Maschinelles Lernen in Kasan oder wie Fachkräfte für maschinelles Lernen in Tatarstan ausgebildet werden

Tatarstan zeigt seit langem Ehrgeiz bei der Entwicklung von Hochtechnologien. Vor kurzem feierte der Kazan IT Park sein 10-jähriges Bestehen - genau dort, wo Startups und kleine Unternehmen auf die internationale Ebene gerissen werden. Die Stadt Innopolis zeigt auch Macht, die skeptischen Prognosen widerspricht: Laut Statistik stieg die Einwohnerzahl 2019 um ein Drittel, und im Technopark wurden neue Büros von Weltkonzernen eröffnet. Okay, wie läuft es mit globalen IT-Trends - maschinelles Lernen und Technologien für künstliche Intelligenz?

Der Hauptpionier dieses Bereichs in Kasan ist Evgeny Razinkov, Ph.D. (Physik und Mathematik), Dozent an der Bundesuniversität Kasan, Leiter der Abteilung für maschinelles Lernen und Computer Vision der FIX-Unternehmensgruppe und wissenschaftlicher Leiter bei Pr3vision. Als er ein gewöhnlicher Student des VMK war, startete er vor einem Jahr an seiner Heimatuniversität ein Masterstudium in Maschinellem Lernen und Computer Vision. Evgeny nimmt die talentiertesten Kollegen und Studenten in sein Team auf, das sich mit wissenschaftlicher Entwicklung beschäftigt und mit großen IT-Unternehmen zusammenarbeitet. Sie erfuhren von ihm alles über maschinelles Lernen in Kasan.



- Wann haben Sie erkannt, dass es Zeit ist, die Richtung des maschinellen Lernens in Kasan zu entwickeln?

- Alles ist irgendwie natürlich passiert. 2014 interessierte er sich für maschinelles Lernen und traf im Mai dieses Jahres den tschechischen Professor Jiri Matos, der mein wissenschaftlicher Berater wurde. Im Dezember 2014 besuchte er erstmals sein Praktikum in Prag und im Februar begann er Seminare zum maschinellen Lernen an der KFU durchzuführen. Es war ungefähr so: Ich komme zu meinem ersten Seminar, sammle Studenten und sage: „Leute, jetzt wird es ein Seminar über maschinelles Lernen geben. Ich verstehe selbst noch nicht viel, also lass es uns gemeinsam klären. "

Während des Semesters las ich diese Seminare und studierte mit Studenten. Dann wurde daraus ein Lehrplan, der im Lehrplan enthalten war und bereits als Pflichtfach für Junggesellen unterrichtet wurde. Ich entwickelte und begann selbständig einen Kurs über Computer Vision zu unterrichten. Lesen Sie Data Mining. Dann entwickelte er seinen Kurs über Deep Learning. Ich denke, dies war der erste Kurs dieser Art, der zu dieser Zeit in Russland zu finden war. Zum Beispiel wird es in der Tschechischen Republik erst jetzt entwickelt, und ich bin sogar ein bisschen stolz darauf, dass ich es schon lange gelesen habe. Und vor ein paar Jahren bemerkte ich, dass die Studenten mehr Interesse an meinen Vorlesungen zeigten. Sie kommen nicht pünktlich zu mir und fragen, wie ich zu meinen Kursen komme.



- Welche Plattformen bereiten derzeit Spezialisten des Verteidigungsministeriums in Kasan vor und welche davon halten Sie für die effektivste?

- Haftungsausschluss: Hier ist die Geschichte über meinen offensichtlichen Interessenkonflikt :) Natürlich werde ich zunächst die KFU, Institut für Computermathematik und Informationstechnologien (ehemalige Fakultät des VMK), Abteilung für Systemanalyse, nennen.

Das klingt unbescheiden, aber ich glaube wirklich, dass wir wirklich coole Spezialisten ausbilden. Jetzt haben wir sieben Lehrer - alle aus meinem Team, und die meisten haben mindestens 3 Jahre Erfahrung in diesem Bereich. Nach meinen Informationen gibt es in Kasan außer uns fast keine Experten für solche Erfahrungen. Ich halte Vorlesungen über maschinelles Lernen im 2. und 3. Studienjahr, im vierten Studienjahr und im Masterstudiengang Computer Vision. Ich habe auch einen Masterkurs in Deep Education für Studenten.

