Ίνγκο Μιέρσβα, Ιδρυτής & Πρόεδρος της RapidMiner, Inc – Σειρά Συνεντεύξεων

Ο Ίνγκο Μιέρσβα είναι ο Ιδρυτής & Πρόεδρος της RapidMiner, Inc. RapidMiner φέρνει την τεχνητή νοημοσύνη στις επιχειρήσεις μέσω μιας ανοιχτής και επεκτάσιμης πλατφόρμας επιστημών δεδομένων. Κατασκευασμένο για ομάδες ανάλυσης, η RapidMiner ενώνει ολόκληρο τον κύκλο ζωής των επιστημών δεδομένων από την προετοιμασία δεδομένων έως την μηχανική μάθηση και την προβλεπτική ανάπτυξη μοντέλων. Περισσότεροι από 625.000 επαγγελματίες ανάλυσης χρησιμοποιούν τα προϊόντα της RapidMiner για να αυξήσουν τις πωλήσεις, να μειώσουν τα κόστη και να αποφύγουν τους κινδύνους.

Ποια ήταν η έμπνευσή σας για την εκκίνηση της RapidMiner;

Είχα δουλέψει στην επιχείρηση συμβουλευτικών υπηρεσιών επιστημών δεδομένων για πολλά χρόνια και είδα την ανάγκη για μια πλατφόρμα που θα ήταν πιο εύκολη και προσιτή για τους ανθρώπους χωρίς формική εκπαίδευση στις επιστήμες δεδομένων. Πολές από τις υπάρχουσες λύσεις εκείνη την εποχή βασίζονταν σε κωδικοποίηση και scripting και απλά δεν ήταν φιλικές προς τον χρήστη. Επιπλέον, καθιστά τα δεδομένα δύσκολα να διαχειριστούν και να συντηρήσουν τις λύσεις που αναπτύχθηκαν μέσα σε αυτές τις πλατφόρμες. Βασικά, συνειδητοποίησα ότι αυτές οι εργασίες δεν χρειάζεται να είναι τόσο δύσκολες, οπότε ξεκινήσαμε να δημιουργούμε την πλατφόρμα RapidMiner για να επιτρέψουμε σε οποιονδήποτε να είναι ένας伟 hảo επιστήμονας δεδομένων.

Μπορείτε να συζητήσετε την πλήρη διαφάνεια διακυβέρνησης που χρησιμοποιείται目前 από την RapidMiner;

Όταν δεν μπορείτε να εξηγήσετε ένα μοντέλο, είναι khá δύσκολο να το调节, να το εμπιστευτείτε και να το μεταφράσετε. Πολύ από το έργο των επιστημών δεδομένων είναι η επικοινωνία των αποτελεσμάτων σε άλλους, ώστε οι ενδιαφερόμενοι να κατανοήσουν πώς να βελτιώσουν τις διαδικασίες. Αυτό απαιτεί εμπιστοσύνη και βαθιά κατανόηση. Επίσης, τα προβλήματα με την εμπιστοσύνη και τη μετάφραση possono κάνουν πολύ δύσκολο να υπερβεί τις εταιρικές απαιτήσεις για να λάβει ένα μοντέλο στην παραγωγή. Αγωνιζόμαστε αυτή τη μάχη με vài διαφορετικούς τρόπους:

Ως μια οπτική πλατφόρμα επιστημών δεδομένων, η RapidMiner χαρτογραφεί μια εξήγηση για όλα τα δεδομένα pipelines και μοντέλα σε μια高度 καταναλώσιμη μορφή που μπορεί να κατανοηθεί από επιστήμονες δεδομένων ή μη-επιστήμονες δεδομένων. Κάνει τα μοντέλα διαφανή και βοηθά τους χρήστες να κατανοήσουν τη συμπεριφορά του μοντέλου και να αξιολογήσουν τα πλεονεκτήματα και τα μειονεκτήματα και να ανιχνεύσουν πιθανές προκαταλήψεις.

Επιπλέον, όλα τα μοντέλα που δημιουργούνται στην πλατφόρμα έρχονται με εκτεταμένες οπτικές για τον χρήστη – συνήθως τον χρήστη που δημιουργεί το μοντέλο – για να κερδίσει μοντέλο ερμηνείες, να κατανοήσει τη συμπεριφορά του μοντέλου και να αξιολογήσει τις προκαταλήψεις του μοντέλου.

Η RapidMiner παρέχει επίσης εξηγήσεις μοντέλων – ακόμη και όταν βρίσκεται σε παραγωγή: Για κάθε πρόβλεψη που δημιουργείται από ένα μοντέλο, η RapidMiner δημιουργεί και προσθέτει τους παράγοντες που οδήγησαν ή επηρέασαν τις αποφάσεις που λήφθηκαν από το μοντέλο στην παραγωγή.

