Machine Learning в ДПО
Тема машинного обучения сегодня довольно популярна. Ниже - небольшой обзор кем и как она применяется в краткосрочном обучении, в первую очередь, на российском рынке.
Во-первых, хочу обозначить место машинного обучения среди других «когнитивных» технологий:
Далее я буду говорить только о машинном обучении как о прогнозировании, классификации, рекомендательных системах, ранжировании и т.п.
Во-вторых, обозначить перспективы применения автоматизирующих алгоритмов:
Т.о. автоматизация вообще и с применением когнитивных технологий в частности - весьма перспективное направление.
Об этом же говорят и некоторые цифры за 2017 год (все картинки и показатели взяты из статьи «Машинное обучение»).
В 2017 году было опрошено 500 ИТ-директоров в 11 странах:
А как дела обстоят именно с машинным обучением на отечественном рынке? Как-то не очень… Ниже - всего 2 кейса, которые я нашла. Если вы знаете еще примеры - присылайте.
MOOC-платформа Stepik
Эта платформа активно внедряет адаптивное онлайн-образование. И речь идет не только о рекомендательной системе, которая предлагает пользователю новый образовательный контент на основании того, чем он интересовался ранее. Подобные системы сегодня широко используются там, где есть большой каталог товаров, и предложение пользователю релевантных рекомендаций существенно повышает вероятность покупки/подписки и величину среднего чека.
Само обучение на Stepik частично реализовано в виде рекомендательной системы, которая советует пользователю, какой урок ему стоит изучить следующим, в зависимости от его предыдущих действий. Сейчас адаптивная система активно развивается, все больше курсов переводится на такой режим.
Подробнее - в серии статей блога компании на Хабре.
Онлайн-курсы английского языка ScyEng
Этот кейс интересен тем, что машинное обучение применяется в методической плоскости. Так, ищутся ответы на вопросы «Что отличает хорошего учителя от не очень хорошего?», «Что отличает мотивированного ученика от немотивированного?» и т.п.
Например, на основе наблюдений за действиями преподавателей и учащихся в системе делаются попытки классификации отдельных педагогических приемов, которые учителя, зачастую, используют неосознанно. И на выходе формируются рекомендации - что дает лучший эффект.
Подробнее - в коротком видео (2016, 9,5 минут).
Во-первых, хочу обозначить место машинного обучения среди других «когнитивных» технологий:
Далее я буду говорить только о машинном обучении как о прогнозировании, классификации, рекомендательных системах, ранжировании и т.п.
Во-вторых, обозначить перспективы применения автоматизирующих алгоритмов:
Т.о. автоматизация вообще и с применением когнитивных технологий в частности - весьма перспективное направление.
Об этом же говорят и некоторые цифры за 2017 год (все картинки и показатели взяты из статьи «Машинное обучение»).
В 2017 году было опрошено 500 ИТ-директоров в 11 странах:
- 40% организаций и предприятий исследуют возможности и планируют стадии внедрения технологий машинного обучения;
- 26% компаний ведут пилотные проекты;
- 20% - применяют машинное обучение для отдельных областей бизнеса;
- 3% - задействуют его для всей своей деятельности.
А как дела обстоят именно с машинным обучением на отечественном рынке? Как-то не очень… Ниже - всего 2 кейса, которые я нашла. Если вы знаете еще примеры - присылайте.
MOOC-платформа Stepik
Эта платформа активно внедряет адаптивное онлайн-образование. И речь идет не только о рекомендательной системе, которая предлагает пользователю новый образовательный контент на основании того, чем он интересовался ранее. Подобные системы сегодня широко используются там, где есть большой каталог товаров, и предложение пользователю релевантных рекомендаций существенно повышает вероятность покупки/подписки и величину среднего чека.
Само обучение на Stepik частично реализовано в виде рекомендательной системы, которая советует пользователю, какой урок ему стоит изучить следующим, в зависимости от его предыдущих действий. Сейчас адаптивная система активно развивается, все больше курсов переводится на такой режим.
Подробнее - в серии статей блога компании на Хабре.
Онлайн-курсы английского языка ScyEng
Этот кейс интересен тем, что машинное обучение применяется в методической плоскости. Так, ищутся ответы на вопросы «Что отличает хорошего учителя от не очень хорошего?», «Что отличает мотивированного ученика от немотивированного?» и т.п.
Например, на основе наблюдений за действиями преподавателей и учащихся в системе делаются попытки классификации отдельных педагогических приемов, которые учителя, зачастую, используют неосознанно. И на выходе формируются рекомендации - что дает лучший эффект.
Подробнее - в коротком видео (2016, 9,5 минут).