Mit csinálnak a Bosch budapesti adattudósai?
Kevés szó esik róluk, pedig egyre nagyobb szerep jut nekik egy-egy projekt kapcsán. Az adattudósok nem feltétlenül mérnökök, mégis nélkülük ma már nem születhet hatékonyan új termék vagy megoldás egy adott problémára.

 

Zámborszky Judit négy éve erősíti a Bosch Budapesti Fejlesztési Központjának csapatát, így a tőle származó információk segítenek megérteni az adatelemző tudósok mindennapjait. Amikor a Bosch Budapesti Fejlesztési Központja kapcsán elhangzik a mesterséges intelligencia kifejezés, mindenkinek az önvezető autók jutnak elsőként az eszébe.

Pedig az adat alapú megoldások ma már telephelyeink mindegyikén ott vannak, legyen szó fejlesztésről, gyártásról, vagy akár karbantartásról. A mérnöki munka ilyen jellegű támogatása nagyon fontos, ezért van szükség egyre több adattudósra. És bár maga a kifejezés elsőre akár unalmasnak is tűnhet, hamarosan rávilágítunk, hogy valójában egy meglehetősen színes feladatkörről van szó.

Az adattudomány számos tudományterületből merít, így egy adatelemzőnek elengedhetetlen, hogy a matematikában, a statisztikában és a számítógép-tudományban otthonosan érezze magát. Ezeken felül az alkalmazott terület sajátosságaival is megismerkedik azért, hogy megbízható, gyors és üzletileg hasznos eredményeket tudjon teremteni.

Az adat a megoldás

Hogy mit jelent mindez a gyakorlatban? Tulajdonképpen azt, hogy a fejlesztésért felelős mérnökök által azonosított nehézségekre sokszor az adat alapú eszközökkel egyszerűbb és gyorsabb megoldást találni, ezért hatékonyabb egy munkavégzés. Ehhez azonban az kell, hogy az adattudósok bekapcsolódjanak a folyamatba. A detektálás és a termékismeret a mérnöki oldalról jön, a probléma kezelését viszont az adatelemzők biztosítják.

 

Szinte mindegy, hogy milyen területről beszélünk, hiszen legyen szó fejlesztésről, gyártásról, vagy logisztikáról, elképesztő mennyiségű adat áll rendelkezésre

 

Utóbbi kollégák feladata a fejlesztés, vagy a problémakeresés során összeálló nagy (strukturált és strukturálatlan) adathalmazok rendezése és elemzése az erre a célra készült szoftverek és módszerek segítségével. A statisztikán alapuló elemzési eljárások eredményeiből egyszerű, érthető döntéseknek kell születnie.

„Az, hogy milyen gépi tanulási algoritmust és megoldást használunk attól függ, hogy milyen speciális igények merülnek fel az adott feladatnál. Ezért különösen fontos, hogy a megrendelő pontosan meg tudja határozni, hogy mire szeretne választ kapni az adatok segítségével, mi pedig megtaláljuk rá a hogyant” – mondja Judit.


Leegyszerűsítve: a mérnökkollégák elmondják, mi a probléma és megmutatják, milyen adatok állnak rendelkezésre. Az adattudósok ezeket feldolgozzák és az információk alapján közösen kidolgoznak egy módszert a megoldásra. A gépi tanulási modellek alkotása és optimálása is adattudós feladat, melynek végén megszületik a feladatra kidolgozott és aztán használatba vehető algoritmus.


A Bosch adattudományhoz kapcsolódó története már a 2010-es évek derekáig nyúlik vissza. Akkoriban a big data és a hozzá kapcsolódó módszerek nem voltak mindennapos opciók a gyártástámogatás vagy épp a fejlesztések kapcsán. Az első magyarországi sikertörténet egy teljesítménymodul gyártása során felmerülő problémához nyújtott gépi tanulási modellel megoldást. Ezt szorosan követte a szenzorgyártás területén használt mesterséges intelligencia sikere, melyről korábban már olvashattatok és melyben Juditék csapata is aktívan részt vett.

Fiatal tudomány, tapasztalt csapat

Azonban a gyártástámogatás mellett a mérnökök egyéb feladatait is segítik az adattudósok. MI megoldások teszik hatékonyabbá például a fejlesztésben születő röntgen képek elemzését: egy automatizált megoldással 140-szer gyorsabban végzi el egy algoritmus a kiértékelést, mint az eddig használt módszer, ráadásul mentesíti a kollegákat a monoton feladatoktól, így hasznosabban tölthetik idejüket. Az adattudományt sokan – tévesen – az informatikával azonosítják, pedig ez ennél sokkal színesebb játszótér.