Τέλος – και αυτό είναι πολύ σημαντικό για μένα προσωπικά, καθώς οδηγούσα αυτή τη διαδικασία με τις ομάδες μηχανικών μας πριν από quelques χρόνια – η RapidMiner παρέχει επίσης μια εξαιρετικά ισχυρή ικανότητα προσομοίωσης μοντέλων, η οποία επιτρέπει στους χρήστες να προσομοιώσουν και να παρατηρήσουν τη συμπεριφορά του μοντέλου με βάση τα δεδομένα εισόδου που παρέχονται από τον χρήστη. Τα δεδομένα εισόδου possono ρυθμιστεί και αλλάξει πολύ εύκολα, επιτρέποντας στον χρήστη να κατανοήσει τη προβλεπτική συμπεριφορά των μοντέλων σε διάφορες υποθετικές ή πραγματικές περιπτώσεις. Ο προσομοιωτής επίσης εμφανίζει τους παράγοντες που επηρεάζουν την απόφαση του μοντέλου. Ο χρήστης – σε αυτή την περίπτωση ακόμη και ένας επιχειρηματίας ή ειδικός τομέα – μπορεί να κατανοήσει τη συμπεριφορά του μοντέλου, να επικυρώσει την απόφαση του μοντέλου έναντι πραγματικών αποτελεσμάτων ή γνώσεων τομέα και να αναγνωρίσει προβλήματα. Ο προσομοιωτής επιτρέπει να προσομοιώσετε τον πραγματικό κόσμο και να ρίξετε μια ματιά στο μέλλον – στο δικό σας μέλλον, στην πραγματικότητα.

Πώς χρησιμοποιεί η RapidMiner το βαθύ μάθηση;

Η χρήση της RapidMiner του βαθύ μαθήματος είναι κάτι που είμαστε πολύ περήφανοι. Το βαθύ μάθημα μπορεί να είναι πολύ δύσκολο να εφαρμοστεί και οι μη-επιστήμονες δεδομένων συχνά πλήττονται με τη ρύθμιση των δικτύων χωρίς την υποστήριξη των ειδικών. Η RapidMiner κάνει αυτή τη διαδικασία όσο το δυνατόν πιο απλή για τους χρήστες όλων των τύπων. Το βαθύ μάθημα είναι, για παράδειγμα, μέρος του προϊόντος μας Auto μηχανικής μάθησης (ML) που ονομάζεται RapidMiner Go. Εδώ ο χρήστης δεν χρειάζεται να γνωρίζει τίποτα για το βαθύ μάθημα για να χρησιμοποιήσει αυτά τα είδη προηγμένων μοντέλων. Επιπλέον, οι power users possono πάνε sâu και να χρησιμοποιήσουν δημοφιλείς βιβλιοθήκες βαθύ μαθήματος όπως Tensorflow, Keras, ή DeepLearning4J απευθείας από τις οπτικές ροές που κτίζουν με την RapidMiner. Αυτό είναι σαν να παίζουν με κτίρια μπλοκ και απλοποιεί την εμπειρία για τους χρήστες με λιγότερες δεξιότητες δεδομένων. Μέσω αυτής της προσέγγισης, οι χρήστες μας possono κτίζουν ευέλικτα αρχιτεκτονικά δίκτυα με διαφορετικές ενεργοποιητικές συναρτήσεις και αριθμό κόμβων, πολλαπλά στρώματα με διαφορετικό αριθμό κόμβων, και να επιλέξουν από διαφορετικές τεχνικές εκπαίδευσης.

Τι άλλο είδος μηχανικής μάθησης χρησιμοποιείται;

Όλα! Προσφέρουμε εκατοντάδες διαφορετικά αλγόριθμους μάθησης ως μέρος της πλατφόρμας RapidMiner – όλα όσα μπορείτε να εφαρμόσετε στις ευρέως χρησιμοποιούμενες γλώσσες προγραμματισμού δεδομένων Python και R. Μεταξύ άλλων, η RapidMiner προσφέρει μεθόδους για Naive Bayes, регрессию όπως Γενικευμένα Lineαρά Μοντέλα, clustering όπως k-Means, FP-Growth, Decision Trees, Random Forests, Parallelized Deep Learning, και Gradient Boosted Trees. Αυτά και πολλά άλλα είναι όλα μέρος της βιβλιοθήκης μοντέλων της RapidMiner και possono χρησιμοποιηθούν με ένα seul κλικ.

