Berta Sándor
A gépi tanulás új szintre emeli az adatbányászatot
Az unalmas statisztikai adatok kategórizálása és azokban minták felismerése pontos jövőbeli előrejelzéseket tesz lehetővé.
A SpinningBytes olyan szoftvereket fejleszt, amelyek gépi tanulás segítségével hatalmas adatmennyiségeket tudnak nem csupán elemezni, hanem meg is érteni. Így sok IT-problémára megfelelő megoldások fejleszthetők ki, de új ismeretek is kinyerhetők az eddig fel nem használt adatokból. Mark Cieliebak, Martin Jaggi és Fatih Uzdilli 2015-ben alapították meg a vállalkozásukat, majd az általuk elkészített programokat ingyen elérhetővé tették a honlapjukon. Napjainkban a startup kész technológiai megoldások mellett elsősorban projektekhez kapcsolódó adatelemző alkalmazásokat készít.
Mark Cieliebak, a vállalkozás vezérigazgatója elmondta, hogy olyan szoftvereket fejlesztenek, amelyek adatokat elemeznek és bizonyos értelemben meg is értik azokat. Ahhoz viszont, hogy ilyen programokat készítsenek, szükségük van információkra, amelyekre a termék később támaszkodhat és amelyekből tanulhat. Az alkalmazásuk megvizsgálja a meglévő adatokat, statisztikákat hoz létre bizonyos rendszerességekből és új tudást generál.
Az egyik példát a hatalmas szövegmennyiségek osztályozása jelenti, például historikus statisztikai adatok kategórizálása. A cég informatikusai emellett olyan alkalmazásokat is készítenek, amelyek felismerik és megértik az emberi hangot. Cieliebak elmondta, hogy az ügyfélszolgálatok területén hatalmas lehetőségek rejlenek az ilyen megoldásokban, hiszen általában teljesen hasonló párbeszédek zajlanak. A gépi tanulással ezek a beszélgetések automatizálhatók, habár az emberek nem válthatók ki teljesen a szoftverekkel.
A következő lépcső az előrejelzések készítése. A SpinningBytes egyik programja például azt vizsgálja, hogy a különböző régiókban a tweetek alapján előrejelezhető-e a szívinfarktus kockázata. Cieliebak szerint a szívinfarktus többek között azzal függ össze, hogy valaki boldog-e vagy sem. A tweetek nyelvezetéből következtetni lehet arra, hogy az adott személyek elégedettek-e és e jellemző statisztikai adatokkal való ötvözésével prognózisokat lehet létrehozni a szívinfarktus kockázatával kapcsolatban. A szakemberek további ilyen előrejelzés-készítő alkalmazásokat is ki akarnak fejleszteni.
A SpinningBytes olyan szoftvereket fejleszt, amelyek gépi tanulás segítségével hatalmas adatmennyiségeket tudnak nem csupán elemezni, hanem meg is érteni. Így sok IT-problémára megfelelő megoldások fejleszthetők ki, de új ismeretek is kinyerhetők az eddig fel nem használt adatokból. Mark Cieliebak, Martin Jaggi és Fatih Uzdilli 2015-ben alapították meg a vállalkozásukat, majd az általuk elkészített programokat ingyen elérhetővé tették a honlapjukon. Napjainkban a startup kész technológiai megoldások mellett elsősorban projektekhez kapcsolódó adatelemző alkalmazásokat készít.
Mark Cieliebak, a vállalkozás vezérigazgatója elmondta, hogy olyan szoftvereket fejlesztenek, amelyek adatokat elemeznek és bizonyos értelemben meg is értik azokat. Ahhoz viszont, hogy ilyen programokat készítsenek, szükségük van információkra, amelyekre a termék később támaszkodhat és amelyekből tanulhat. Az alkalmazásuk megvizsgálja a meglévő adatokat, statisztikákat hoz létre bizonyos rendszerességekből és új tudást generál.
Az egyik példát a hatalmas szövegmennyiségek osztályozása jelenti, például historikus statisztikai adatok kategórizálása. A cég informatikusai emellett olyan alkalmazásokat is készítenek, amelyek felismerik és megértik az emberi hangot. Cieliebak elmondta, hogy az ügyfélszolgálatok területén hatalmas lehetőségek rejlenek az ilyen megoldásokban, hiszen általában teljesen hasonló párbeszédek zajlanak. A gépi tanulással ezek a beszélgetések automatizálhatók, habár az emberek nem válthatók ki teljesen a szoftverekkel.
A következő lépcső az előrejelzések készítése. A SpinningBytes egyik programja például azt vizsgálja, hogy a különböző régiókban a tweetek alapján előrejelezhető-e a szívinfarktus kockázata. Cieliebak szerint a szívinfarktus többek között azzal függ össze, hogy valaki boldog-e vagy sem. A tweetek nyelvezetéből következtetni lehet arra, hogy az adott személyek elégedettek-e és e jellemző statisztikai adatokkal való ötvözésével prognózisokat lehet létrehozni a szívinfarktus kockázatával kapcsolatban. A szakemberek további ilyen előrejelzés-készítő alkalmazásokat is ki akarnak fejleszteni.