Мой опыт связан с визуализацией данных, дисциплиной, которую я практиковал и стал соучредителем компании. Я рассматриваю визуализацию данных как способ передачи данных и помощи людям в понимании данных. Использование зрения в качестве средства для получения информации позволяет нам, как коммуникатору, упаковать большое количество данных в небольшое пространство. Цель состоит в том, чтобы обеспечить быстрое и эффективное потребление больших объемов данных.
Однако то, как мы используем данные, находится на переломном этапе. Мы больше, чем когда-либо, обращаемся к машинному обучению, чтобы потреблять, изучать и осмысливать данные. Мы не так сильно полагаемся на людей в этом осмыслении. Алгоритм может быстро узнать о больших объемах данных гораздо больше, чем мы.
Итак, как нам следует рассматривать этот переход от человеческого осмысления к машинному осмыслению?
Во-первых, мы можем думать об этом через эту призму: Dataviz — это видение данных, а машинное обучение — это интернализация данных или мышление данными.
По мере того, как наша технология переходит от помощи видеть данные к реальному мышлению в данных, нам также необходимо изменить наши подходы. Где в процессе люди должны взвешивать данные? Какой анализ следует провести, чтобы понять, где и почему мы решили внедрить машинное обучение? И даже если мы не используем визуализацию данных, мы можем думать о машинном обучении как о потребителе этого пропущенного шага. ML находит шаблоны в данных, поэтому нам не нужно их создавать. Мы можем перейти прямо к нашей цели, имея в виду данные — что нам нужно, чтобы алгоритм узнал и помог нам действовать?
Рассматривая машинное обучение как эволюцию визуализации данных, мы можем подумать о том, как масштабировать это богатство понимания и осмысления.
*Стоит отметить, что dataviz и ML не исключают друг друга. Например, визуализацию данных можно использовать для передачи результатов модели ML. Однако обычно целью модели является не вывод данных для визуализации, а прогнозирование или выполнение действия, что делает визуализацию ненужным шагом.
