На злобу дня список BI систем)

Opensource BI

Superset - https://superset.apache.org/

Metabase - https://www.metabase.com/

Redash - https://redash.io/

Российские BI

Visiology - https://ru.visiology.su/

Modus - https://modus.bi/

Polyanalyst - https://www.megaputer.com/ru

1c. Аналитика https://v8-1c-ru.turbopages.org/turbo/v8.1c.ru/s/platforma/1s-analitika/

Форсайт https://1solution.ru/products/forsayt/

Alpha BI https://bars-alpha.bi/

Polymatica https://www.polymatica.ru/

N3.аналитика https://netrika.ru/solution/bi

Криста BI https://www.krista.ru/catalog/platformkbi/

Loginom https://loginom.ru/

Триафлай https://triafly.ru/

Yandex Datalense https://cloud.yandex.ru/services/datalens

Как думаете, что будет популярно среди российского BI?

Трудно сейчас включится в работу над проектами с аналитикой и ИИ: все кажется таким маловажным! В эту вынужденную паузу многие ТГ каналы, за которыми слежу, публикуют очень эмоциональный пример сторителлинга данных - Fallen. Это про то, как измерить минувшие войны и мир. Про потери, главные из которых во II-й мировой. Очень сильные эмоции, особенно когда видишь потери СССР. В общем, без комментариев. Думайте сами, смотрите сами: интерактив и видео.

Мероприятие с красивым, хоть и труднопереводимым названием Virtual Beings and Being Virtual было посвящено не новой, но активно набирающей популярность теме виртуальных людей (или личностей, как кому больше нравится). Примечательно что участники не ударились в модный футуризм вокруг метавселенных, а рассказывали существующие кейсы, не требующие трехмерного антуража, дорогих шлемов или смутного web3. Цель тоже была нетривиальна по нынешним временам: сконцентрироваться на позитивных сценариях использования виртуальных персонажей. Оказалось, их множество, хоть склонные к алармизму журналисты и не любят о них писать. Образование, медицина, психологическая поддержка и поддержка коммерческих продуктов — это области, в которых миллионы людей уже взаимодействуют с виртуальными существами. И, конечно же, маркетинг и прочая коммуникация с потребителями тоже начинают влюбляться в виртуальных персонажей, способных собирать миллионы подписчиков, но не способных на неожиданные выходки или капризы.
https://www.forbes.com/sites/traceyfollows/2022/04/15/ai-generated-characters-are-here-theyre-just-not-evenly-distributed/
Жаль, когда-то много обещавший наш стартап Malivar ( https://malivar.io )не смог докрутить эту тему и в итоге ужался да просто подмены лиц на видео, а ведь хотели они почти того же, о чем теперь радостно рассказывают японцы.

Идея посмертного существования в цифровом виде не нова, не раз возникала в кино (классика — в “Черном зеркале”) и регулярно воплощается в чат-ботах разной степени сложности, в этом канале я о них уже писал.
Но нынче все озаботились метавселенной, и посмертно существовать хотят в ней же. Спрос родил предложение, и основатель компании Somnium Space предложил новую фичу с соблазнительным названием Live Forever. Если фича подключена, система начинает собирать все данные о активности и поведении пользователя в VR: его движения, голос, действия. Эти данные служат для обучения ИИ-аватара, который сможет радовать ваших друзей и знакомых после вашей кончины.
В заметке приведены ссылки и на другие похожие проекты, но их всех объединяет одно: их целевая аудитория - это все еще _живые_ люди, которым хочется пообщаться с покинувшим наш мир человеком. А вот как сам усопший(ая) будет после смерти воплощаться/переселяться в машинно обученный аватар, никто не объясняет 😉
https://thehustle.co/04152022-digital-afterlives/amp/

Хорошее замечание от главы Coursera: "Обучение где оценка знаний основана на написании ответа, нужно изменить немедленно". Это все по поводу ChatGPT и других ИИ сервисов. Через какое время мы услышим тоже самое про психодиагностику?
https://www.thenationalnews.com/business/2023/01/17/davos-2023-ai-chatbot-to-change-education-forever-within-six-months/

Задумался над задачей идентификации скиллов по сленгу.
Бизнес-задача такова: есть много юзеров, они регистрируются для участия в проекте, общаются в чатах типа Дискорда, но многие из них свои IT-шные скиллы при регистрации не указывают.
То, что есть общий IT жаргон, это понятно. Но, похоже, лексика существенно зависит от специализации, фреймворков и языка программирования. Реально ли обучить модель распознавать скиллы по тексту, если обучающую выборку можно набрать из специализированных чатов.
Мы тут начали (немного шуточное) обсуждение, на каких языках говорят IT специалисты
https://aw.club/global/ru/blog/learn/it-language-of-data-analysts

Хорошее summary от Юрия Шатрова. Тенденции схвачены. Я упомянул бы ещё недооценённый возможности Education Data Mineng и любых похожих систем, где трескается множество параметров поведения пользователя.

