ИНТЕРВЬЮ
Машинное обучение с SAM и Alexa
Шесть вопросов Кеше Уильямс из Машинное обучение AWS в движении
Фрэнсис Лефковиц, редактор Manning Development
Кеша Уильямс — полнофункциональный веб-разработчик, специализирующийся на Java и AWS. Она получила множество наград за свое инновационное развитие, а также за свою работу в качестве профессора колледжа, спикера, технического блоггера и наставника. Основатель Colors of STEM, который культивирует образцы для подражания, чтобы вдохновлять девушек всех рас заниматься наукой и технологиями.
Расскажите о ваших отношениях с Алексой.
Что ж, сначала позвольте мне сказать, что Алекса — реальный человек, поэтому вы часто слышите, как я называю Алексу «она» или «она»! Alexa была моим первым знакомством в качестве разработчика с искусственным интеллектом и голосовыми технологиями. Я по-прежнему очарован и заинтригован ею, как когда разрабатывал свое первое приложение (то есть Skill) с помощью Alexa Skills Kit (ASK). Мне было очень весело развивать несколько навыков (в том числе Word Jumble, Live Plan Eat, STEM Women) и даже получить несколько наград за свою работу. Amazon недавно назвал меня чемпионом Alexa Champion — это программа признания, созданная для награждения самых активных разработчиков и участников сообщества. Я также выступаю в качестве основного докладчика на предстоящей конференции Alexa. Alexa определенно является частью моей повседневной жизни!
Машинное обучение может быть пугающим; сколько мне нужно знать об этом, чтобы понять ваш новый видеокурс?
AWS Machine Learning in Motion предназначен для обычных разработчиков программного обеспечения, которые хотят узнать больше о машинном обучении и использовать его в своих существующих системах. Все начинается с введения концепций машинного обучения, затем мы приступаем к созданию системы, которая предсказывает преступность на основе нескольких факторов. Прелесть сервиса машинного обучения AWS в том, что он делает за вас большую часть тяжелой работы и абстрагируется от многих сложностей, что позволяет разработчикам быстро развертывать и использовать модели машинного обучения.
Можете ли вы рассказать мне больше о придуманном вами проекте, который пользователи создают в рамках этого курса?
Я представляю концепции машинного обучения и сервис машинного обучения AWS, используя забавный пример под названием SAM, что означает «монитор подозрительной активности». SAM использует предиктивную полицию, чтобы предсказать вероятность преступления в данных обстоятельствах. SAM был вдохновлен концепцией «до преступления» из научно-фантастического фильма 2002 года Особое мнение.
Что сейчас делают люди с машинным обучением на AWS?
Я видел, как компании применяли его к преступности, здравоохранению, найму сотрудников, одобрению кредитов, рекомендациям фильмов, банковскому мошенничеству и многому другому. AWS предоставляет сервисы и инструменты, необходимые разработчикам для быстрого воплощения идей в жизнь. Когда у меня возникла идея для SAM, AWS позволила мне запустить алгоритм борьбы с преступностью, который использует компьютерное зрение для получения данных, менее чем за неделю.
Похоже, вы приложили руку ко многим горячим вопросам; вы бы назвали себя универсалом?
Я программирую на Java с конца 90-х, поэтому я специалист в области Java. Я увлекаюсь всем, что связано с искусственным интеллектом (ИИ): машинным обучением, голосовыми технологиями, компьютерным зрением, так что я в этом универсал. Технологии развиваются с такой скоростью, что разработчикам необходимо изучать новые вещи, иначе они рискуют остаться позади. Я возглавляю команду разработчиков и много работаю, чтобы предоставить им возможности, в которых они всегда учатся, растут и выходят за пределы своей зоны комфорта.
Как основатель Colors of STEM, можете ли вы рассказать о том, что происходит с технической сферой, когда женщины и цветные люди начинают представляться в большем количестве?
Когда мы создаем разнородные команды, это приносит пользу отрасли в целом. Во-первых, когда вы активно стремитесь увеличить разнообразие в своей организации, вы увеличиваете количество кандидатов на вакансии. Недостаточно кандидатов, чтобы заполнить множество открытых вакансий в сфере технологий, а женщины и цветные люди представляют собой неиспользованный (и часто упускаемый из виду) рынок, который может заполнить рабочие места.
Во-вторых, вы создаете более совершенные системы, когда ваша команда разнообразный. ИИ убедительно доказывает необходимость разнообразия технологий. Я уверен, вы слышали историю о системе компьютерного зрения, которая не могла «видеть» афроамериканцев, или о программе искусственного интеллекта Google, которая классифицировала некоторых афроамериканцев как партизан, а не как людей. Системные недостатки в программах ИИ были прямым результатом отсутствия разнообразия данных, используемых для обучения этих систем. Эти недостатки можно было бы обнаружить во время тестирования и, возможно, даже избежать в процессе разработки, если бы команда была разнообразной. Таким образом, разнообразие — это не только правильно, но и позволяет создавать более совершенные системы и экономить время на дорогостоящем обслуживании, необходимом для исправления неисправных систем.
Первоначально опубликовано на freecontent.manning.com.