Außerdem erschien 2019 in unserer Abteilung für Systemanalyse ein neues Masterprofil - „Maschinelles Lernen und Computer Vision“, das ich mit meinem Team eröffnet habe. In diesem Masterstudiengang gebe ich Kurse in Deep Education, Computer Vision, und im nächsten Semester werde ich Vorlesungen über Unterricht mit Verstärkung und Verarbeitung natürlicher Sprache halten. Mein Kollege Ruslan Nigmatullin hält Vorträge über digitale Bildverarbeitung und digitale Signalverarbeitung. Insgesamt haben wir 9 Vorlesungen und Praktika zum Thema künstliche Intelligenz. Die Leute, die einst meine Diplomarbeiten geschrieben haben, führen jetzt praktische Kurse in unserer Graduiertenschule durch. Letztes Jahr haben wir einen guten Wettbewerb für dieses Profil bekommen, was mich sehr freut.

Meine Vorträge stehen allen Ankömmlingen offen (denen, die Zugang zu KFU-Gebäuden haben). Jetzt poste ich bearbeitete Videos mit Vorträgen auf dem YouTube-Kanal. In naher Zukunft plane ich, Vorträge im Zusammenhang mit der COVID-19-Pandemie online zu streamen - all dies wird gemeinfrei sein.

Soweit ich weiß, werden solche Spezialisten auch in Kasan an der KNITU-KAI und der Innopolis University ausgebildet.



- Wo werden Ihre Absolventen arbeiten? Sie wollen sich in Kasan entwickeln oder streben sie nach Moskau im Ausland?

- Es scheint mir, dass eine so kleine Anzahl von Absolventen - starke Leute - hier genug Arbeit haben wird. Kasan entwickelt sich im IT-Bereich recht dynamisch. Einige meiner Schüler reisen nach Moskau ab. Generell werden natürlich überall gute Spezialisten in dieser Richtung erwartet.

- Sie leiten die Abteilung für maschinelles Lernen und Computer Vision in einem großen Betrieb. Wie bewerten Sie die Rolle einer solchen Abteilung im gesamten Unternehmen? Werden solche Unternehmen als steiler / prestigeträchtiger / vielversprechender angesehen als andere?

- Jetzt ist das Thema künstliche Intelligenz und maschinelles Lernen auf dem Vormarsch, die meisten Innovationen der Welt sind damit verbunden. Es fällt mir schwer, anders zu denken, aber meiner Meinung nach sind diese Technologien für jedes Unternehmen, das ein innovatives Geschäft aufbauen möchte, von großer Bedeutung. Weil tatsächliche Geschäftsinnovationen heutzutage sehr oft an unsere Algorithmen gebunden sind und es schwierig ist, solche Unternehmen ohne Abteilungen für maschinelles Lernen zu verwalten.

Selbst wenn das Unternehmen ein großes Erscheinungsbild hat, aber nicht über Fachkenntnisse in maschinellem Lernen, Computer Vision und KI verfügt, besteht das Gefühl, dass ein solches Unternehmen in die Vergangenheit blickt. Es ist wahrscheinlich, dass mehrere Jahre vergehen und sie gegen ihre kleineren Konkurrenten verlieren werden, die jetzt unseren Technologien und Algorithmen mehr Aufmerksamkeit schenken.

- Was ist für Sie die größte Leistung Ihres Teams?

"Wir haben zwei gute Gründe für Stolz." Das erste ist, dass wir viele Projekte wirklich erfolgreich abschließen. Die meisten unserer Entwicklungen werden kommerziell umgesetzt und begeistern unsere Kunden. Viele Projekte sind von der NDA geschützt und ein Geschäftsgeheimnis der Unternehmen, mit denen wir zusammenarbeiten. Daher wird es nur wenige Einzelheiten geben.

