Machine Learning med Martin Sjöbeck (avsnitt 81)

Play
Martin Sjöbeck har studerat Machine Learning och arbetar nu som konsult inom området. Maskininlärning (ML) är en disciplin inom artificiell intelligens (AI), som i sin tur är en del av datavetenskap. Det magiska med ML är helt enkelt att datorn analyserar stora mängder data och på ett ögonblick drar slutsatser från det underlaget. Datorns algoritmer ser mönster hos i exempelvis kundernas loggade beteenden och kan sedan förutspå med viss sannolikhet hur kunden kommer att agera. Företag arbetar ständigt med modeller för att med en högre ackuratess förutsäga framtiden. Neurala nätverk, big data, ackuratess, klustringar, beslutsträd – Martin förklarar övergripligt vad som kan åstadkommas med Machine learning.

Var inte rädd för ämnet! Det krävs inte djupa programmeringskunskaper. Gör en tankekarta på vad du vill åstadkomma. Spara sedan data inom det området och utnyttja gärna data från öppna api:er (t ex vädret när någon handlar). Tvätta datan och analysera i machine learning-modellen. På nätet finns öppna bibliotek och gratis programvaror, där du själv träna en modell att analysera datan och dra slutsatser. Följ länkarna nedan!

Play
Martin Sjöbeck, Jonas Jaani (23:37)

PRENUMERERA – podcast Effekten
iPhoneAndroide-post

Martin Sjöbeck

Kaggle
En öppen databas för machinlearning experiment, stort community och tävlingar hålls as we speak,

Tensorflow
Ett open source machinelearning framework för alla att experimentera med (skapat av google).

Följ oss på LinkedIn och prenumerera på podcasten Effekten. Vi inspirera, delar erfarenheter och kunskap om digitaliseringen. I bloggen så finns aktuella ämnen och på Twitter finns kortare inlägg om allt digitalt.  Aktuella poddavsnitt: cybersecurity, gigekonomi, ux, digitaltransformation

Designing for What’s Next. Josh Clark. (episode 80)

Play
Jan Bidner met with Josh Clark, from the American design studio Big Medium, headlining the conference UX London this year. The topic was Designing for What’s Next: The last ten years digital interaction has been driven by mobile, the next ten years will be driven by machine learning and AI. Engineers have showed us what is possible, now it is time for designers to find out how to use it – and the presentation of data is as important as the underlining logarithm.

Machine learning services are available for free! Microsoft, Google, and Amazon have web-friendly interfaces that anyone can try out and evaluate. UX researchers need to support the data scientists when it comes to building models that reflect the whole base of humans that we want to serve. Otherwise the data and the AI interfaces will be biased, developed by privileged white people in the western World. Image analysis is a typical example when things sometimes go wrong. A picture of a dinosaur on a measurer was described as a dinosaur on a skateboard…

Bots today use natural language, even sounding like humans in a phone call. But they are still less capable than humans. Is that what we want? How do we create interfaces that set the appropriate expectations that reflect what the system is actually capable of? It could be good to present the bot as a bot. (See Google Duplex.)

So what happens now? Very few interfaces go away. The keyboard is still there. Touch is still there. We are just adding more interfaces. The speech interface is here now, but it is not replacing the other ones, e.g. in open offices.

Play
Josh Clark, Jan Bidner (23:46)

Subscribe podcast Effekten (mainly Swedish episodes)
iPhoneAndroide-mail

Josh Clark
Josh Clark

Josh on Twitter

UX London speaker Josh Clark

Big Medium