<\/div><\/div>[\/vc_column_text][\/vc_tta_section][vc_tta_section title=”Relacja” tab_id=”Relacja”][vc_column_text]\n
\u00a0Analityka z nowymi mo\u017cliwo\u015bciami<\/strong><\/h2>\n[\/vc_column_text][vc_column_text]\nDo efektywnego wykorzystania rozwi\u0105za\u0144 bazuj\u0105cych na sztucznej inteligencji potrzeba jednocze\u015bnie wiedzy na temat reali\u00f3w biznesowych, jak i umiej\u0119tno\u015bci pos\u0142ugiwania si\u0119 konkretnymi narz\u0119dziami. Nie jest to proste, ale przyk\u0142ady ze zrealizowanych wdro\u017ce\u0144 pokazuj\u0105, \u017ce mo\u017ce przynosi\u0107 wymierne korzy\u015bci. <\/em><\/strong><\/h3>\n[\/vc_column_text][vc_column_text]Uczenie maszynowe, a tak\u017ce szerzej sztuczna inteligencja, zaawansowana analityka i data science, to dziedzina coraz bardziej dojrza\u0142a. Stale si\u0119 rozwija i znajduje wci\u0105\u017c nowe zastosowania biznesowe. Dost\u0119pne w jej ramach technologie s\u0105 coraz powszechniej wykorzystywane w r\u00f3\u017cnych dziedzinach gospodarki \u2013 od telekom\u00f3w, bankowo\u015bci i ubezpiecze\u0144, przez przemys\u0142, energetyk\u0119 i logistyk\u0119, po sprzeda\u017c, marketing i us\u0142ugi.
\nNajnowszym trendom i osi\u0105gni\u0119ciom w tym zakresie po\u015bwi\u0119cona by\u0142a konferencja \u201eMachine Learning@Enterprise 2017\u201d (ML@Enterprise). Spotkanie stanowi\u0142o okazj\u0105 do wymiany do\u015bwiadcze\u0144 i wiedzy na temat aktualnych mo\u017cliwo\u015bci i perspektyw rozwojowych, jak r\u00f3wnie\u017c nabycia konkretnych umiej\u0119tno\u015bci i kompetencji w pos\u0142ugiwaniu si\u0119 wybranymi narz\u0119dziami i technologiami.[\/vc_column_text][vc_column_text]\nRo\u015bnie \u015bwiadomo\u015b\u0107 korzy\u015bci <\/strong><\/h4>\n[\/vc_column_text][vc_column_text]\u201eRozwi\u0105zania zwi\u0105zane z data science przesz\u0142y drog\u0119 od zabawki biznesowej po narz\u0119dzie pr<\/em>odukcyjne. Pocz\u0105tkowo <\/em>wykorzystywano je, bo tak wypada\u0142o, bo wszyscy wko\u0142o tak robili. Dzisiaj si\u0119ga si\u0119 po nie w celu rozwi\u0105zania konkretnych problem\u00f3w biznesowych\u201d \u2013 <\/em>zauwa\u017cy\u0142 podczas dyskusji panelowej Piotr Gawrysiak, profesor w Instytucie Informatyki Politechniki Warszawskiej, jednocze\u015bnie Chief Data Scientist w mBanku.[\/vc_column_text][vc_column_text]Uczestnicy panelu zwracali uwag\u0119, \u017ce analityka wykorzystuj\u0105ca elementy sztucznej inteligencji wchodzi wci\u0105\u017c do nowych sektor\u00f3w i bran\u017c. Zago\u015bci\u0142a ju\u017c na sta\u0142e nie tylko u operator\u00f3w telekomunikacyjnych czy w finansach. Ostatnio daje si\u0119 zauwa\u017cy\u0107 du\u017ce zainteresowanie jej mo\u017cliwo\u015bciami w bran\u017cy gamingowej. Ma coraz wi\u0119ksze zastosowanie w przetwarzaniu obraz\u00f3w i przetwarzaniu j\u0119zyka. Wiele narz\u0119dzi jest ju\u017c dost\u0119pnych w chmurze.[\/vc_column_text][vc_column_text]Zdaniem Dawida Detko, Data Science Architect & Team Leadera firmie Predica, przedstawiciele biznesu ju\u017c wiedz\u0105, \u017ce s\u0105 dost\u0119pne takie rozwi\u0105zania i mo\u017cna ich u\u017cy\u0107 w konkretnych celach biznesowych. Problemem wci\u0105\u017c jednak pozostaje zbieranie danych i umiej\u0119tno\u015b\u0107 ich wykorzystania. W tej materii jest jeszcze na polskim rynku wiele do zrobienia. Pomocne mog\u0105 by\u0107 projekty realizowane metodami pilota\u017cowymi.
\nEdukacja jest nadal potrzebna, gdy\u017c w wykorzystaniu narz\u0119dzi zaawansowanej analityki przoduj\u0105 g\u0142\u00f3wnie dzia\u0142aj\u0105ce w naszym kraju przedstawicielstwa zagranicznych koncern\u00f3w. R\u00f3wnie\u017c istniej\u0105ce w Polsce firmy \u015bwiadcz\u0105ce us\u0142ugi w zakresie big data czy machine learning maj\u0105 klient\u00f3w g\u0142\u00f3wnie poza granicami kraju. Polscy przedsi\u0119biorcy, zdaniem uczestnik\u00f3w dyskusji, nie maj\u0105 wci\u0105\u017c jeszcze dostatecznej \u015bwiadomo\u015bci korzy\u015bci mo\u017cliwych do osi\u0105gni\u0119cia dzi\u0119ki rozwi\u0105zaniom z zakresu sztucznej inteligencji czy data science. Tu jest du\u017ce pole do popisu dla ludzi z bran\u017cy analitycznej.[\/vc_column_text][vc_column_text]Istniej\u0105ca sytuacja stawia tak\u017ce du\u017ce wyzwania przed instytucjami edukacyjnymi. Wraz z rosn\u0105cym zapotrzebowaniem rynku na specjalist\u00f3w od data science rosn\u0105 te\u017c wymagania potencjalnych pracodawc\u00f3w. Jak zauwa\u017cy\u0142 dr Dominik Batorski, reprezentuj\u0105cy Uniwersytet Warszawski i firm\u0119 Sotrender, analityka idzie w kierunku narz\u0119dzi \u0142atwych w u\u017cyciu. Podobnie b\u0119dzie te\u017c nied\u0142ugo w obszarze uczenia maszynowego. Dlatego m.in. coraz wi\u0119kszego znaczenia b\u0119d\u0105 nabiera\u0142y kompetencje przekrojowe, na przyk\u0142ad na styku programowania, przetwarzania danych i statystyki. Takiej wiedzy na rynku wci\u0105\u017c brakuje.[\/vc_column_text][vc_column_text]\nPotrzebne nowe umiej\u0119tno\u015bci <\/strong><\/h4>\n