Ива Иванова се занимава се Marketing Analytics. Поради естеството на данните и свободата да експериментира, Ива често прибягва до Machine Learning подходи в решаването на проектни предизвикателства. На събитието на 5-ти юни „Case Study: Как данните предопределят един нов продукт”, Ива ще разгледа етапите, през които премина проект от практиката й. Тя ще сподели подходите за решаването на отделните предизвикателства и какво мотивира изборите, които тя и екипа и правят. Сега, тя разказва кой е най-интересният аспект от работата и с Machine Learning и какво я вдъхновява в работата и.

Как започна да се занимаваш с Machine Learning и кой е най-интересният аспект от работата с Machine Learning?

Запалих се по Machine Learning покрай писането на магистърската ми теза. По това време работех в енергийния сектор и ме вълнуваха модели за прогнозиране на цените и на потреблението на електрическа енергия.

В България този сектор изостава от световните тенденции, където от продажби до борсовата търговия, производство и съхранението на енергийни продукти, се използват както статически, така и Machine Learning подходи.

В тази връзка, темата на дипломната ми работа беше свързана с прогнозиране на енергийното потребление и след като прочетох много по темата, реших да използвам именно Machine Learning  и по-специално невронни мрежи.

Бях твърдо решена, че искам да се занимавам с моделиране на данни и да предлагам решения. Затова започнах работа в тази област, като в момента се занимавам с Marketing Analytics и в проектната ми работа използвам различни Machine Learning подходи.

Какво те вдъхновява в работата ти?

Предизвикателствата. В моята работа се налага постоянно да мислиш решения, като същевременно, не забравяш и фокуса върху потребителя: как най-лесно да обясниш какво си направил и как работи, така че да може той да го разбира най-общо и да има добавена стойност за него. За мен основното предизвикателството е балансът между технически издържано аналитично решение и фокус върху нуждите на потребителя. Продуктите, които аз и екипът ми създава, се стремят към този баланс.


 

Събитие на фокус:

Testing NodeJS Code

 

 


Знаете ли, че основна бариера за използването на Marketing Analytics от маркетинг мениджърите и специалисти е, че е твърде сложен и изчисляването на възвръщаемостта от използването му, е трудна за остойностяване.

Харесва ми и да се информирам най-общо за тенденциите в бизнеса. Често се „заравям“ в данните, експериментирам с различни подходи. Когато намеря някаква странност в данните, отстъпвам крачка назад и тръгвам по следите, за да намеря каква може да е причината. Обръщам внимание на това как са събирани данните, откъде идват. Търся отговори от бизнеса на клиента и от живота, които да обяснят аномалиите. По този начин научавам повече за областта, в която работя, и слагам данните в контекст. Мисля, че това ще проличи и в презентацията ми.

Кое e най-голямото технологично предизвикателство, с което си се сблъсквала?

Като сравнително млад практик в областта на Machine Learning, моето най-голямо предизвикателство е, че „подход или алгоритъм, който е подходящ за малко данни, не работи за големи данни“.

Как се справяш?

Търсенето продължава… с четене и тестване.

Издай ни нещо от кухнята. За какво ще говориш на събитието на 05-ти юни?

Ще поговорим малко за Marketing Analytics и след това ще ви представя един проект от моята практика, именно в тази област. Най-общо ще търсим решение на въпроса: Възможно ли е да намериш връзка между статични и динамични характеристики?

Какво би посъветвала всички, които сега започват да се занимават с Machine Learning?

Това е област, в която си в центъра на голям водовъртеж и има много динамика. Трябва да си с нагласата, че ученето на нови технологии и техники е постоянно.

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

Визии: Личен архив

Други интересни публикации:
Технологични потребителски групи – голямата идея зад събитията на DEV.BG
„Разработването на добър софтуер изисква търпение и упоритост“ – Дори Зидон, CoreTeam.io

 

Share This