July 4th, 2023
https://www.businessinsider.com/what-is-shein-billion-dollar-fast-fashion-company-explained-2023-7
https://fortune.com/2023/07/02/ai-hype-curve-fourth-industrial-or-fomo-expert-predictions
https://www.blackrock.com/corporate/literature/whitepaper/bii-midyear-outlook-2023.pdf
Named Entity Recognition (NER) este o tehnică din domeniul prelucrării limbajului natural (PLN) care se ocupă de identificarea și clasificarea entităților cu nume (numite și entități denumite) dintr-un text. Entitățile cu nume sunt termeni sau expresii care se referă la persoane, locuri, organizații, date, obiecte, valori monetare și alte tipuri de entități specifice.
Scopul NER este de a identifica aceste entități și de a le atribui etichete corespunzătoare, cum ar fi “persoană”, “loc”, “organizație”, “dată” etc. Aceasta facilitează extragerea și înțelegerea informațiilor semantice dintr-un text, precum și aplicarea unor operații ulterioare de analiză și procesare a datelor.
The Digital Mindset: What It Really Takes to Thrive in the Age of Data, Algorithms, and AI de Paul Leonardi, the Duca Family Professor of Technology Management at University of California Santa Barbara si Tsedal Neeley, Professor in Organization Behavior unit at the Harvard Business School:
The Digital Mindset: What It Really Takes to Thrive in the Age of Data, Algorithms, and AI de Paul Leonardi, the Duca Family Professor of Technology Management at University of California Santa Barbara si Tsedal Neeley, Professor in Organization Behavior unit at the Harvard Business School:
June 26th, 2023
https://www.nature.com/articles/d41586-023-02094-7
https://www.informationweek.com/big-data/maximizing-ai-roi-through-change-management#
June 19th, 2023
- Understanding ChatGPT Plugins: Benefits, Risks, and Future Developments. Mary Newhauser Data Scientist @ Wiley face o trecere in revista a aplicatiilor care extind functionalitatea ChatGPT, pornind de la utilitatea si neajunsurile acestora din prezent, pana la potentialul viitor de dezvoltare.
- The AI Hype Cycle Is Distracting Companies. Eric Siegel, PhD Machine Learning, Columbia University prezinta o abordare pragmatica in utilizarea AI in companii: nu vindeti si nu cumparati “AI”, ci cautati valoarea operationala pe care astfel de unelte o pot aduce in imbunatatirea proceselor interne.
- Are You a Data Ticket Taker or Decision Maker?. Barr Moses @ Forbes Technology Council vorbeste despre colectarea si corelarea datelor cu cifra de afaceri, clientii si obiectivele organizatiei.
- What Smart Companies Know About Integrating AI. Silvio Palumbo MBA, Columbia University, David Edelman MBA, Harvard Business School discuta despre pasii concreti pe care trebuie sa-i urmezi pentru a integra AI in companii.
Cuvantul cheie pentru saptamana aceasta: Random Forest: Un arbore decizional este o secventa de intrebari ale caror raspunsuri succesive pot ghida procese de business. Un exemplu facil pentru construirea inversa unui astfel de arbore este procesul “5 Why” pentru determinarea cauzei de baza a unui eveniment. Ca atunci cand vreau sa dau sau nu discount unui client, intreb “De ce?” si asupra raspunsului. Daca parcurg intrebarile in sens invers, am construit un arbore decizional. Daca am suficiente informatii despre raspunsuri si decizia pe care am luat-o la final, un calculator poate construi acest arbore decizional automat. Pentru a elimina potentiale corelatii care nu reprezinta cauzalitate - cateva exemple amuzante gasiti aici - calculatorul poate construi mai multi arbori de decizie pornind de la date partiale, pentru ca mai apoi rezultatul final sa fie determinat prin votul majoritar al tuturor arborilor de decizie. Pentru ca datele partiale sunt construite aleator si pentru ca o multime de arbori este de cele mai multe ori o padure, algoritmul poarta numele de Random Forest. De departe este unul dintre cele mai utilizate metode in business din trei motive:
- este simplu de implementat ceea ce se traduce in costuri mici de dezvoltare, costuri mici pentru infrastructura si timp scurt de la idee la practica;
- este simplu de interpretat - decizia poate fi trasata in orice moment, observnd usor raspusurile si pragurile deduse de algoritm, lucru care poate duce la determinarea unor noi obiective sau conturarea unor noi procese in business: ex. intr-o fabrica de paine, decizia utilizarii drojdiei artificiale s-ar putea sa influenteze negativ cifra de afaceri, chiar daca aparent costul total scade;
- ofera rezultate foarte apropiate de ceea ce se cheama “state of the art”: in majoritatea aplicatiilor practice de business, costurile asociate cu utilizarea unor algoritmi mai puternici nu sunt justificate de rezultate, calitatea lor fiind doar marginal mai buna.
Carte recomandata: Trustworthy Online Controlled Experiments “In 2012, un angajat care lucra la Bing, motorul de cautare al Microsoft, a sugerat modificarea modului in care sunt afisate titlurile reclamelor. Idea a fost sa creasca lungimea titlului reclamei, combinand titlul initial cu cateva cuvinte din primul paragraf. Nimeni nu a crezut ca modificarea asta atat de simpla, printre alte sute de modificari propuse, va fi cea care va genera cele mai mari incasari din istoria Bing. Inginerul care s-a ocupat de implementare a hotarat sa incerce modificarea, avand in vedere cat de usor se putea pune in practica. A modificat bucata de cod necesara, insa in loc sa o afiseze tuturor utilizatorilor motorului de cautare, s-a decis sa o arate aleator, unii utilizatori vazand versiunea veche, in timp ce altii primeau versiunea noua. Interactiunea cu motorul de cautare a fost inretistrata, inclusiv numarul de clicuri pe reclama si venitul generate de fiecare dintre ele. Acesta este un exemplu de test A/B, cel mai simplu tip de experiment controlat care compara doua variante A si B, sau un grup de control si unul de variatie.”