IT Industrija
🔥 Najčitanije
3
🔥 Najčitanije
3
U kancelarijama Microsoft Development Center Serbia (MDCS) radi veliki broj inženjera koji su stručnjaci za mašinsko učenje, computer vision, cloud infrastrukturu i distribuirane sisteme. Njihovi timovi učestvuju u razvijanju niza proizvoda, poput cloud servisa Microsoft Azure, Windows Mixed Reality-a i funkcionalnosti za Microsoft Office baziranih na mašinskom učenju, kao što je Image to table.
MDCS aktivno učestvuje i u projektima vezanim za edukaciju. Jedan od najpoznatijih svakako je Bubble Cup, međunarodno takmičenje u programiranju za srednjoškolce i studente. Međutim, daleko od toga da je ovo jedini takav projekat. U Letnjoj školi Mašinskog učenja u Petnici (PSI:ML), više od polovine predavača su MDCS inženjeri, njihovi inženjeri čine veći deo organizacionog odbora, a i jedini su sponzor iz IT industrije. Pored toga, MDCS pruža podršku i Letnjoj školi programiranja na Divčibarama.
Letnja škola Mašinskog učenja u Petnici
U Petnici je 2019. godine održana peta letnja škola mašinskog učenja. Kroz program (koji se adaptira svake godine) do sada je prošlo više od 120 studenata, a neki od projekata na seminaru su se razvili u nagrađivane naučne radove.
O uticaju koji pohađanje PSI:ML ima na dalju karijeru i obrazovanje polaznika, govori i istraživanje koje je sprovedeno od strane organizatora. Iako je škola relativno nedavno pokrenuta, već je 13 odsto njenih polaznika započelo karijeru u mašinskom učenju, četiri odsto odbranilo doktorat, a 43 odsto je zbog PSI:ML odlučilo da nastavi usavršavanje u ovoj oblasti.
Tadej Kurepa, Community Manager u MDCS, procenjuje i da je više od 20 odsto inženjera koji trenutno rade u MDCS tokom srednje škole pohađalo neki od brojnih programa Petnice.
Desetodnevni booth camp je namenjen, pre svega, studentima tehničkih i matematičkih fakulteta. Međutim, nisu isključeni ni studenti drugih naučnih oblasti ukoliko pokažu da poseduju neophodna znanja. Zbog prirode problema koji se u školi rešavaju, poželjno je da polaznici imaju iskustva sa matematikom i programiranjem, a upis najviše zavisi od toga koliko su dobro uradili zadatak u kvalifikacionoj rundi. Pored toga, pažnja se obraća i na motivaciju i background kandidata.
Predavači na ovom intenzivnom kursu su inženjerke i inženjeri iz redova MDCS-a, profesori sa MatF-a, ETF-a i FON-a, saradnici Petnice i drugi stručnjaci u mašinskom učenju. Polaznici na booth camp-u imaju priliku da razvijaju svoje ideje, ali postoji i baza predefinisanih projekata na kojima mogu da rade.
Od Baha do analize rečenica
Jedan od mentora ovogodišnje letnje škole bio je Aleksa Gordić, softverski inženjer u MDCS, inače i sam bivši polaznik PSI:ML. Učesnici su nam, uz njegovu pomoć, predstavili projekte na kojima su ove godine radili.
Program Marine Vasiljević sa Matematičkog fakulteta i Đorđa Vasiljevića za cilj je imao da „nauči” stil određenog kompozitora, a da potom generiše potpuno originalnu kompoziciju na osnovu harmonijskih i melodijskih karakteristika koje se kod njega ponavljaju. Marina je odlučila da program „nahrani” kompozicijama Baha, a objasnila je i da isti princip može da se primeni na fotografe i slike.
S vremena na vreme se dešava da se u tekstovima izgube neki delovi rečenica ili reči. Još češće se dešavaju slovne greške ili da mašina ne može da prepozna zamrljanu reč na slici. Stefan Stepanović sa Elektrotehničkog fakulteta i Aleksa Milosavljević, student Matematičkog i Računarskog fakulteta, napravili su program kome je zadatak dopunjavanje, rekonstrukcija i detekcija nepravilnosti u ovakvim tekstovima. Oni su algoritam nahranili bazom od 500 romana iz kojih su izvlačili rečenice. Zadatak programa je bio da između pet ponuđenih odgovora prepozna reč koja fali u rečenicama.
Jelena Ristić sa Elektrotehničkog fakulteta u Beogradu i Anastasija Ilić sa Univerziteta Kembridž su razvijale program koji osvetljava podeksponirane slike. Programu su dodelile data set slika koje su slikane u dobro osvetljenom prostoru, a onda i slike koje su slikane u tamnijim okruženjima. Zadale su mu zadatak da osvetli sliku pomoću objektivne funkcije dok je on sam naučio kako konkretno to da uradi pomoću podataka procesom nadgledanog učenja. Dakle, učio je koje su to fine osobine dobro osvetljenih slika, pa je njih dodeljivao onim tamnijim i tako ih popravljao.
Da ova grana ima izuzetno široku primenu govori i rad polaznice od pre dve godine. Ona nije bila student ni tehničkih ni matematičkih fakulteta, već je osnovno obrazovanje stekla na Filološkom fakultetu u oblasti lingvistike. Njen projekat je bio vezan za procesiranje prirodnog jezika pomoću algoritama za mašinsko učenje.
