Работата на реални проекти е една од главните карактеристики на Академијата за Data Science уште од самиот почеток. Па, затоа по завршувањето на предавањата, со цел да ја комплетираат програмата, студентите имаат задача да ги изработат своите завршни проекти.

Свесни сме дека откривањето на човечките емоции се спроведува во многу области кои бараат дополнителна безбедност или информации за личноста. Друг важен домен каде што ја гледаме важноста на откривањето емоции е бизнис светот и нешто од коешто зависат сите компании.

Овој проект е дел од завршните проекти на Академијата за Data Science, кој има примарна цел студентите практично да го прикажат целокупното знаење стекнато од предавањата. 

Целта на проектот се состоеше од тренирање на длабока невронска мрежа со означени слики на емоции на лицето. Ова е мултидисциплинарен проект кој вклучува детекција на изрази на лица, машинско учење и компјутерска визија. На овој начин, студентите учат како овие различни полиња се поврзани и разбираат како тие можат да даваат решенија за сложени проблеми.

Тимот кој успешно ја заврши оваа задача и ја комплетираше Академијата за Data Science се состои од членовите: Петар Урџанов, Марија Илиевска, Савица Неделковска и Мартин Крстески.

 

Дознајте повеќе што ни раскажаа тие за искуството на овој реален проект

 

 

Колеги, зад вас се 12 месеци напорна работа, неколку помали проекти и завршниот проект со кој го заокруживте процесот на едукација на Академијата за Data Science. Честитки за сé што постигнавте во овој период. Како се чувствувате со новостекнатите вештини и постигнувањата од оваа година?

Савица: Новостекнатите знаења дефинитивно ја зголемуваат професионалната самодоверба, го прошируваат во голема мерка видикот за тоа што сé со технологијата може да се направи и отвораат врата за нови професионални предизвици. 

Мартин: За мене знаењата стекнати тука на Академијата значат многу големи нови почетоци. Стартот на градење кариера во нешто што обожавам да го работам уште од кога бев дете. Незаменливо е чувството, но сепак како што кажав – почеток. Има уште многу работи во оваа сфера што треба да се изучат на професионално ниво. 

Петар: Па, би рекол дека полека сфаќаме колку сме постигнале во овие 12 и кусур месеци. Беше навистина интензивно на моменти годинава и убаво е чувството на крајот кога ќе видиме дека сме направиле нешто конкретно, корисно и најважно, нешто што функционира.

Марија: Многу сум задоволна од сé што постигнавме и од сите успешно сработени проекти. Дефинитивно не беше лесно да се менаџира и работа и учење, но на крај сé вредеше. Придобивките се огромни, научивме многу нови работи, ни се отворија илјадници нови можности, а сега на нас останува да не престанеме да се надградуваме. 

 

Кога сме кај предзнаењата, во што бевте вешти пред да влезете во светот на Data Science? 

Савица: Пред да се одлучам за Академијата немав технички предзнаења, она што ми се допадна е што самиот концепт на програмата е направен да биде достапен за луѓе кои доаѓаат од најразлични сфери, а не само за ИТ. 

Мартин: Пред да се одлучам за Академијата по струка бев Електротехничар и на работна позиција Продажен специјалист. Се одлучив за Академијата бидејќи секогаш имав околу мене програмери и обожавав колку работи едноставно можат да се креираат од 0 со само неколку линии код.

Петар: Не можам да кажам дека не сум работел со податоци и претходно, но тоа беше во Excel. И колку и да сум сакал да извадам нешто повеќе од податоците најчесто сум бил ограничен дали од самите можности на Excel или пак од моите (не)знаења. Сега можам да кажам дека сé е поинаку.

Марија: Како дипломиран математичар и со претходно искуство од областа на финансии, имав одредени предзнаења и работев секојдневно со голем број на податоци, но технологиите и алатките кои ги изучивме на Академијата ми покажаа како може најдобро да се обработат и што сé може да се постигне од податоците со кои располагаме. Вториот дел од Академијата – Machine Learning, воопшто не ми беше познат претходно, и истовремено беше и предизвикувачки и многу интересен. 

 

Вие како и тим бевте задолжени за изработка на Computer Vision модел што детектира изрази на лица. Раскажете ни малку повеќе за целиот процес.

Петар: Да, задачата всушност беше од дадена слика било да е групна или поединечна, да ги детектираме лицата на сликата и потоа преку модел кој го трениравме на одредени податоци, да ги препознаеме емоциите кои постојат на лицата. Колку и да звучи комплексно, како што рекоа колегите, најтешката работа беше да се најде датасет врз кој ќе ги тренираме нашите модели.

 

Колку време ви беше потребно за да го соберете целиот датасет и како дојдовте до сите слики?

Марија: Заради ограничениот временски период се одлучивме да користиме готови датасети, но и самото пронаоѓање на најдобриот датасет за ваков тип на проблем не беше воопшто едноставно. На крај, имавме многу интересно искуство, бидејќи искористивме два различни датасети. Едниот беше прилично лесен за учење, па моделите го научија скоро совршено, но препознавањето на емоции на нови, невидени слики одеше потешко. Додека пак другиот, беше многу потежок и не можевме да добиеме многу голема точност на моделите кои ги трениравме, но истите тие модели многу подобро се снаоѓаа на невидени слики. Само уште една потврда колку е суштински датасетот во самиот овој процес.

 

Која фаза од проектот ви претставуваше најголем предизвик?

Савица: Покрај креирањето на моделите интересен предизвик беше делот за model explainability каде визуелно можевме да видиме на кој начин моделите учат и како ги даваат резултатите. 

 

Пак се навраќаме на макотрпниот процес на креирање датасет. Со ова се согласуваат и колегите од другите тимови. 🙂 Но, дали беше така и во вашиот случај? 

Мартин: Па да, и кај нас беше околу тоа фрустрацијата, не е лесно да се најде одреден датасет за да може доволно добро да се тренира за да функционира правилно. Со тоа се смеевме само колку фајлови избриша Петар и колку меморија се ослободи откако го завршивме проектот.

 

Кој е вашиот совет за сите идни студенти кои сакаат да направат кариерна трансформација во областа на Data Science? 

Мартин: Не чекајте. Отсекогаш верував дека факултетите во нашата држава се залудно трошење време и пари и секогаш има подобра алтернатива. Ова е таа алтернатива.

Петар: Да се искрени пред себе дали навистина го сакаат тоа. Ако го сакаат, нека се подготват за година дена жртвување од многу други работи, но на крајот верувам дека секоја жртва се исплати.

Марија: Ќе кажам нешто што еден од инструкторите ни го кажа уште на воведниот час: „Навистина, тешка е едната година која ќе треба да се посвети на Академијата и целиот труд кој треба да се вложи, но во големата слика од животот тоа е сепак само една година, а можностите кои се отвораат после тоа се бескрајни“. 

 

Уписите за следната група на Академијата за Data Science се во тек! Интересот е преголем и бројот на места – ограничен, затоа резервирај го твоето навреме!

Закажи средба со нашиот student success manager за повеќе насоки и детали за програмата!