Неограничената количина на податоци, нивната достапност за складирање и растот на поефтината и помоќна обработка, ја поттикнаа побарувачката на машинско учење. Многу од индустриите развиваат поробусни модели на машинско учење, способни да анализираат поголеми и покомплексни податоци кои го пренесуваат сето тоа побрзо и поточно. Алатките за машинско учење им овозможуваат на организациите побрзо да ги идентификуваат профитабилните можности и потенцијалните ризици.

Истражувањата и развојот на автономните возила стануваат сè попопуларни во автомобилската индустрија. Се верува дека автономните возила се иднината за лесен и ефикасен транспорт што ќе ги направи побезбедни и помалку зафатени патиштата.

Со цел да ја комплетираат програмата, студентите од Академијата за Data Science имаа задача да го изработат нивниот завршен проект. Проектот на којшто работеше тимот 3 е Self-Driving Car.

Целта на овој проект е да се искористи стекнатото знаење од Академијата за Data Science за да се изгради автономно возило, познато како клонирање на однесувањето, засновано на научно истражување од Nvidia.

За успешно завршување на овој проект, задолжен беше тим 3 со членовите: Ангела Стојановска и Митко Кинов.

Во продолжение си поразговаравме со Ангела и Митко за искуството на Академијата и нивниот завршен проект

Здраво тим! Честитки за успешно завршениот проект! Ајде да почнеме од почеток, кажете ни нешто повеќе за себе и вашиот кариерен пат до почетокот на Академијата.

Благодариме за честитките! Ние сме тим составен од само двајца студенти кои доаѓаат од две комплементарни технички струки, применета математика и машинско инженерство, кои се во одлична симбиоза со манипулирање и работа со податоци. Логиката е јадро на нашиот процес на размислување што ни дава изразена предност при: решавање на технички проблеми, донесување на важни одлуки и генерирање на креативни идеи, меѓудругото. Експоненцијалното зголемување на нашата способност за логичко размислување манифестирано преку дисциплиниран и креативен начин базиран на факти и докази, единствено е возможно преку изучување на напредни технологии кои ја користат денешната достапна компјутерска моќ. Така, таа потрага по различна преспектива на разбирање на светот околу нас нѐ донесе пред вратите на Brainster. 

Кои беа вашите вештини пред да влезете во светот на Data Science и дали имавте предзнаење од оваа област?

Може да кажеме дека имавме делумно предзнаење од оваа област, поконкретно, од областа на математика и статистика, како и основи во програмирање, но интересот за Data Science беше присутен подолго време пред започнување на Aкадемијата, па постојано се трудевме да пратиме новости од оваа област, Data Mining, тековниот развиток и секојдневната имплементација на решенија постигнати преку Machine Learning во научни полиња од различен карактер.

Вашиот тим работеше на градење на Self-Driving Car, објаснете ни која е целта и мотивот на овој проект?

Целта на нашиот финален проект беше да се искористи end-to-end learning for self-driving cars, исто така познато како Behavioral Cloning, засновано на трудот од Nvidia. Самата цел беше дефининрана во три сегменти. Првиот сегмент се состоеше во тоа да го искористиме веќе стекнатото знаење во областите на Machine Learning и Python за да го започнеме градењето на проектот Self-Driving Car. Вториот, да се впуштиме во што потемелно истражување на самата проблематика на Self-Driving Car преку читање на трудови, учење преку видеа и разработување на веќе готови решенија.

Тука особено важно е да напоменеме дека концептите како Learning by doing и Inverse engineering ни беа фундаментот во истражувањето и разбирањето на овој инженерен предизвик. Финалниот сегмент беше заснован на фино подесување на моделот и визуелизирање на резултатите преку пуштање на моделот сам да вози на патека што никогаш не ја видел. Поточно, потрага по способност за генерализација на невронската мрежа.

Што би ни раскажале за самиот проект? Како ова може да послужи во секојдневниот живот?

