L'apprentissage automatique est un outil

L'apprentissage automatique suscite beaucoup d'intérêt et les chefs d'entreprise sont désireux d'embaucher des talents ayant de l'expérience dans ce domaine. Mais que signifie réellement «apprentissage automatique»? Et si quelqu'un l'a répertorié sur leur CV, comment savez-vous si elles sont un bon moyen de résoudre des problèmes d'affaires?

Ce que la plupart des gens ne réalisent pas quand ils parlent d'apprentissage automatique, c'est qu'il y en a deux disciplines. Le terme «apprentissage automatique» peut se référer à la recherche sur l'apprentissage automatique ou à l'apprentissage automatique appliqué, mais les gens utilisent le même terme pour les deux choses, et cela crée de la confusion. Si les entreprises ne comprennent pas qu'il y a une différence, elles peuvent avoir beaucoup de problèmes.

Ces mots sont prononcés par Cassie Kozyrkov, responsable de la prise de décision chez Google, qui ouvrira notre Machine: Learners track ] cette année TNW Conference .

L'apprentissage automatique, explique Kozyrkov, est souvent mal compris. Les chercheurs construisent des algorithmes d'apprentissage automatique depuis des années et la technologie a maintenant évolué pour permettre aux entreprises de l'utiliser comme un outil tangible – si elles savent comment.

Selon Kozyrkov, l'apprentissage automatique peut aider les entreprises à améliorer les décisions. Mais le domaine est négligé par les programmes d'apprentissage automatique standard. S'il y a quelqu'un qui travaille dans votre entreprise qui comprend la différence, c'est probablement un accident heureux plutôt que le résultat d'une formation intentionnelle. Ce qui est exactement ce que Kozyrkov veut changer.

La prise de décision structurée avec l'apprentissage automatique

En tant que décideur en chef chez Google, Kozyrkov est tout à propos de la prise de décision. Avec une formation interdisciplinaire dans des domaines scientifiques allant de la neuroscience, la psychologie, les statistiques, l'apprentissage automatique, les affaires et l'économie, Kozyrkov étudie comment nous prenons des décisions et comment nous pouvons structurer et améliorer la prise de décision. Pensez à une bonne prise de décision en tant que compétence requise pour atteindre vos objectifs et devancer la concurrence, mais il y a plus. Les décisions affectent le monde qui nous entoure. Si les individus et les entreprises ne sont pas qualifiés pour prendre de bonnes décisions, ils risquent d'avoir un impact négatif involontaire sur tout ce qui les entoure.

À l'heure actuelle, une prise de décision intelligente et opportune est une compétence que certaines personnes possèdent naturellement, mais qui n'est pas encore utilisée comme un outil d'affaires intelligent. Selon Kozyrkov, cela laisse une marge d'amélioration.

Elle est l'innovatrice derrière la nouvelle pratique chez Google: décision intelligence engineering une discipline axée sur l'application qui augmente la science des données avec les meilleures pratiques des sciences comportementales et managériales

conçu pour aider les équipes à suivre un processus fiable pour diagnostiquer les opportunités et concevoir efficacement leur prise de décision. Kozyrkov a personnellement formé plus de 15 000 ingénieurs et dirigeants de Google aux pratiques de veille décisionnelle. Mais comment cela se rattache-t-il à l'apprentissage automatique?

À la base, l'apprentissage automatique est un moyen de prendre des décisions avec des données. Kozyrkov considère l'apprentissage automatique appliqué comme l'un des principaux sujets de l'intelligence décisionnelle. Elle a consacré beaucoup d'efforts à la construction de procédures que tout le monde peut suivre pour utiliser l'apprentissage automatique pour résoudre des problèmes d'affaires de manière sûre et fiable.

La plupart des cours d'apprentissage automatique se concentrent sur la création d'algorithmes. formation de réseaux de neurones. Ceci est essentiel pour ceux qui rêvent d'une carrière dans la recherche, mais ce n'est pas une compétence que tout le monde utilise.

L'apprentissage automatique appliqué consiste à utiliser un algorithme existant pour résoudre votre problème commercial et en assurer le succès. . Il ne devrait pas être nécessaire de construire des algorithmes à partir de rien pour chaque entreprise, pas plus qu'une boulangerie ne devrait avoir besoin de construire son propre four. Pourtant, les entreprises doivent savoir comment appliquer les algorithmes d'apprentissage automatique existants pour résoudre leur problème spécifique. C'est ce que Kozyrkov est le plus passionné.

Le domaine de l'apprentissage automatique a beaucoup de buzz autour de lui. Aujourd'hui, lorsque les chefs d'entreprise voient que l'apprentissage automatique figure sur votre CV, ils deviennent immédiatement fascinés. «Si vous êtes impliqué dans l'embauche, la question que vous devriez vous poser est:« De quel type d'apprentissage automatique parlons-nous? »

La réalité aujourd'hui, explique Kozyrkov, est que les dirigeants ne réalisent pas pleinement quelles compétences candidats à l'emploi ont réellement. Communément, ils embauchent quelqu'un avec un doctorat. dans la recherche sur l'apprentissage automatique et espère que cette personne, qui a été formée pour développer des algorithmes, peut également transcender ces connaissances dans la résolution de problèmes concrets.

"Mon problème avec ceci, explique Kozyrkov, est qu'il n'y a pas de structure formelle pour combler ce fossé. L'industrie veut seulement utiliser l'apprentissage automatique pour résoudre des problèmes, alors qu'il n'y a pas de leadership éclairé. La plupart des équipes se contentent de le faire au fur et à mesure. »

Selon Kozyrkov, c'est là qu'intervient le génie décisionnel. L'intelligence décisionnelle peut fournir les connaissances nécessaires à une prise de décision optimale, y compris des solutions d'apprentissage automatique. L'apprentissage automatique appliqué est un domaine qui nécessite beaucoup plus de participation de la part des décideurs que la plupart des gens ne le pensent. Avec la structure fournie par l'intelligence décisionnelle, même si un décideur clé quitte un projet, ses connaissances et ses compétences ne sont pas perdues. Les outils et les procédures pour prendre les meilleures décisions existent déjà dans un processus structuré

Cela ne signifie pas que nous pouvons automatiser le décideur afin que les problèmes puissent être résolus sans aucune implication humaine. Ces outils augmentent nos compétences, ils ne les remplacent pas.

Venez voir Cassie Kozyrkov ouvrir la Machine: Learners track à la TNW Conference en mai de cette année!

[19659033] Prochaine lecture:

Ce que les Simpsons peuvent vous apprendre sur l'art du shitposting