Inteligentne systemy przetwarzania danych i Data Science
(kierunek: Informatyka)

1. Firma chce, żeby system sam rozpoznawał wadliwe produkty na zdjęciach z linii produkcyjnej. Jak do tego podchodzisz?

Przygotowuję oznaczone dane, dobieram i trenuję model rozpoznawania obrazów, a potem sprawdzam, gdzie się myli. Szukam gotowego rozwiązania i wdrażam je bez większych zmian. Uważam, że lepiej zatrudnić więcej kontrolerów.

2. Twój model uczenia maszynowego osiąga świetne wyniki na danych treningowych, ale słabe na nowych. Co robisz?

Rozpoznaję przeuczenie, poprawiam podział danych, stosuję regularyzację i walidację krzyżową. Dokładam więcej danych i liczę, że pomoże. Uznaję, że model po prostu nie działa.

3. Klient pyta, dlaczego inteligentny system odrzucił jego wniosek. Jak do tego podchodzisz?

Uważam, że system powinien być wyjaśnialny — stosuję metody pozwalające pokazać, które czynniki wpłynęły na decyzję. Odpowiadam, że tak zdecydował algorytm. Nie zastanawiam się nad tym — to sprawa działu obsługi klienta.

4. Podczas praktyk zauważasz, że dane do trenowania modelu słabo reprezentują niektóre grupy użytkowników. Co robisz?

Zgłaszam ryzyko stronniczości modelu, proponuję uzupełnienie danych i sprawdzenie wyników dla różnych grup. Zaznaczam to w notatce, ale nie zmieniam nic. Ignoruję to — ważne, że średnia skuteczność jest wysoka.

5. Jak podchodzisz do algebry liniowej, rachunku prawdopodobieństwa i optymalizacji?

Rozumiem, że to podstawa działania modeli, i lubię wiedzieć, co dzieje się w nich od środka. Znam podstawy, w praktyce korzystam z bibliotek. Wolałbym/wolałabym w ogóle się nimi nie zajmować.

6. Masz zbudować system, który automatycznie analizuje wiadomości od klientów i kieruje je do odpowiednich działów. Od czego zaczynasz?

Analizuję przykładowe wiadomości, definiuję kategorie, przygotowuję model przetwarzania języka i plan oceny jego skuteczności. Ustalam listę słów kluczowych i proste reguły. Zostawiam to ręcznemu sortowaniu.

7. Ukazuje się nowa publikacja naukowa opisująca ciekawą architekturę sieci neuronowej. Jak reagujesz?

Czytam ją, próbuję odtworzyć wyniki i zastanawiam się, czy przyda się w moim projekcie. Czytam streszczenie w internecie. Nie śledzę takich nowości.

8. Model działa już produkcyjnie, ale po jakimś czasie jego skuteczność spada. Co robisz?

Monitoruję zmiany w danych wejściowych, wykrywam dryf i planuję ponowne trenowanie modelu. Czekam, aż ktoś zgłosi problem. Uznaję, że tak już musi być.

9. Jak widzisz swoją rolę kilka lat po studiach magisterskich?

Projektuję inteligentne systemy, które uczą się z danych i wspierają ludzi w podejmowaniu decyzji. Pracuję jako programista/programistka przy gotowych rozwiązaniach. Nie mam jeszcze żadnych planów.

10. Co najbardziej motywuje Cię do studiów magisterskich na kierunku Inteligentne systemy przetwarzania danych i Data Science?

Chęć tworzenia systemów, które uczą się z danych, rozpoznują wzorce i podejmują trafne decyzje. Dobre perspektywy zawodowe w branży sztucznej inteligencji. Nie jestem pewien/pewna, czy to dla mnie