Wstępniak
Uczenie maszynowe to jeden z zyskujących na popularności trendów we współczesnej analityce i jeden z głównych tematów obecnego numeru magazynu ITwiz 1/2016. W poprzednim numerze (ITwiz 11-12/2015) opisywaliśmy jak ING Bank Śląski chce wykorzystać rozwiązania typu machine-learning – czyli automatycznego systemu potrafiącego doskonalić się przy pomocy zgromadzonego doświadczenia, bazującego na dostarczonych danych – i nabywania na tej podstawie nowej wiedzy. Systemy tego typu – zamiast tworzenia kolejnych reguł – mają uczyć się, jak system bankowym powinien działać w tzw. sytuacji normalnej.
W tym numerze uczeniu maszynowemu poświęciliśmy dwa duże materiały (na str. 42-49). Uczenie maszynowe, analityka predykcyjna, drążenie danych (data mining), sztuczna inteligencja, data science. To przegląd najpopularniejszych w ostatnich dwóch dekadach określeń z dziedziny zajmującej się umożliwianiu systemom komputerowym uczenia się na podstawie przykładów, bez konieczności jednoznacznego ich oprogramowywania.
Przyczyny dla których uczenie maszynowe akurat dziś zaczyna odnosić ogromne sukcesy w nauce i biznesie są prozaiczne. Od niedawna ludzkość ma bowiem dostęp do coraz tańszych i coraz potężniejszych zasobów obliczeniowych oraz coraz większych zbiorów danych. W ostatniej dekadzie doszło do głebokiej współpracy wielu światowych tuzów świata uczelnianej sztucznej inteligencji z dynamicznymi graczami biznesowymi dysponującymi gigantycznymi i wciąż rosnącymi, zbiorami danych, jak Google, Netflix, Apple, Uber, czy General Electric.
Jest kilka typowych klas wykorzystania uczenia maszynowego, a ich wspólnym mianownikiem jest bazowanie na doświadczeniu reprezentowanym przez dane. Są to automatyczne grupowanie, przyporządkowanie do klas oraz predykcja. Na stronach 42-46 przedstawiamy etapy budowy systemu uczenia maszynowego na bazie doświadczeń Engineering Design Center w Warszawie, w którym zajmuje się badaniem i modelowaniem danych oraz projektowaniem algorytmów w celu wykrywania usterek, anomalii i prognostyki lokomotyw General Electric.
Numer ten poświęciliśmy także kilku innym trendom zmieniającym sposób w jaki korzystamy z narzędzi IT. Są wśród nich robotyka (str. 18). Obecnie roboty odpowiedzialne są za 10% zadań produkcyjnych na świecie, szacuje się jednak, że do 2025 roku będą wykonywać ich już aż 45%. To trend, z którym należy się liczyć. Duży materiał poświęciliśmy także Digital Performance Management (str. 34). Platformy DPM uzupełniają mechanizmy APM funkcjami analityki biznesowej działających na poziomie aplikacji i w skorelowaniu z zewnętrznymi źródłami danych i przede wszystkim z uwzględnieniem UX.
Chief Innovation Officer opowiada zaś o wyzwaniach, które stoją dziś przed sektorem finansowym i innowacjach, które niosą ze sobą spółki fin-tech (str. 6). Z kolei Przemysław Głębocki, dyrektor Centrum Kompetencyjnego DB Schenker Logistics w regionie North & East opowiada o zmianach, które czekają branżę logistyczną związaną z rozwojem API Economy, e-commerce, druku 3D, Internet of Things, Logistyki 4.0, Logistyki Miast, Mass Configuration czy autonomizacji (str. 24).
Piszemy też o najważniejszych trendach w technologiach wg Gartnera (str. 22) i priorytetach największych przedsiębiorstw, głównie skoncentrowanych wokół cyfrowej transformacji (str. 66). Cały blok tematów poświęciliśmy też zmianom w rozwiązaniach biznesowych Microsoft (str. 56-63). Piszemy też o tym, jak podejść do bezpieczeństwa sieci w kontekście planów wdrożenia rozwiązań typu IoT (str. 50).
Adam Jadczak,
redaktor naczelny ITwiz