Kurepa je naglasio da je fokus booth camp-a na praktičnom radu i razvijanju ML modela uz mentorstvo stručnjaka sa univerziteta i IT industrije. Budući da je treniranje neuralne mreže veoma zahtevno po pitanju snage računara, na letnjoj školi su se koristile izuzetno snažne virtuelne mašine na Azure cloud-u, koje su dobijene kao podrška od Microsoft-a. Zato je moguće da se, za relativno kratko vreme koliko traje booth camp, uradi veći broj iteracija. Tako polaznici imaju priliku da se oko rezultata konsultuju sa stručnjacima sa iskustvom u oblasti mašinskog učenja i veštačke inteligencije, nešto poprave u algoritmu i ponovo pokrenu program, kako bi na kraju dobili što bolje rezultate.
Polaznici su za svoje projekte uglavnom koristili programski jezik Python, standard u industriji mašinskog učenja, koji se od 2017. godine redovno uči u školama u Srbiji.
Zašto baš mašinsko učenje?
Na srpskim fakultetima mašinsko učenje je u samom začetku, pošto je tek u poslednjih nekoliko godina ova oblast postala popularna. Kurepa smatra da će mašinsko učenje tek da postane velika stvar koja će doneti važne promene u društvu, pa je ovo odlična prilika da se mladi upoznaju sa čitavom granom.
On navodi slikovit primer iz domena medicine koji pokazuje da mašinsko učenje zaista ima veoma široku i važnu primenu:
U toku zime pacijent dođe u bolnicu zbog pada na klizavom pločniku. Nakon što se povređeno mesto skenira lekari označe prelom na snimku, a zatim se veliki broj takvih snimaka može koristiti da se uz pomoć mašinskog učenja napravi program koji će umeti da na nekim budućim snimcima prepozna slične obrasce i ukaže lekaru na moguće povrede.
Možemo zamisliti i da se u mašinu ubaci zaista velika količina podataka, sa svim vrstama dijagnoza. U tom scenariju, pacijent može doći kod lekara zbog toga što mu je napuklo rebro, a mašina na rendgenskom snimku može da primeti i neku promenu na plućima koju lekar možda ne bi video jer se koncentrisao samo na ono zbog čega je pacijent došao. Možemo da zamislimo i da se kao deo sistematskog pregleda uradi skener čitavog tela, pa da program indikuje lekaru sve potencijalne anomalije koje je primetio.
Gordić i Kurepa su skrenuli pažnju na to da mašinsko učenje može biti sjajan pomoćni alat, ali da nije zamena za doktore. Generalno, mašinsko učenje je tu da pomogne ljudima da budu još bolji i efikasniji u onome što rade.
Jedan od razloga zašto mašinsko učenje toliko brzo napreduje je otvorenost zajednice. Za razliku od nekih drugih grana, ovde je sasvim normalno da se razvijeni projekti ne kriju, već da se dele između različitih kompanija i istraživačkih timova.
Letnja škola programiranja Divčibare
Na Divčibarama je održana treća po redu škola programiranja, kroz koju je prošlo 60 osnovaca, uglavnom iz šestog, sedmog i osmog razreda. Neki od najuspešnijih mladih matematičara i programera pohađali su nastavu organizovanu od strane Društva matematičara Srbije i Fondacije Petlja, sa pokroviteljstvom MDCS i FIS Global.
Za one koji su na Državnom takmičenju iz računarstva postigli najbolje uspehe, pomoću sredstava iz donatorskih fondova omogućeno je da besplatno pohađaju nastavu ili da to bar urade po sniženoj ceni.
Na samom otvaranju škole, Aleksa Gordić iz Microsoft-a je deci održao kratko predavanje o mašinskom učenju. Iako je ova oblast naizgled suviše napredna za osnovce, ekipa sa letnje škole u Petnici je odlučila da im objasni šta je mašinsko učenje i pokuša da ih zaintrigira za ovu oblast.
Gordić im je predstavio nekoliko primera praktične primene mašinskog učenja, a umesto da samo budu zadivljeni mogućnostima, vrlo brzo su počeli da postavljaju konkretna pitanja o načinu na koji se piše program koji sam uči. Kako su postavljali sve kompleksnija pitanja na koja jednostavno nije bilo moguće odgovoriti ukratko, sasvim je verovatno da se neki od budućih stručnjaka za mašinsko učenje ovde po prvi put susreo sa svojom profesijom.
Predavači u školi programiranja bili su gimnazijalci, neki od najboljih đaka Matematičke gimnazije, inače i sami uspešni olimpijci. Mentori koji su se pobrinuli da sve prođe na najbolji način došli su iz Fondacije Petlja — Milan Vugdelija, dugogodišnji profesor programiranja u Matematičkoj gimnaziji i jedan od vetarana MDCS i Filip Marić sa Matematičkog fakulteta u Beogradu.
Dok se u Petnici za mašinsko učenje koristi Python, Vugdelija je objasnio da polaznici škole na Divčibarama koriste C++, a opisao je i kakva znanja će steći.
Kurikulum je vrlo ozbiljan. Ovo su deca koja su nagrađena ili su imala visoke plasmane na takmičenjima. Ovde se radi njihovo dalje usavršavanje, a pokrivaju se vrlo napredne teme, od kojih se neke obrađuju tek na fakultetu. Naravno, prilagođene su njihovom uzrastu, tako da oni to uvek vrlo lepo isprate.
U letnjoj školi se rešavaju napredni algoritamski problemi, tako da je za očekivati da će deca koja uspešno prođu ovakav program i opredele se za karijeru računarskim naukama biti uspešni studenti i u budućnosti postati vrhunski stručnjaci u svojim oblastima. Kao takvi, oni su potencijalni kandidati za karijeru u najvećim softverskim firmama širom sveta. Mi se nadamo da će za takve firme raditi odavde.
Prijave za PSI:ML se uobičajeno zatvaraju krajem marta, a za Letnju školu programiranja na Divčibarama u junu, tako da zainteresovani već polako mogu da razmišljaju o učestvovanju sledeće godine.