Академија за Data Science – Завршен проект: Computer Vision Model | Тим 3

Работата на реални проекти е еден од главните постулати на Академијата за Data Science уште од самиот почеток. Demo Day е веќе на повидок, па сега е време да го завршиме серијалот со завршни проекти преку презентација на Тим 3 од првата група студенти на Академијата.

Слично на Тим 1, Срна, Ема, Тони, Филип и Петар се одлучија да работат на Computer Vision модел, но со сопствен план и методологија. Како индивидуалци сите доаѓаат со различно искуство во светот на Data Science, но колективно изработија напреден проект кој е во тесна конекција со машинското учење.

 

Бесплатната претпрограма за Академијата за Data Science е веќе достапна. Резервирај си место сега и почни веднаш со активно учење!

 

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

Ви благодариме. Беше тешко да се задржи концентрацијата цела година, но целта ги оправдува средствата и во целава авантура се здобивме со вештини што претходно не сме ни помислувале дека еден ден ќе ги работиме со разбирање.

 

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

Сите поседувавме различни вештини бидејќи доаѓавме од различни сфери на работење. Тоа што ни беше заедничко е што сите бевме апсолутни почетници во програмирање и пишување код додека обработката на податоци во Excel на повеќето ни беше секојдневна рутина.

 

Вие како и Тим 1 бевте задолжени за изработка на Computer Vision модел што детектира возраст, како и дали одредено лице носи маска или не. На крајот и двата тима има сличен резултат, но има разлики во методологијата, организацијата и самата реализација на проектот. Раскажете ни малку повеќе за целиот процес.

Се договоривме секој од членовите во тимот да изработи модел и решивме најдобриот резултат да го презентираме како колективен краен резултат. За оваа цел изработивме табела каде што постојано го следевме напредокот на моделите и имавме конечна контрола врз изборот на модел.

Податочното множество одлучивме да го направиме со прибирање на податоци од интернет во комбинација со GANs. Потоа употребивме посебен код со кој на генерираните слики им додававме маски, па направивме селекција на сликите и ги поделивме на 4 категории. За архитектура на моделот користевме Keras и TensorFlow и најдобри резултати добивме со ResNet152.

 

 

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? 

Искрено лесно го направивме податочното множество затоа што користевме GANs и си ги поделивме задачите кој од каде и колку слики да приложи во него. Со добра тимска работа, работите одат полесно. Единствена потешкотија ни беше пронаоѓање на постари лица со маска, но брзо го решивме и тоа. Сепак нашиот ментор инсистираше да го поминеме овој дел од процесот за да навлеземе подлабоко во спецификите на тоа што значи квалитетно податочно множество.

 

Колку ви беше тешко совладувањето на техничкиот toolkit (Python, Keras, Jupyter Notebook) во вториот дел од Академијата и колку работата на проектот ви помогна да бидете посигурни во работата со овие алатки?

Карантинот се случи баш кога бевме на почеток со модулот Програмирањето во Python. Тогаш се префрливме на online настава и нормално, кај некои од нас се појави сомнеж како ќе се одвиваат работите во новиот формат. Но, се покажа дека предавачите беа апсолутно спремни за предизвикот и ние како тим сме искрено благодарни за нивната преданост и решителност безрезервно да ни пренесат знаење и да ја адаптираат наставата онлајн без компромиси во квалитетот. Со добри предавачи секоја пречка полесно се преминува.

 

 Дали нешто во процесот на изработка на проектот испадна потешко/полесно одошто очекувавте?

Како што напоменавме и погоре, решивме сите да бидеме инволвирани во сите активности со цел секој од нас да стекне искуство во работење на сите аспекти од еден проект. И покрај тоа секој имаше посебни задачи, во име на искуството проценивме дека треба и заедно да ги поминеме сите процеси во проектот при што си помагавме меѓу себе и на крај најдобрите предлози ги одбравме како решенија на проблемите.

 

Тука би направиле и корелација со Академијата. Кој модул неочекувано “ве измори“, а каде поминавте полесно од очекувањата?

Програмата на Академијата е добро осмислена така што не осетивме класичен замор од некоја тематика бидејќи часовите беа динамични и секој модул си имаше своја специфична тежина. Статистиката и математика е еден од подолгите и комплексни модули, но не би рекле дека имавме потешкотии. Не само што се присетивме на некои работи кои претходно сме ги учеле но научивме и мноогу мнооогу нови работи, неверојатно.

 

Во кој домен на работа со податоци би сакале да се насочите понатаму?

Повеќето целат кон Data Science се разбира, но програмата на Академијата нè подготви за работа во повеќе домени, па веруваме дека секој од нас без проблем би се пронашол и како Data Engineer, Data Architect, ML Engineer или BI Analyst.

 

Од оваа перспектива, што би ги советувале поновите студенти на Академијата за Data Science? Дали има рецепт за успешно совладување на програмата и ако има, кој е?

Посветеноста е клучна, но тоа го знаеме. Рецепт за успех е да останете вредни и љубопитни, постојано да тестирате модели и да учите нови работи. Вo Data Science работата не е никогаш завршена и материјалот за учење е буквално неограничен.

 

Уште еднаш, честики во името на целиот тим на Brainster. Ги опфативме нашите студенти, но која е вашата порака за оние кои размислуваат за обука и кариера во Data Science?

Благодариме на убавите зборови. Реално, ако сте во можност да се посветите и да издвоите време, притоа да бидете спремни за влегување во сосема нов свет каде податоците се почеток и крај, тогаш нема што да се двоумите. Data Science е предобра опција за кариера, а би рекле и дека го менува начинот на размислување.

 

Академијата за Data Science во 2021 стартува во уште пооптимизиран формат со фокус на реални проекти и засилен тим на инструктори. Види ја програмата овде.

 

Related Stories For You

Аплицирај и искористи ги ПОСЛЕДНИТЕ ДЕНОВИ од овој уписен рок да го добиеш Brainster+ пакетот за 0 денари.