Мои личные открытия про оценку персонала за 2022 год
 
В прошлом году у Digital Assessment ЭКОПСИ было около 370 проектов по оценке, делюсь открытиями из них. Это первая часть.
 
1. Тесты зашли в тупик с точки зрения своей эффективности. Представим, что у нас есть тест с критериальной валидностью 0,25. Каждое последующее повышение валидности — например, на 0,05 — будет стоить всё дороже и дороже, а в каком-то момент мы упремся в потолок. Потому что классические тесты (к ним я отношу и IRT) стараются повторить наши простые линейные размышления о другом человеке. Например, человек отвечает, что выстраивает теплые отношения — значит он доброжелателен. Или человек правильно решает задания теста способностей — значит, у него она развита на более высоком уровне. На деле же реальность намного сложнее, и так просто наша психика не работает. А еще сложнее работает наше поведение: человек, который отвечает, что он очень доброжелателен, в жизни может демонстрировать средний уровень «теплоты» (просто его учили, что нужно описывать себя как доброго). Это и приводит к потолку в условные 0,4 критериальной валидности.

2. На смену тестам пока ничего не пришло и в ближайшие 5–7 лет не придет. Оценка по соцсетям не прошла проверку этикой и регуляторов; VR так и остался игрушкой (но прикольной!), а метавселенные только начали развиваться; нейроассессмент не смог отмасштабироваться. Осталась геймификация (games for assessment), которая ограничена оцениваемыми критериями — преимущественно интеллектом. И видеоинтервью, требующее огромных данных для настройки. Собственно, в этих двух инструментах я и вижу максимальный потенциал, но им еще нужно время, чтобы (а) собрать достаточно данных для создания универсальных моделей (и GPT может помочь); (б) стать привычными для участников оценки и компаний. Остальное — предиктивные модели, ONA — слишком экзотично для того, чтобы стать мейнстримом в оценке.

3. Да здравствуют тесты и машинное обучение. Сейчас лучше всего развиваются инструменты, которые берут лучшее из тестов и машинного обучения. Из тестов как метода сбора данных (человек отвечает на закрытые вопросы) и машинного обучения как метода их обработки. Под машинным обучением я имею в виду случайные леса, градиентный бустинг, метод опорных векторов, k ближайших соседей и прочие штуки, которые известны в первую очередь математикам или HR-аналитикам, но не психологам. Отличие ML-based тестов от классических в том, что они не ограничены нашей человеческой линейной логикой — даже сами разработчики не могут проинтерпретировать работу «черной коробки» внутри. Но за счет этого такие тесты и точны — связь с внешним критерием (при условии, если там адекватные данные) может доходить до 0,5–0,7. Эти открытия мы используем в наших продуктах delta.ai и AIM, а недавно начали добавлять и в тест потенциала PiF.

4. Невозможно сделать и фановый инструмент, и очень точный. Какими признаками обладает фановая оценка? Она относительно короткая, она погружает человека в какую-то интересную ситуацию, в ней часто нестандартизованная процедура. Например, квизы, короткие симуляции, кейс-тесты в формате realistic job preview, игры для оценки. Высокоточная оценка противоположна фану — она длиннее, ситуации ближе к жизни, процедура стандартизирована. А еще точная оценка обычно предполагает какие-то преференции для «выигравших» и кадровые решения, что тоже не добавляет веселья. В последнее время компании все чаще требуют сочетания и фановости, и точности. В пределе это звучит так: «Инструмент должен привлекать кандидатов, помогая нашему бренду, и хорошо отбирать их». Это невозможно, и в таких случаях приходится делать выбор, накренив инструмент в одну из сторон. Но можно не уходить совсем от легкости и веселья или точности, а добавлять отсутствующие элементы. Например, красивый визуал в тесты, помещать их в игровую оболочку. Или добавлять иммерсивности в центры оценки. В общем, движок должен быть сложным, процедура стандартизированной, а оболочка может быть веселой.
 
Автор: Юрий Шатров  

Одно из направлений маркетинга – привязать личность потребителя к личности бренда или товара (Brand personality). Для этого можно использовать, например, общую систему измерений (см. Пятимерная модель Аакера). Есть еще две старые задачи: психологической совместимости и совместного принятия решений. Здесь напридумано невероятное множество разных теорий.
Стартап из Берлина LifeTap AI взялся сразу все три задачи и пытается подсказать групповое решение при, например, выборе ресторана, бара или фильма.