Von den offenen Projekten, die wir umgesetzt haben - ein Tool für den Cashback-Service Backit der FIX-Unternehmensgruppe in Kasan. Wir haben ein System entwickelt, mit dem Sie das richtige Produkt mit einem Cashback von einem Foto finden können. Angenommen, ein Benutzer möchte ein bestimmtes Sneaker-Modell mit Cashback kaufen. Er lädt ein Foto des Produkts in die Serviceanwendung hoch und ein speziell geschultes Tool gibt ihm einen Link zu diesem Kauf mit einem Cashback. Mittlerweile sind mehr als 1000 Online-Shops mit einer Vielzahl von Sortimenten, von Kosmetika bis hin zu Baumaterialien, mit dem Backit-Cashback-Service verbunden. Unser Algorithmus sucht nach Kleidung und Accessoires.

Unser zweiter Erfolg ist die Qualitätsausbildung von Fachleuten, die wir vollständig aufgebaut haben. Viele Leute aus meinem Team unterrichten Studenten, diese Leute schreiben mit uns ein Diplom, dann eine Masterarbeit. Und schon mitten in der Magistratur haben wir genug starke Leute, die dann mit uns in Handelsunternehmen arbeiten.



- Welche Grundsätze sind Ihrer Meinung nach für die Ausbildung von Fachleuten in diesem Bereich am wichtigsten?

"Hier kann man viel über Mathe reden." Ich glaube, dass eine Person, die keinen guten mathematischen Hintergrund hat, in ihrer Entwicklung sehr begrenzt ist und keine schnelle Entwicklung im maschinellen Lernen beanspruchen kann.

Ein weiterer wichtiger Punkt. Wenn Spezialisten für maschinelles Lernen ein System entwerfen, wird die Genauigkeit immer am Ende gemessen. Oft stellt sich die Frage: Sind diese Messmethoden dem Kunden klar? Meistens nicht. Die von uns verwendeten Metriken sind komplex, und Personen ohne spezielle technische Ausbildung sind möglicherweise unverständlich. Unternehmen sind normalerweise an KPIs interessiert, die an Geschäftsaufgaben gebunden sind, und maschinelles Lernen arbeitet mit völlig anderen Metriken. Dies macht unsere Spezialisten verantwortlich - in der Lage zu sein, in die Sprache des Kunden zu wechseln und die Ergebnisse der Arbeit korrekt zu vermitteln.

Die Frage der Berufsethik stellt sich sofort. Sie können den Kunden leicht im Irrtum halten und mit schönen Zahlen „erfreuen“, die unter realen Bedingungen einen eher schwachen Zusammenhang mit der Anwendung des Systems haben - leider tun dies einige Experten. Einmal haben wir mit einem Kunden zusammengearbeitet, der darüber sprach, was andere Spezialisten ihm anboten. Die Wettbewerber versprachen ihm bestimmte Indikatoren für die Genauigkeit, erklärten jedoch nicht, wie genau diese Metrik berechnet wird. Dieser Ansatz erscheint aus beruflicher Sicht nicht ethisch.

Ein wichtiges Prinzip bei der Ausbildung von Spezialisten für maschinelles Lernen ist es daher, ihre Bereitschaft zu steigern, die Sprache des Kunden zu sprechen. Übersetzen Sie mathematische Metriken ehrlich in Geschäftslogik, in Geschäftssprache. Und Sie sollten die Person sein, die dem Kunden, wenn etwas passiert, ehrlich sagen kann: "Maschinelles Lernen ist hier nicht anwendbar, stellen Sie mich nicht ein."

Und so etwas gibt es - den Mahn-Krüger-Effekt. Dies ist ein psychologisches Phänomen, wenn Menschen mit geringen Qualifikationen sich als coole Spezialisten betrachten und wirklich coole Spezialisten sich als nicht sehr cool betrachten. Wenn Sie das Dunning-Krueger-Diagramm googeln, wird alles klar.

Maschinelles Lernen ist mittlerweile ein derartiges Hype-Feld, dass die Versuchung groß ist, sich als guter Spezialist zu betrachten. Besonders wenn Online-Kurse versprechen, "in drei Monaten oder sogar einem Monat professionell zu werden". Hinzu kommt, dass viele Unternehmen noch nicht wissen, wie sie das Ausbildungsniveau eines Spezialisten in diesem Bereich objektiv beurteilen können. Wenn das Unternehmen nicht über eine solche Kompetenz verfügt und gerade erst gegründet wird, können Kandidaten für diesen Ort versuchen, sich in irgendeiner Weise zu verkaufen. Und auch hier ist die Frage der Ehrlichkeit relevant.

