В 2013 году я решил получить докторскую степень. диссертация по ИИ применительно к НЛП. Это решение изменило мою профессиональную ориентацию и стало первым шагом к моим знаниям и опыту в проектах с данными.
Я решил заняться научными исследованиями по двум причинам. первый из любопытства. Как лауреат более ориентированного на практику инженерного исследования, область исследований была для меня неизвестной областью. Затем я захотел открыть для себя это: стать частью лаборатории, проводить исследования, проводить больше теоретических исследований и, конечно же, написать научную публикацию. Вторая причина связана с технологическими тенденциями 2010-х годов, которые касались двух основных областей: больших данных и искусственного интеллекта.
В этой статье я поделюсь своим исследовательским портфолио со ссылками на все свои публикации, а завершу его кратким объяснением направления моей будущей работы.
Если вы еще не являетесь участником Medium, вы можете сделать это сейчас, используя ссылку ниже: https://abdelkader-rhouati.medium.com/membership
6 лет докторской степени
Анализ общественного мнения является направлением исследований в области обработки естественного языка (NLP). Цель состоит в том, чтобы извлечь мнение широкой общественности из контента, опубликованного в различных средствах массовой информации, в том числе в Интернете. Результаты, полученные в результате такой процедуры, очень полезны в нескольких областях, особенно в качестве помощи в принятии политических, экономических и социальных решений, в аварийных ситуациях, для определения целей маркетингового компаньона и во многих других случаях. В моей диссертации мы имеем дело с частным случаем анализа общественного мнения на основе текстового контента, извлеченного из социальных сетей.
Вклад моей докторской диссертации можно резюмировать в двух основных частях: анализ настроений французского твита, а затем агрегирование всех полученных настроений для оценки ориентации общественного мнения, выраженного в отношении заданной цели.
Вот список моих научных публикаций с 2013 по 2019 год:
2 с половиной года работы в Novelis’ Lab
Целью проекта исследовательской лаборатории является разработка решения, позволяющего автоматически генерировать исходный код веб-приложения на основе спецификаций и описаний, написанных на естественных языках (французском или английском), с учетом контекста и предметной области этого приложения. (здравоохранение, страхование, электронная коммерция и т. д.). Эта цель требует решения нескольких основных технологических и научных задач:
- Применение и реализация подходов, позволяющих машине понять потребности пользователя, выраженные на естественном языке (тексте) в определенной области, используя результаты современного уровня техники и участвуя посредством научного вклада в устранение обнаруженных ограничений.
- Автоматическая генерация компьютерного проекта, отвечающего потребностям пользователя (техническая архитектура, настройки, сценарии инициализации, пользовательский интерфейс и т. д.).
- Генерация алгоритмов с учетом ограничений и
требований, выраженных в потребности пользователя, для интеграции в созданный проект.
Чтобы решить эту сложную проблему, мы структурировали нашу работу на специализированные подзадачи средней сложности. Поэтому мы работали над 5 подпроектами и подкомпонентами: «генерация базы данных», «генерация запросов SQL», «генерация архитектуры», «генерация кода Java или Python» и «генерация пользовательского интерфейса». Мы предложили решение для каждого подкомпонента, однако подкомпонент, в котором мы добились наибольшего научного прогресса, — это генерация кода SQL. Вот две наши основные научные публикации, посвященные задаче генерации SQL-запросов из спецификации на естественном языке:
За два года работы в Novelis я также работал с клиентами над проектами RPA. Эта работа позволила мне открыть для себя эту новую область и воспользоваться этими проектами для написания моей статьи, предлагающей новую модель для определения наиболее подходящих бизнес-процессов для автоматизированных роботов:
Что дальше?
В последнее время меня все больше и больше интересует область объяснимости искусственного интеллекта (XAI). В некоторых областях, таких как банки и страхование, использование искусственного интеллекта остается ограниченным из-за отсутствия объяснения. Модели ИИ и, в частности, глубокое обучение — это черные ящики. Они работают и дают отличные результаты, но теперь эти результаты можно объяснить.
Моя следующая научная работа направлена на изучение возможностей объяснения моделей машинного обучения в вопросах естественного языка.