Если вы со своими коллегами или друзьями решаете куда вместе пойти или какой фильм совместно посмотреть – модель должна определить ваши совместные личностные черты и подобрать к ним подходящие варианты досуга, который устроит всех. На самом деле, все немного сложнее и LifeTap AI использует теории принятия групповых решений, довольно интересную психометрику и теорию консенсуса, завязывая все это на машинное обучение.
https://www.lifetap-ai.com/

Новый выпуск AIA подкаста об искуственном интеллекте теперь эксклюзивно в блоге 🤖

Смотри раньше других. Что обсудили в новом эпизоде?
— Релиз LLM от Meta — LLaMa 2
— Переименование Twitter
— Новинки OpenAi
— Киберпанк-криптовалюту от Сэма Альтмана
— И многое другое

Включай прямо сейчас.

Датский проект life2vec разработал модель, определяющую черты характера и предсказывающую события жизни, такие как болезнь и смерть человека. На при обучении модели использовалась информация о здоровье, образовании, профессии, доходе, адресе и рабочем времени, доступная национальному Статистическому управлению Дании о 6 млн жителей страны.
📍Главная идея: человеческая жизнь может быть представлена как последовательность взаимосвязанных событий, подобно структурам языка. Соответственно, появляется возможность для этой задачи применить современные эффективные средства обработки языка. Исследователи получили 280-мерное векторное пространство жизни. В результате модель обучилась предсказывать различные результаты, начиная от ранней смертности и заканчивая личностными чертами.
На рисунке представлено прогнозирование смертности в свернутом 2-мерном пространстве. Красные точки обозначают действительно умерших целей. Точки с меньшим радиусом являются неопределенными прогнозами.
Описание модели опубликовано в декабрьском номере Nature.

Рисунок с прогнозом к предыдущему посту:

Друзья! С Нового года запустил группу в LinkedIn.
Новости, обзоры и резюме интересных статей по теме. На английском. Что-то из этого буду переводить и выкладывать сюда, но далеко не все.
🚀Присоединяйтесь, кто есть в LinkedIn:
https://www.linkedin.com/groups/9349447/

Продолжаю тестировать возможности GPT-4. С его помощью сделал обзор новостей из мира AI. 43 источника, 436 статей, два каскада обработки, итоговый запрос включал 70 тыс. токенов. Результат еще не идеален (большой промпт-инжиниринг впереди), но, лично мне удобно. Чтения на 30 сек ты в курсе что там происходит.
Спасибо @aw_club, что поверили и опубликовали. Хотим делать там еженедельно по пятницам. Следующий раз сделаю обзор про AI психометрику, новости уже есть.
https://aw.club/global/ru/blog/ai/sam-altman-s-wedding-top-10-ai-news-of-the-week

Интересное понятие - генеративные агенты. Не новое, конечно, но получившее новую жизнь, благодаря большим языковым моделям и развитию вычислительных технологий. Служат такие агенты для моделирования поведения человека в интерактивных приложениях, например, приготовления пищи, работы и ведения беседы. Это позволяет существенно улучшить функционал интерактивные приложений. Теперь самое вкусное: добавление в эту архитектуру больших языковых моделей позволяет сохранять и обобщать опыт агента . Таким образом, агенты обретают память и способность планировать. В результате такие генеративные агенты демонстрируют весьма правдоподобное индивидуальное и социальное поведение. https://pub.aimind.so/generative-agents-interactive-simulacra-of-human-behavior-ec15fbb50543

Так уж сложилось, что в психологию приходит много девушек. Многие из них потом хотели бы расти в IT. Как правило, идут в HR и TA. Но, вот вдохновляющий пример пути прямо в Hi-Tech. Дорогие женщины, ждем вас в Computational psychology!
https://aw.club/global/ru/blog/blondie-in-tech

На мой взгляд, Александр - лучший переводчик книг по Дата Аналитике. Рекомендую

🔥 Последний день распродажи! Не пропустите!

Друзья, сегодня последний день нашей душераздирающей скидочной распродажи, приуроченной к черной пятнице! Спешите раскупить все книги издательства «ДМК Пресс» (как в моем переводе, так и любые другие) по моим беспрецедентным (пишем без Н, как и инцидент!) скидкам 40% на PDF и 30% на бумагу!

Заходите либо на страницу с моими книгами (https://dmkpress.com/content/authors/8024111/), либо в каталог издательства (https://dmkpress.com/catalog/), кладите любые книги в корзину и применяйте мои скидки:

- на бумагу: Ginko_BlackFriday_2024
- на PDF: Ginko_BlackFriday_PDF_2024

А скоро ведь и Новый Год, можно заранее прикупить друзьям подарки! И мои книги в качестве подставок под них! 🎁

Все на распродажу!