Μπορείτε να συζητήσετε πώς το Auto Model γνωρίζει τις βέλτιστες τιμές να χρησιμοποιηθούν;

Το RapidMiner AutoModel χρησιμοποιεί έξυπνη αυτοματοποίηση για να επιταχύνει όλα όσα κάνουν οι χρήστες και να διασφαλίσει ότι ακριβή και σωστά μοντέλα κατασκευάζονται. Αυτό περιλαμβάνει την επιλογή στιγμών και την αυτόματη αφαίρεση ngoại lệτικών τιμών, την μηχανική χαρακτηριστικών για σύνθετα τύπους δεδομένων όπως ημερομηνίες ή κείμενα, και πλήρη πολλαπλή αυτοματοποιημένη μηχανική χαρακτηριστικών για να επιλέξουν τις βέλτιστες χαρακτηριστικές και να κατασκευάσουν νέες. Το Auto Model περιλαμβάνει επίσης άλλες μεθόδους καθαρισμού δεδομένων για να διορθώσει κοινά προβλήματα στα δεδομένα όπως λείπουν τιμές, προφίλ δεδομένων με την αξιολόγηση της ποιότητας και της αξίας των στηλών δεδομένων, κανονικοποίηση και διάφορες άλλες μετασχηματίσεις.

Το Auto Model εξάγει επίσης μετα-δεδομένα ποιότητας δεδομένων – για παράδειγμα, πώς μια στήλη συμπεριφέρεται σαν ένα ID ή αν υπάρχουν πολλές λείπουν τιμές. Αυτά τα μετα-δεδομένα χρησιμοποιούνται επιπλέον των βασικών μετα-δεδομένων στην αυτοματοποίηση και την υποστήριξη των χρηστών στο «χρήση των βέλτιστων τιμών» και την αντιμετώπιση προβλημάτων ποιότητας δεδομένων.

Για περισσότερες λεπτομέρειες, έχουμε χαρτογραφήσει όλα αυτά στο BluePrint του Auto Model. (Εικόνα παρακάτω για 额外 контекスト)

Υπάρχουν τέσσερις βασικοί φάσεις όπου εφαρμόζεται η αυτοματοποίηση:

– Προετοιμασία δεδομένων: Αυτόματη ανάλυση δεδομένων για την αναγνώριση κοινών προβλημάτων ποιότητας όπως συσχετίσεις, λείπουν τιμές και σταθερότητα.
– Αυτόματη επιλογή και βελτιστοποίηση μοντέλων, συμπεριλαμβανομένης της πλήρους επικύρωσης και σύγκρισης επιδόσεων, που προτείνει τις καλύτερες τεχνικές μηχανικής μάθησης για δεδομένα και καθορίζει τις βέλτιστες παραμέτρους.
– Προσομοίωση μοντέλου για να βοηθήσει στην καθορισμό των συγκεκριμένων (περιγραφικών) ενεργειών που πρέπει να ληφθούν για να επιτευχθεί το επιθυμητό αποτέλεσμα που προβλέπεται από το μοντέλο.
– Στη φάση ανάπτυξης και λειτουργίας του μοντέλου, οι χρήστες εμφανίζονται παράγοντες όπως η ολίσθηση, η προκατάληψη και η επιχειρηματική επίδραση, αυτόματα χωρίς καμία 额外 εργασία.

Η υπολογιστική προκατάληψη είναι ένα ζήτημα με κάθε τύπο AI, υπάρχουν κάποια ελέγχοι στη θέση για να αποτρέψουν την προκατάληψη από το να εμφανιστεί στα αποτελέσματα;

Ναι, αυτό είναι πραγματικά εξαιρετικά σημαντικό για την ηθική των επιστημών δεδομένων. Τα χαρακτηριστικά διακυβέρνησης που αναφέρθηκαν trước εξασφαλίζουν ότι οι χρήστες possono πάντα να δουν ακριβώς ποια δεδομένα έχουν χρησιμοποιηθεί για την κατασκευή μοντέλων, πώς μετατράπηκαν, και αν υπάρχουν προκαταλήψεις στα δεδομένα. Επιπλέον, τα χαρακτηριστικά μας για ανίχνευση ολίσθησης είναι ένα άλλο ισχυρό εργαλείο για την ανίχνευση προκαταλήψεων. Αν ένα μοντέλο στην παραγωγή δείχνει πολλή ολίσθηση στα δεδομένα εισόδου, αυτό μπορεί να είναι ένα σημάδι ότι ο κόσμος έχει αλλάξει δραματικά. Ωστόσο, μπορεί επίσης να είναι ένα σημάδι ότι υπήρχε σοβαρή προκατάληψη στα δεδομένα εκπαίδευσης. Στο μέλλον, σκέφτομαι να πάω ακόμη ένα βήμα παραπέρα και να κατασκευάσω μοντέλα μηχανικής μάθησης που possono ανιχνεύσει προκαταλήψεις σε άλλα μοντέλα.

