Ingo Mierswa, Fondator și Președinte la RapidMiner, Inc – Seria de Interviuri

Ingo Mierswa este Fondator și Președinte la RapidMiner, Inc. RapidMiner aduce inteligență artificială în întreprinderi prin intermediul unei platforme de știință a datelor deschise și extensibile. Proiectată pentru echipe de analiști, RapidMiner unifică întregul ciclu de viață al științei datelor, de la pregătirea datelor la învățarea automată și până la implementarea modelului predictiv.Mai mult de 625.000 de profesioniști în analize utilizează produsele RapidMiner pentru a genera venituri, a reduce costurile și a evita riscurile.

Ce v-a inspirat să lansați RapidMiner?

Am lucrat în domeniul consultanței de știință a datelor timp de mulți ani și am văzut nevoia unei platforme mai intuitive și mai accesibile pentru persoanele fără o educație formală în știința datelor. Multe dintre soluțiile existente la acea vreme se bazau pe codare și scripting și nu erau deloc prietenoase cu utilizatorii. Mai mult, acestea făceau ca datele să fie dificil de gestionat și de întreținut. Am realizat că aceste proiecte nu trebuiau să fie atât de dificile, așa că am început să creăm platforma RapidMiner pentru a permite oricui să devină un mare om de știință a datelor.

Puteți discuta despre guvernanța transparentă utilizată de RapidMiner?

Când nu puteți explica un model, este foarte greu să îl ajustați, să îl înțelegeți și să îl transpuneți. O mare parte a muncii de știință a datelor constă în comunicarea rezultatelor către alții, astfel încât stakeholderii să poată înțelege cum să îmbunătățească procesele. Acest lucru necesită încredere și o înțelegere profundă. Problemele de încredere și de transpunere pot face foarte greu să se depășească cerințele corporative pentru a pune un model în producție. Luptăm această bătălie în mai multe moduri:

Ca o platformă de știință a datelor vizuală, RapidMiner oferă în mod implicit o explicație pentru toate pipeleine-urile de date și modelele într-un format foarte ușor de înțeles, care poate fi înțeleasă atât de oamenii de știință a datelor, cât și de cei fără o educație formală în domeniu. Acest lucru face ca modelele să fie transparente și ajută utilizatorii să înțeleagă comportamentul modelului și să evalueze punctele sale forte și slabe, precum și să detecteze potențialele prejudecăți.

În plus, toate modelele create în platformă vin cu extinse vizualizări pentru utilizator, care permite utilizatorului care creează modelul să obțină insight-uri despre model, să înțeleagă comportamentul modelului și să evalueze prejudecățile modelului.

RapidMiner oferă, de asemenea, explicații ale modelului, chiar și atunci când este în producție. Pentru fiecare predicție realizată de un model, RapidMiner generează și adaugă factorii care au condus la deciziile luate de model în producție.

În cele din urmă, și acest lucru este foarte important pentru mine personal, deoarece am condus acest proces cu echipele noastre de ingineri în urmă cu câțiva ani – RapidMiner oferă și o capacitate extrem de puternică de simulare a modelului, care permite utilizatorilor să simuleze și să observe comportamentul modelului pe baza datelor de intrare furnizate de utilizator. Datele de intrare pot fi setate și modificate foarte ușor, permițând utilizatorului să înțeleagă comportamentul predictiv al modelului în diverse cazuri ipotetice sau din lumea reală. Simulatorul afișează, de asemenea, factorii care influențează decizia modelului. Utilizatorul, în acest caz chiar și un utilizator de business sau expert în domeniu, poate înțelege comportamentul modelului, valida decizia modelului împotriva rezultatelor reale sau a cunoștințelor din domeniu și identifica probleme. Simulatorul permite să simulați lumea reală și să aruncați o privire în viitor – în viitorul dvs., de fapt.

Cum utilizează RapidMiner învățarea profundă?

