Python
Data Mining
Big Data
Machine learning
Lifehacks for geeks
Comments 7
+1
Ммм… два вопроса:
я сделал восемь полезных выводов
1) Где восьмой?

2) «Стремитесь… Инвестируйте… покажите… Выстраивайте...» — это выводы или лозунги?
+1
ИИ-Стартап ии-стартапу рознь. Есть более продукториентированные, есть расчитанные больше на технологию. Я проработал несколько лет в продуктовом стартапе — ничего хорошего. Больше никогда не пойду в стартап, где продукт это главная ценность.
+1
Тем не менее, это не отменяет того факта, что стартап должен решать какую-то конкретно сформулированную проблему. Попробуйте сформулировать проблему так, чтобы в формулировке не содержалось даже намека на решение, а потом посмотрите является ли ваше решение наилучшим вариантом — если нет, то, возможно, стоит поискать опции получше.
0
А у меня с Data Science первое знакомство очень печальным было. Первые живые дата-саентисты оказались мягко говоря какими-то злыми и гадкими. Я тогда работал в одной фирме, и там был целый отдел Data Science. Так они почему-то были на очень хорошем счету у руководства, хотя в реальности с ними даже поговорить было невозможно. Люди были настолько токсичны, что постоянно оскорбляли по поводу и без. При этом бухали прямо в офисе. А от осознания факта, что они Data Science вообще остальных за людей не считали. Я, конечно, понимаю, что все люди разные, и я очень надеюсь, что мне просто не повезло, но осадок до сих пор остался. С людьми было невозможно вообще ни о чём поговорить, ни о математике, ни о статистике, ни о движках, ни о программировании, ни об истории, ни об экономике, ни о литературе, ни о фильмах, ни об алгоритмах. К ним даже подходить было страшно… Как вспомню, так аж сейчас передёргивает.
0
«Нельзя создать что-то ценное, добавив к уже существующему продукту прогнозы, основанные на модели машинного обучения» — можно.
Скоринг в банках, антифрод, предсказание потребления товаров а-ля «у нас 1000 киосков-автоматов с соками и едой, нам нужно знать, что и где покупают, чтоб увеличить прибыли и снизить издержки по еде» занимаются именно этим.
0
Полагаю, автор имел в виду ценности потребителя, а не производителя.
Для потребителя скоринг, антифрод и что где покупают — это антиценности: чем больше они развиты, тем меньше шансов приобрести действительно ценную вещь.
Предвкушая споры про антифрод, сразу скажу, что на уровне клиента он работает наоборот — ограничивает возможности согласно типовому поведению. А на уровне банков только экономит средства самих банков, выделяя убыточные модели поведения клиентов.
0
Работа антифрода — это вопрос конкретной реализации.
Меня 2 раза спасал от факапов — да, я сам был виноват, что у меня спёрли карту в пятницу ночью, но банк не смог дозвониться на севший телефон и отменил перевод десятков тысяч денег на левые телефоны и на всякий случай заблокировал карту.
С другой стороны, антифрод другого банка заблокировал мне карту при попытке перевода с неё на другую мою же карту и я пол часа кхм… возлюбливал поддержку, пока не разблокировали.
с «что где покупают» тоже весьма спорно: если вы привыкли брать напиток в киоске и вашим друзьям понравилось — без работающих моделей в какой-то момент можете не обнаружить любимый напиток, ибо всё выпили, а новое по плану ещё не привезли.
Only those users with full accounts are able to leave comments., please.