Μπορείτε να συζητήσετε την RapidMiner AI Cloud και πώς διαφοροποιείται από άλλα ανταγωνιστικά προϊόντα;

Οι απαιτήσεις για ένα έργο επιστημών δεδομένων possono να είναι μεγάλες, σύνθετες και υπολογιστικά εντατικές, που έχει κάνει τη χρήση της τεχνολογίας cloud μια ελκυστική στρατηγική για τους επιστήμονες δεδομένων. Δυστυχώς, οι διάφορες φυσικές cloud-βασισμένες πλατφόρμες επιστημών δεδομένων δένουν σας με τις υπηρεσίες cloud και τις προσφορές αποθήκευσης δεδομένων του συγκεκριμένου προμηθευτή cloud.

Η RapidMiner AI Cloud είναι απλά η υπηρεσία μας cloud-παράδοσης της πλατφόρμας RapidMiner. Η προσφορά μπορεί να προσαρμοστεί σε οποιοδήποτε περιβάλλον πελάτη, ανεξάρτητα από τη στρατηγική cloud. Αυτό είναι σημαντικό αυτές τις μέρες, καθώς η προσέγγιση της majority των επιχειρήσεων για τη διαχείριση cloud δεδομένων εξελίσσεται πολύ γρήγορα. Η ευελιξία είναι πραγματικά αυτό που διαφοροποιεί την RapidMiner AI Cloud. Μπορεί να τρέξει σε οποιαδήποτε υπηρεσία cloud, ιδιωτική cloud-πύλη ή σε ένα υβριδικό σύστημα. Είμαστε cloud-πορτοκαλί, cloud-αγνώστου, multi-cloud – ό,τι προτιμάτε να το ονομάσετε.

Η RapidMiner AI Cloud είναι επίσης πολύ λίγη ταλαιπωρία,既然 προσφέρουμε τη δυνατότητα να διαχειριστούμε όλα ή μέρος της ανάπτυξης για τους πελάτες, ώστε να μπορέσουν να επικεντρωθούν στην εκτέλεση της επιχείρησής τους με AI, όχι το αντίθετο. Υπάρχει ακόμη και μια επιλογή on-demand, η οποία επιτρέπει να σpin up ένα περιβάλλον όταν χρειάζεται για σύντομες εργασίες.

Η RapidMiner Radoop εξαλείφει κάποια από τη σύνθετη πίσω από τις επιστήμες δεδομένων, μπορείτε να μας πείτε πώς η Radoop ωφελεί τους développers;

Η Radoop είναι κυρίως για μη-αναπτυξιακούς που θέλουν να αξιοποιήσουν το δυναμικό των big data. Η RapidMiner Radoop εκτελεί τις ροές εργασίας της RapidMiner trực tiếp μέσα στο Hadoop με έναν κωδικό-ελεύθερο τρόπο. Μπορούμε επίσης να ενσωματώσουμε τον κινητήρα εκτέλεσης της RapidMiner στο Spark, ώστε να είναι εύκολο να推 complete ροές εργασίας στο Spark χωρίς τη σύνθετη που προέρχεται από τις προσεγγίσεις κωδικού.

Θα μπορούσε μια κυβερνητική οντότητα να χρησιμοποιήσει την RapidMiner για να αναλύσει δεδομένα για να προβλέψει πιθανές πανδημίες, παρόμοια με τον τρόπο που λειτουργεί η BlueDot;

Ως μια γενική πλατφόρμα επιστημών δεδομένων και μηχανικής μάθησης, η RapidMiner προορίζεται να βελτιώσει και να ενισχύσει τη διαδικασία δημιουργίας και διαχείρισης μοντέλων, ανεξάρτητα από το αντικείμενο ή το domaine που βρίσκεται στο κέντρο του προβλήματος επιστημών δεδομένων/μηχανικής μάθησης. Αν και ο στόχος μας δεν είναι η πρόβλεψη πανδημιών, με τα σωστά δεδομένα, ένας ειδικός (όπως ένας ιολόγος ή επιδημιολόγος, σε αυτή την περίπτωση) θα μπορούσε να χρησιμοποιήσει την πλατφόρμα για να δημιουργήσει ένα μοντέλο που θα μπορούσε να προβλέψει ακριβώς πανδημίες. Στην πραγματικότητα, πολλοί ερευνητές χρησιμοποιούν την RapidMiner – και η πλατφόρμα μας είναι δωρεάν για ακαδημαϊκούς σκοπούς.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με την RapidMiner;

Δοκιμάστε το! Θα μπορείτε να εντυπωσιαστείτε πόσο εύκολο μπορεί να είναι η επιστήμη δεδομένων και πόσο μια καλή πλατφόρμα μπορεί να βελτιώσει την παραγωγικότητα σας και της ομάδας σας.

Ευχαριστούμε για αυτή τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν RapidMiner.