Utilizarea noastră a învățării profunde este ceva de care suntem foarte mândri. Învățarea profundă poate fi foarte dificilă de aplicat, iar persoanele fără o educație formală în știința datelor pot avea dificultăți în a configura aceste rețele fără suportul unor experți. RapidMiner face acest proces cât mai simplu posibil pentru utilizatori de toate tipurile. Învățarea profundă face parte, de exemplu, din produsul nostru de învățare automată (ML) numit RapidMiner Go. Aici, utilizatorul nu are nevoie să știe nimic despre învățarea profundă pentru a utiliza aceste tipuri de modele sofisticate. În plus, utilizatorii avansați pot merge mai departe și utiliza biblioteci de învățare profundă populare, cum ar fi Tensorflow, Keras sau DeepLearning4J, direct din fluxurile vizuale pe care le construiesc cu RapidMiner. Acest lucru este ca și cum ai juca cu blocuri și simplifică experiența pentru utilizatorii cu mai puține abilități în știința datelor. Prin această abordare, utilizatorii noștri pot construi arhitecturi de rețele flexibile cu funcții de activare diferite și un număr definit de straturi și noduri, multiple straturi cu număruri diferite de noduri și pot alege din diferite tehnici de antrenament.

Ce alt tip de învățare automată este utilizat?

Toate! Oferta noastră include sute de algoritmi de învățare diferiți ca parte a platformei RapidMiner – tot ceea ce puteți aplica în limbajele de programare pentru știința datelor Python și R. Printre altele, RapidMiner oferă metode pentru Naive Bayes, regresie, cum ar fi modelele liniare generalizate, clustering, cum ar fi k-Means, FP-Growth, Decision Trees, Random Forests, Parallelized Deep Learning și Gradient Boosted Trees. Acestea și multe altele fac parte din biblioteca de modelare a RapidMiner și pot fi utilizate cu un singur clic.

Puteți discuta despre modul în care Auto Model știe care sunt valorile optime de utilizat?

RapidMiner AutoModel utilizează automatizarea inteligentă pentru a accelera tot ceea ce fac utilizatorii și pentru a asigura construirea de modele precise și solide. Acest lucru include selectarea instanțelor și eliminarea automată a valorilor outlier, ingineria caracteristicilor pentru tipuri de date complexe, cum ar fi datele sau textele, și ingineria caracteristicilor automate multi-obiectiv pentru a selecta caracteristicile optime și a construi altele noi. Auto Model include, de asemenea, alte metode de curățare a datelor pentru a remedia problemele comune în date, cum ar fi valorile lipsă, profilarea datelor prin evaluarea calității și valorii coloanelor de date, normalizarea datelor și diverse alte transformări.

Auto Model extrage, de asemenea, metadate despre calitatea datelor – de exemplu, cât de mult se comportă o coloană ca un ID sau dacă există multe valori lipsă. Aceste metadate sunt utilizate, împreună cu metadatele de bază, pentru a automatiza și a ajuta utilizatorii să “utilizeze valorile optime” și să rezolve problemele de calitate a datelor.

Pentru mai multe detalii, am cartografiat totul în Blueprint-ul nostru Auto Model. (Imaginea de mai jos oferă context suplimentar)

Există patru faze de bază în care se aplică automatizarea:

– Pregătirea datelor: analiza automată a datelor pentru a identifica probleme comune de calitate, cum ar fi corelațiile, valorile lipsă și stabilitatea.
– Selectarea și optimizarea automată a modelului, inclusiv validarea și compararea performanței, care sugerează cele mai bune tehnici de învățare automată pentru datele date și determină parametrii optimi.
– Simularea modelului pentru a determina acțiunile specifice (prescriptive) care trebuie luate pentru a obține rezultatul dorit prevăzut de model.
– În faza de implementare și operare a modelului, utilizatorilor li se arată factori precum driftul, prejudecățile și impactul asupra afacerii, toate acestea fiind realizate automat, fără niciun efort suplimentar.

Prejudecățile calculatorului sunt o problemă pentru orice tip de IA, există controale pentru a preveni prejudecățile să apară în rezultate?

