Machine Learning – zwłaszcza wśród osób, które o AI czytają głównie z nagłówków prasowych – urosło do miana magicznej czarnej skrzynki. Takiej, która najpierw się długo tworzy, ale jak już “się zadzieje”, to rozwiąże wszystkie problemy. Prawda jest jednak dużo bardziej przyziemna – wdrożenie jakiegokolwiek uczenia maszynowego to krew, pot, łzy i iteracja… dużo iteracji. Oraz kluczenia – posuwania się do przodu, ale też regularnego wycofywania z nietrafionych pomysłów.
W ramach wystąpienia przejdziemy krok po kroku przez całą, prawie trzyletnią podróż: od początkowego udawania, że jakikolwiek ML w aplikacji jest, poprzez pierwsze próby realnego wdrożenia, kończąc na konkretnych algorytmach rekomendacyjnych i NLP na produkcji… i to nie zawsze w miejscach gdzie się ich początkowo spodziewaliśmy.
Oczywiście, po drodzę będzie kilka wywałek na twarz.