Deep Kayal

Inżynier ds. Uczenia Maszynowego

„Dane, które mamy w Elsevier, to kopalnia wiedzy na temat wielu interesujących i inteligentnych rzeczy.”

Deep Kayal

Według mnie granicą uczenia maszynowego jest obecnie przetwarzanie języka naturalnego. Przetwarzanie tekstu jest trudne, ponieważ nie jest ciągły i jest subiektywny: poszczególne słowa mają dla różnych osób różne znaczenie. Ale właśnie dlatego jest to takie zajmujące.  Opracowaliśmy na przykład funkcję, która określa temat artykułu na podstawie jego treści, co pozwala nam na dużą skalę przeprowadzać analizy najczęściej cytowanych tematów, które w związku z tym można uznać za popularne. Pomaga to badaczom podjąć decyzję, na czym powinni skoncentrować swoje badania, instytucjom naukowym wyznaczyć obiekt finansowania, a wydawcom określić tematykę, jaką powinny zajmować się poszczególne czasopisma. Dane, które mamy w Elsevier, to kopalnia wiedzy na temat wielu interesujących i inteligentnych rzeczy. Fakt, że te dane należą do nas, a w związku z tym ich jakość jest gwarantowana, daje nam dużą przewagę.

--------

Deep Kayal jest Inżynierem ds. Uczenia Maszynowego w zespole treści i innowacji firmy Elsevier, zajmującym się automatyczną ekstrakcją danych z artykułów naukowych na rzecz różnych produktów Elsevier.

Więcej wypowiedzi naszych technologów nt. uczenia maszynowego

Georgios Tsatsaronis photograph
Tym, co podoba mi się w Elsevier w pracy nad uczeniem maszynowym, jest fakt, że mamy okazję łączenia teorii z praktyką.. — Georgios Tsatsaronis, Główny specjalista ds. NLP
Dowiedz się więcej
Sujit Pal photograph
Wyzwaniem, jakie wiąże się z automatyzacją technologii wykorzystywanej w opiece zdrowotnej, jest fakt, że stawka jest bardzo wysoka, ponieważ chodzi o ludzkie życie.. — Sujit Pal, Dyrektor Badań Technologicznych
Dowiedz się więcej
Helena Deus photograph
Gdyby uczenie maszynowe mogło poprawić jakość nauki, miałoby to ogromne konsekwencje dla cen i szybkości produkowania leków.. — Helena Deus, Starszy Badacz Technologiczny
Dowiedz się więcej