Da, acest lucru este foarte important pentru știința etică a datelor. Caracteristicile de guvernanță menționate anterior asigură că utilizatorii pot vedea întotdeauna ce date au fost utilizate pentru construirea modelului, cum au fost transformate și dacă există prejudecăți în selectarea datelor. În plus, caracteristicile noastre pentru detectarea driftului sunt un alt instrument puternic pentru a detecta prejudecățile. Dacă un model în producție prezintă mult drift în datele de intrare, acest lucru poate fi un semn că lumea s-a schimbat dramatic. Cu toate acestea, poate fi și un indicator că a existat o prejudecată severă în datele de antrenament. În viitor, luăm în considerare să mergem și mai departe și să construim modele de învățare automată care pot fi utilizate pentru a detecta prejudecățile în alte modele.

Puteți discuta despre RapidMiner AI Cloud și despre modul în care se diferențiază de produsele concurente?

Cerințele pentru un proiect de știință a datelor pot fi mari, complexe și consumatoare de resurse de calcul, ceea ce a făcut utilizarea tehnologiei cloud să fie o strategie atât de atractivă pentru oamenii de știință a datelor. Din nefericire, diversele platforme de știință a datelor native cloud leagă utilizatorii de serviciile cloud și ofertele de stocare a datelor ale furnizorului cloud respectiv.

RapidMiner AI Cloud este, pur și simplu, livrarea noastră de servicii cloud a platformei RapidMiner. Oferta poate fi personalizată pentru a se potrivi oricărui mediu al clientului, indiferent de strategia sa de cloud. Acest lucru este important în aceste zile, deoarece abordarea majorității companiilor față de gestionarea cloud a datelor evoluează foarte repede în climatul actual. Flexibilitatea este ceea ce diferențiază RapidMiner AI Cloud. Poate rula în orice serviciu cloud, stivă de cloud privată sau într-o configurație hibridă. Suntem portabili pentru cloud, agnostici pentru cloud, multi-cloud – oricum doriți să îl numiți.

RapidMiner AI Cloud este, de asemenea, foarte puțin problematic, deoarece, desigur, oferim capacitatea de a gestiona toată sau o parte a implementării pentru clienți, astfel încât aceștia să se poată concentra pe gestionarea afacerilor lor cu IA, și nu invers. Există chiar și o opțiune la cerere, care permite să porniți un mediu atunci când este nevoie, pentru proiecte scurte.

RapidMiner Radoop elimină o parte din complexitatea din spatele științei datelor, puteți spune cum beneficiază Radoop dezvoltatorii?

Radoop este în principal pentru non-dezvoltatori care doresc să valorifice potențialul big data. RapidMiner Radoop execută fluxurile de lucru RapidMiner direct în Hadoop, într-un mod fără cod. Putem, de asemenea, încorpora motorul de execuție RapidMiner în Spark, astfel încât să fie ușor să introduceți fluxuri de lucru complete în Spark, fără complexitatea care vine din abordările centrate pe cod.

Ar putea o entitate guvernamentală să utilizeze RapidMiner pentru a analiza datele și a prevedea posibile pandemii, similar cu modul în care BlueDot funcționează?

Ca o platformă generală de știință a datelor și învățare automată, RapidMiner este menit să simplifice și să îmbunătățească procesul de creare și gestionare a modelului, indiferent de subiectul sau domeniul din centrul problemei de știință a datelor/învățare automată. Deși nu ne concentrăm pe prevederea pandemiilor, cu datele potrivite, un expert în domeniu (cum ar fi un virolog sau epidemiolog, în acest caz) ar putea utiliza platforma pentru a crea un model care ar putea prevedea cu acuratețe pandemii. De fapt, mulți cercetători utilizează RapidMiner – și platforma noastră este gratuită pentru scopuri academice.

Există altceva pe care ați dori să îl împărtășiți despre RapidMiner?

Încercați! Vă puteți surprinde cât de ușor poate fi știința datelor și cât de mult o platformă bună poate îmbunătăți productivitatea dvs. și a echipei dvs.

Mulțumim pentru acest interviu minunat, cititorilor care doresc să afle mai multe despre RapidMiner li se recomandă să viziteze RapidMiner.