 

A képelemzés kapcsán korábban elképzelhetetlen fejlődést sikerült elérni a mesterséges intelligencia használatával

 

A Budapesti Fejlesztési Központ csapatában például van fizikus, gazdasági elemző és biomérnök is, de valójában nem is az alapképzettség a lényeg, hanem a problémamegoldó hozzáállás és egy igazi interdiszciplináris terület felé való nyitottság. Az, hogy az adatelemzést és a mesterséges intelligenciát számos területen használják, az orvosi diagnosztizálástól a genetikán keresztül a szociológiában és gazdaságtanban, magával hozza ezt a fajta sokszínűséget.


Leegyszerűsítve: Az adattudós egy meglehetősen különleges, sokak számára ismeretlen szakma. Az adattudományokhoz szükséges a lineáris algebra és a programozás ismerete, viszont mivel minden szakmai területen, ahol adat keletkezik, alkalmazható ez a tudomány, így bármelyik területről érkezve adatelemzővé válhat valaki.


Persze az adattudósok sem gondolatolvasók, így minden esetben a kollégák segítségkérését követően indulhat a közös munka. A probléma megismerése után egyfajta áttekintéssel kezd a csapat, hiszen először magát azt kell megvizsgálni, hogy van-e megfelelő mennyiségű és minőségű adat. Ha nincs, akkor az adatgyűjtés szempontjait határozzák meg, hiszen később ebből tudnak majd dolgozni.

És ugyan gyakorlatilag nincs két egyforma projekt, a szakemberek az oktatásra és tanulásra is nagy hangsúlyt fektetnek. A Bosch az ilyen kompetenciák kapcsán is az élen jár, a németországi oktatások mellett már Budapesten is van lehetősége a fejlesztőmérnököknek olyan oktatóanyagokat megismerni, amely az adatelemzéssel kidolgozott módszereket mutatja be.

Kérésre jön a segítség

”Alapvetően még mindig az informatikusokat és matematikusokat vonzza leginkább ez a tudományterület, de egyre több példa van arra, hogy más szakmák látják meg az adatban rejlő lehetőségeket és kóstolnak bele az adattudományba. Az pedig sosem baj, ha egy elemző egy nyelvet tud beszélni a terület szakértőivel, bár ilyenkor egy új szemüvegen keresztül kell megközelítenie a feladatot.

 

Ez a tudomány tanulható és igazából nem is lehet egyetlen végzettséghez kötni

 

Az adatra épülő projektekben különösen fontos a csapatmunka. A technológiát vagy terméket fejlesztő mérnök mellett az adatokat szolgáltató mérési eszközöket ismerő kollegákra, például egy gyártástámogatásnál a gyártósori mérnökökre és technikusokra is szükség van az elemzőkön kívül.


Leegyszerűsítve: Az adattudósokat minden esetben konkrét problémához kérik fel a kollégák. Ők nem feltétlen ismerik az adott mérnöki területet, de nem is szükséges nekik ahhoz, szorosan a csapat részeivé válva tudjanak hatékonyak lenni.


A budapesti csapat mindig probléma alapon közelíti meg az adott feladatot. Ez elsősorban felfogás kérdése, de eddig ez a szemlélet bevált. A mesterséges intelligencia algoritmusok használata egyszerűbbé teszi a mérnökök munkáját, azok tanításához viszont elengedhetetlen az adatok elemzése. Legyen szó hibakeresésről, a gyártási költségek csökkentéséről, vagy épp egy folyamat hatékonyabbá tételéről a budapesti adattudósok szerepe egyre jelentősebb.

Judit és kollégái akár több különböző projekten is dolgoznak egy időben, minden esetben annyi támogatást nyújtva, amennyire épp szüksége van a fejlesztő, vagy épp a gyártástámogató mérnököknek. Ez a munka mindig új kihívásokat tartogat, épp ezért sohasem unalmas.

 

Így nézhet ki a tenger melletti légiközlekedés jövője
A világ lakosságának 40 százaléka tengerparti településeken él. Számukra az amerikai Regent innovatív elektromos siklói elsőként kínálnak majd biztonságos, olcsó, nagy sebességű és kibocsátásmentes mobilitási megoldást.
A vállalatok jelentős részénél hiányzik az adatstratégia
Át kell gondolni az adatmenedzsment stratégiát, hogy profitáljunk az elmúlt évek digitális befektetéseiből – hívja fel a figyelmet „The Data Imperative” felmérésében a KMPG.
Adatvezérelt működés az iparban
Az adat teremti meg a kommunikációt nemcsak a gépek, hanem az emberek és a gépek között is.
Biztonságos felhőalapú adatmegosztás
Az Európai Unió adatvédelmi irányelveivel összhangban létrehozott, biztonságos és átlátható adatmegosztást lehetővé tevő digitális ökoszisztémához, a Gaia-X-hez a SZTAKI révén Magyarország is csatlakozott április végén.
Virtuális magánhálózatok védelme
Alaposan megfizethetünk a digitális világban a másokkal megosztott privát adatainkért: a magánéletünk lehet az ára.