtige analyses te maken en nauwkeurige voorspellingen te doen. Of om pizza te bestellen door tegen je telefoon te praten.
Maar voor die nauwkeurige voorspellingen en krachtige analyses adviseer ik u om nog maar even bij Excel te blijven. Daar zal binnenkort ook vast wel wat machine learning in komen, als het er nu al niet inzit.
Ik ben het deels met je eens. Maar het is een feit dat de drempel om met machine learning aan de slag ernstig is verlaagd. Een mooi voorbeeld hiervan is dat je IBM Watson nu als online dienst kan afnemen. Gratis aanmelden om te proberen, daarna voor kleinschalig gebruik lage kosten per maand. Ditzelfde model hanteren ook Microsoft (Cognitive Services), Google (Cloud, Machine Learning) en Amazon AI. Alles on demand te gebruiken. Blijft nog over dat je enig verstand van programmeren moet hebben en rekening moet houden dat je het systeem vaak nog moet 'leren'. Dat kost tijd, maar vele malen minder dan een paar jaar geleden.
Ik ben het helemaal met je eens. Juist omdat getalenteerde programmeurs dit soort diensten in de cloud hebben gebouwd, is de leercurve voor het gebruik eenvoudiger geworden en is ML toegankelijker. Ik denk dat een online cursus zich beter kan richten op het gebruik van die diensten, in plaats van baby-problemen in Python op te leren lossen. Je zou misschien nog kunnen zeggen: met wat achtergrond snap je die geavanceerde diensten beter. Daar is wat voor te zeggen, hoewel, een goed onderliggende begrip van een besturingssystemen maakt je waarschijnlijk geen betere gebruiker van een pakket als SPSS, om maar eens een andere toepassing te noemen. Enfin, voor vijftien euro is er geen man overboord als de cursus tegenvalt, dus proberen kan altijd.
Eens. Ik denk inderdaad dat zo'n type cursus inderdaad dan zonde van de tijd is. Of je wil Python leren, dat kan natuurlijk ook.
Het was maar een 15 euro dus ik heb dat ding voor de gein en milde interesse) besteld. Ze overdrijven uiteraard schromelijk met wat je van de cursus mag verwachten.
Aan de andere kant gingen ze wel een stuk verder als de laatste keer dat ik mij (op de universiteit) met 'AI' heb bezig gehouden. Dat was 1996 op de VU; colleges over genetische algoritmen en neurale netwerken. Als je alle optionele artikelen erbij neemt en het praktische gedeelte als een simpele demonstratie van de theorie ziet, dan is het een leuke introductie voor een leuke prijs.
Maar inderdaad, als je wiskundig niet genoeg onderlegd bent om die optionele artikelen te doorgronden dan is het vrij zinloos.
Gevatte analyse, neemt niet weg dat er andere, interessante en tegelijk laagdrempelige online initiatieven zijn met informatie rond Artificiële Intelligentie, Mashine Learning en Deep Learning, die bijdragen tot een eerste begrip van deze zogenaamde "black box" technologie en hierdoor het vertrouwen in dergelijke gezondheidstoepassingen kunnen vergroten.
Tja, als je excel wil gebruiken om analyses te doen, is machine leaening inderdaad niet de juiste cursus. Excel en echte analyse gaat sowieso niet samen.... love R, love Python, en love unsupervised learning. Wen er maar aan. We staan pas aan het begin.