Проектот што ни беше доделен има предизвикувачка тематика и спаѓа во доменот на една од најпрофитабилните индустрии во новата ера. Ние работевме на само мал дел, но сепак голем проблем во автомобилската индустрија, преку кој добивме чувство што значи да се биде дел од ваков инженерски ангажман и што што навистина значи да се добие интуиција како невронската мрежа постигнува подобра генерализација. Податоците го идентификуваат однесувањето или грешката на возачот како фактор во 94% од несреќите, а возилата што управуваат самостојно можат да помогнат да се намали грешката на возачот. Повисоките нивоа на автономија имаат потенцијал да го намалат ризичното и опасно однесување на возачот.

Какво беше вашето искуство со овој проект? Дали искористивте сѐ што научивте на Академијата за Data Science или пак беше потребно да излезете од вашата комфорна зона и да навлезете подлабоко во истражувањето?

Академијата за Data Science е навистина одлично конструирана за да ни овозможи да се справиме со доста голем број на општи предизвици во секојдневното работење во оваа област. Но, за справувањето со еден инженерен проект како што е Self-Driving Car беше неопходно да посветиме доста време во истражување и учење на нови принципи и вештини кои се проблемно-ориентирани.  

Со тоа што бевте само двајца студенти кои работеа на овој проект, како успеавте да се справите со роковите и предизвиците?

Инженерните струки се мултидисциплинарни и се засноваат на тимска работа, што претставува низа од активности каде што две или повеќе лица соработуваат кон заедничка цел, па таков беше и нашиот пристап од самиот почеток. Во 90% од времето работевме заедно и споделувавме заклучоци добиени од самостојното истражување, а постојано имавме поддршка од страна на нашиот ментор Кирил Цветков, кој меѓудругото е сертифициран Self-Driving Car Engineer. Добра организација, наклонетост во работата, пасија за овие науки и добра насока од страна на менторот го исклучија целосно проблемот на рок за изработка на проектот.

Како успеавте да ги споите податоците (податоци со слики и податоци со агол на вртење) во длабока невронска мрежа за да ви дадат предикции за управување на самото возило?

Прво би сакале да спомнеме дека податоците беа собрани со рачно возење на патеката за тренинг од симулаторот со помош на користење на глувчето, со што се постигна поголем квалитет на траекторијата на возење. По завршувањето на тренингот, симулаторот генерираше податоци што вклучуваат три слики и агол на управување за секоја рамка (Image Frame). Податоците потоа беа поделени во два сегменти: input кој се состои од слика и label со соодветниот агол на управување. Тука е важно да се напомене дека ние работевме на Supervised Learning Problem, така да невронската мрежа за секоја влезна слика ни генерира соодветен агол на управување. 

Како студенти кои сте дел од оваа најинтензивна програма за Data Science, зошто баш Data Science?

Да се биде дел од движечката сила на општествените трансформации постигнати преку напредокот во технологиите е овозможено со изучување на прогресивни струки, во нашиот случај тоа е Data Science. Поточно кажано Data Science е билетот што ни е неопходен за влез во модерното општество. 

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

Општеството во кое живееме е во константна промена, па оттука доаѓа и спознанието дека промената е единствената константа. Како што претходните три индустриски револуции ја забрзале таа промена, така и оваа четврта ќе го стори истото. Стоиме на работ на технолошка револуција која фундаментално ќе го смени начинот на живеење, работа и меѓусебни врски. Според своите размери, обем и сложеност, трансформацијата ќе биде нешто што човештвото не го доживеало порано.

Сѐ уште не знаеме само како ќе се одвива, но едно е јасно: напредокот во Вештачката интелигенција (AI), Роботиката, Интернет на нештата (IoT), Генетски инженеринг и Квантен компјутер сами по себе го асоцираат зборот адаптација. Така да, во овој контекст нашиот совет е излишен, само би рекле: добредојдовте.  

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!