Unabhängig davon, wie sehr ein Spezialist einen Job in diesem Bereich erhalten möchte, sollte er dem Kunden nichts versprechen, was er nicht bewältigen kann, selbst wenn der Kunde "froh ist, getäuscht zu werden". Dies ist sehr schädlich für die Region - Kunden haben hohe Erwartungen. Was führt dies zur technologischen Entwicklung? Darüber hinaus schwächt sich an einem Tag der Glaube an unsere Methoden und Algorithmen ab.

Dem Kunden scheint es, dass er mit Hilfe des maschinellen Lernens sofort anfängt, coole Dinge zu tun und Spezialisten einzustellen, die beispielsweise ungerechtfertigt optimistisch sind. Infolgedessen führt dies alles zu nichts, und der Kunde sagt: „Ich war in der Region Moskau enttäuscht. Das funktioniert nicht".

Für mich als Spezialist, der damit Geld verdient, ist dies ein großes Problem und ein großes Problem. Ich möchte, dass andere Experten für maschinelles Lernen für das, was wir tun, verantwortlich sind. Damit jeder nüchtern seine Fähigkeiten bewertet und wie sehr das Problem gelöst ist, weiß er, wie er den Kunden "auf den Boden" zurückbringen kann. Damit es keine Enttäuschung in der Technologie gibt und jeder normal und produktiv arbeiten kann.

- Wann wird die kasanische Gemeinschaft von Spezialisten für maschinelles Lernen Kasan auf der ganzen Welt verherrlichen?

- Hier kann man sich wahrscheinlich nur auslachen :) Was verherrlicht im Allgemeinen die ganze Welt? Die Situation, in der ein Unternehmen viel Geld hat und bereit ist, in Dinge von Drittanbietern zu investieren - nicht in das, was es verdient. Und wenn es darum geht, was sie verdient - in der Regel ist dies ein Geschäftsgeheimnis, und Sie verherrlichen Kasan nicht auf der ganzen Welt.

Ja, es gibt Firmen wie DeepMind, OpenAI - es gibt viel Geld, die Leute bringen Bots bei, Warcraft zu spielen, DotA. Es scheint keine direkte Anwendung zu geben, aber es gibt einen Hype, weil jeder interessiert ist. Solche Dinge werden auf der ganzen Welt verherrlicht. Dennoch haben wissenschaftliche Errungenschaften natürlich einen solchen Effekt. Es gibt Universitäten wie Oxford, Stanford, MIT - sie haben auch solche Ressourcen.

Die Hauptsache, für die wir berühmt werden können, ist Bildungsaktivität. Das Beste, worauf wir zählen können, ist, in ganz Russland als Zentrum für die Ausbildung cooler Spezialisten bekannt zu werden. Damit eines Tages die Leute unsere Arbeit bemerken und sagen: "Oh, Kasan hat eine starke ML-Schule!" Talentierte Studenten aus Nachbarstädten würden uns anziehen, zusammen würden wir noch interessantere Dinge schaffen.

Eine vernünftige Obergrenze ist also die Beliebtheit als starke Schule für maschinelles Lernen in Russland. Ich kann es mir nicht global vorstellen. Wahrscheinlich ist die Situation in Hochschul- und Handelsunternehmen nicht dieselbe. Wenn wir im kommerziellen Plan einen größeren Vorteil erzielen, werden sie möglicherweise leichter in unsere Technologien investieren. Jetzt wartet das Unternehmen auf eine schnelle Wirkung, aber beim maschinellen Lernen ist ein anderer Ansatz erforderlich, grundlegender und strategischer - nur in diesem Fall kann etwas Gutes passieren. Lass es jetzt sein.

---

Kontakte Eugene:

Telegrammkanal (Ankündigungen von Vorträgen und Seminaren, wichtige Artikel zum maschinellen Lernen): t.me/razinkov_ai

YouTube-Kanal (Video von Vorträgen): video.razinkov.ai

Öffentlich in VK (Zeitplan, Ankündigungen von Seminaren): vk.com/razinkov_ai