presentation-1

Георги Къдрев се занимава с програмиране още от 11-годишен, като печели множество награди на престижни състезания по информатика и приложно програмиране през ученическите и студентските си години. През 2008 г. участва в създаването на технологичният проект Imagga, който по-късно прераства и в успешно бизнес начинание, което в момента има над 6,500 потребители и 180 клиента по целия свят. Вижте какво разказва Георги за Machine Learning, броени часове преди лекцията му „Практически приложения на Machine Learning за разпознаване на образи“.

Как ви хрумна идеята да създадете Imagga?

През годините идеята премина през доста различни форми – първоначално разработвахме търсеща машина за изображение на база визуална подобност, в последствие оформихме технологията за визуално търсене под формата на API, а след това добавихме и възможността за автоматично предлагане на думи, която в момента е основният ни продукт.



 

Събитие на фокус:

Multithreading with Swift 3.0

 


 

Кой е най-интересният момент около изграждането на Imagga?

Надявам се, че тепърва предстои. До момента имаме много възходи и падения, но най-важните два момента са: Първата работеща версия на технологията ни за автоматично предлагане на думи. Разчитахме, че веднага щом я имаме ще потекат потоци от клиенти към нас, но и това отне известно време.

Другото важно събитие бе сключването на първата ни сделка с голям корпоративен клиент, който промени и външното и нашето собствено отношение към нещата, които правим.

Защо избра да се занимаваш с Machine Learning?

Още първият път, когато се запознах с концепцията за машинно самообучение останах впечатлен и зареден с ентусиазъм от възможните приложения.

Може би не е изненадващо, че основното, което ме привлича в технологиите е възможността за автоматизиране на процеси. С прилагането на машинно самообучение могат да се постигнат наистина впечатляващи резултати в тази посока, и се радвам, че с Imagga допринасяме за това в контекста на организация на снимки.

Кои бяха най-големите технически предизвикателства, с които се сблъскахте около създаването на Imagga? Как ги разрешихте?

Събирането на качествени данни е и продължава да е едно от основните предизвикателства в света на машинното самообучение, където освен самото моделиране, качеството и количеството данни е от определящо значение.

Това е валидно както за нас, така и за конкурентите ни и продължаваме да работим в посока да улесним и подобрим резултатите от този процес.

Какво би посъветвал хората, които сега започват да се занимават с Machine Learning?

Да придобият необходимите теоретични знания, като същевременно с това не се притесняват да експериментират. Да мислят за евентуалния положителен резултат от това, което ще постигнат и да са изобретателни.

Стани част по потребителската група Machine Learning. Абонирай се и ще ти изпращаме информация за всичко, което предстои в групата.

Прочети още:
6 от най-популярните Machine Learning алгоритми – приложения и възможности
„Internet of Things е прекрасна зона за иновация и експерименти“ – Леон Анави, Software engineer

Визия: Личен архив

Share This