ტექნოლოგია ბიზნესი

“ML მოდელების ქცევის ახსნის მეთოდები“ - TIDA-ს მაისის სესიის სპიკერი მონაცემთა მეცნიერი ვიოლეტა მიშევა იქნება

უკვე მეორე წელია, საქართველოში ბიზნესმონაცემთა და ანალიტიკის კონფერენცია TIDA ტარდება. TIDA, ანუ Tbilisi International Data Analytics 2020 წელს დაარსდა და მას ერთი მთავარი მიზანი აქვს: შეიქმნას საქართველოში დაფუძნებული და მსოფლიო დონის საერთაშორისო მონაცემთა ანალიტიკის კომუნა.

მაისი 11, 2021

არაერთი საინტერესო და წარმატებული თემის განხილვის შემდეგ, TIDA-ს შემდეგი ონლაინ სესია 13 მაისს, Zoom-ში ჩატარდება. მონაცემთა ანალიტიკით დაინტერესებულ ადამიანებს განსაკუთრებულად მნიშვნელოვანი სესია ელით, რომელსაც ნიდერლანდური ლიდერი ბანკის ABN Amro-ს მონაცემთა მეცნიერი, ვიოლეტა მიშევა გაუძღვება. სესიის თემა “მანქანური დასწავლის (ML) მოდელების ქცევის ახსნის მეთოდები” იქნება.

 

მოდელების ქცევის ახსნის მეთოდები (იგივე Model Explainability) მანქანური დასწავლის სფეროში შედარებით ახალი მიმართულებაა, რომელიც სწრაფად ვითარდება და იხვეწება. სანამ მასზე განვავრცობდეთ საუბარს, ორიოდე სიტყვით მიმოვიხილოთ, თუ რას ნიშნავს მანქანური დასწავლა და მისი მოდელები. 

მანქანური დასწავლა კომპიუტერული მეცნიერების ქვედისციპლინაა, რომელიც სწავლობს მეთოდებს, თუ როგორ ავაგოთ გადაწყვეტილების მიმღები ავტომატური პროგრამები მონაცემებზე დაყრდნობით. ტრადიციული პროგრამირებისგან განსხვავებით, მანქანური დასწავლის მოდელების პროგრამულ კოდს უშუალოდ სპეციალისტი არ წერს. ნაცვლად ამისა, მანქანური დასწავლის მოდელის კოდი ავტომატურად იწერება წარსულ მონაცემებზე დაყრდნობით ისე, რომ საბოლოო მოდელს პროგნოზირების საუკეთესო უნარი ჰქონდეს.

 

მაგალითად, მანქანური დასწავლის მოდელი, რომელიც წყვეტს, თუ ვის უნდა შევთავაზოთ მოგზაურობისას ბარგის დაზღვევის სერვისის ყიდვა, აგებულია არა ცხადი წესების საშუალებით („თუ კლიენტი ხშირად დადის საზღვარგარეთ, მაშინ შევთავაზოთ“), არამედ არაცხადი და კომპლექსური წესების საფუძველზე, რომლებსაც უშუალოდ მანქანური დასწავლის ალგორითმი აგებს (ადამიანის მინიმალური ჩარევით) წარსულ მონაცემებზე დაყრდნობით ისე, რომ შედეგად რაც შეიძლება სწორ კლიენტებს შევთავაზოთ დაზღვევის შეძენა.