Машинное обучение, искусственный интеллект и вот это всё: biases, вызовы и достижения

Содержание выпуска

• Что такое машинное обучение (Machine Learning, ML).
• Как соотносятся аналитика, Data Science, машинное обучение, большие данные и искусственный интеллект.
• Какие профессии существуют в этих сферах.
• Есть ли в развитии искусственного интеллекта реальная опасность для человечества: «Матрица», «Терминатор» и прочие сценарии.
• Какие сложные вопросы приходится решать в машинном обучении и как они на практике влияют на отрасль: расовые, гендерные и другие проблемы.
• Как можно разрешить подобные этические дилеммы.
• Типы biases (смещений, искажений) в данных, которые приводят к некорректному результату. Как их избегать.
• Какие практические задачи решает машинное обучение и связанные с ним сферы.
• Какую пользу новые технологии приносят государствам, бизнесу и простым людям.
• Какие языки программирования и инструменты используются в машинном обучении.
• Что надо знать, чтобы стать джуном, мидлом, сеньором в машинном обучении.
• В каких задачах искусственный интеллект опережает человека.
• В каких сферах или ML-проектах индустрия ждёт прорыва. За какими проектами стоит пристально следить прямо сейчас.
• Что почитать, послушать, посмотреть и на кого подписаться.
• История машинного обучения и науки о данных — как они возникли, как развивались.

Полезные ссылки

• Telegram-канал Светланы Analytics Now
• Подкаст Светланы
• Книга Кай-Фу Ли «Сверхдержавы искусственного интеллекта. Китай, Кремниевая долина и новый мировой порядок»
• Книга Кай-Фу Ли «ИИ-2041. Десять образов нашего будущего»
• Принципы ESG
• Статьи Forbes по машинному обучению
• Сайт TechTarget
• Сайт CIO
• Сайт Computerworld
• Журнал MIT Technology Review

Слушать выпуск