¿Quién financia la próxima ola de tecnología minera?
En los últimos años, el crecimiento de la tecnología minera se ha hecho cada vez más visible. Si bien no existe un único modelo global
leer el artículoJohn Vial y Hilary Goh son participantes y ganadores veteranos del hackathon Unearthed, habiendo participado en más de 10 de nuestros eventos de innovación abierta durante los últimos cuatro años.
Después de Unearthed Perth 2016, Hilary consiguió un trabajo como geocientífica de aprendizaje automático en Sistemas de visión para minas, después de que la presentaran al director fundador Paul Lucey. Esto implicó aplicar hardware y software robóticos para crear aplicaciones de mapeo de minas subterráneas en 3D para acabar con el método actual de lápiz y papel.
At Desenterrado Perth 2017El equipo de John y Hilary PAISAJE SONIDO ganó el premio de elección del público y después del evento, John fundó SONIDOdelve, una startup que explora el sonido en plantas de procesamiento mineras.
Recientemente nos reunimos con los cofundadores para conocer más sobre sus aventuras en el aprendizaje automático. Esto es lo que tenían para decir:
John: Soy John Vial, mi última aventura, como vicepresidente de robótica en Project 412, consiste en llevar la autonomía automotriz a la industria minera mediante colaboraciones y emprendimientos conjuntos. Sin embargo, anteriormente fundé una empresa que utiliza el aprendizaje automático para la comprensión acústica y fui investigador de aprendizaje automático en CSIRO y obtuvo un doctorado en robótica en Centro australiano de robótica de campo at La Universidad de Sydney.
Hilary: Soy Hilary Goh y actualmente estoy explorando nuevas formas de mapear el mundo físico y digital para la minería. Soy una de las fundadoras de SOUNDelve junto con mi esposo, John Vial, donde profundizamos en los viejos desafíos de la minería desde una nueva perspectiva.
Me gradué como Licenciado en Geología en la Universidad de Wollongong y completé mis honores en Geología Económica en la Universidad de Tasmania en 2008. Comencé como geólogo de exploración trabajando en plataformas de perforación y estudios geofísicos en áreas remotas, antes de pasar a trabajar en sitios mineros para diversos productos básicos en Australia.
Anteriormente, fui geocientífico en aprendizaje automático con Mine Vision Systems. Asumí este rol después de participar en hackatones y fines de semana de startups de Unearthed, donde colaboré con desarrolladores de software, ingenieros en robótica y otros.
Me gusta asistir a eventos de hackathon y fines de semana de startups en toda Australia porque disfruto descubriendo el lado emprendedor de la ciencia. Ahora que la nueva tecnología puede resolver problemas antiguos, ¿cómo podemos ponerla en manos de las personas que más la necesitan?
También soy miembro de la Servicio de Emergencia del Estado donde ayudamos a la comunidad a enfrentar desastres naturales, además de ser miembro de Mujeres en la minería WA (WIMWA) y Mujeres en la tecnología WA (WITWA). Recientemente me reuní con algunos amigos y fundé la Grupo de aprendizaje automático de Perth donde nos ayudamos mutuamente a codificar para el aprendizaje automático a través de reuniones y debates semanales.
John: Empecé a interesarme por el aprendizaje automático y la estadística durante mi doctorado. Descubrí que se pueden resolver muchos problemas interesantes mediante la estadística, y puede ser muy interesante desde el punto de vista técnico.
Creo que el aprendizaje automático está cambiando actualmente la forma en que operan las empresas, y continuará haciéndolo, por lo que es una tontería no estar al día con las técnicas y enfoques más recientes.
Hilary: Conocía el aprendizaje automático gracias al trabajo de mi marido como investigador en robótica y aprendizaje automático, pero recién cuando asistí a un hackathon en el que mi equipo exploró la posibilidad de aplicar el aprendizaje automático para correlacionar automáticamente vetas de carbón en muchos pozos de perforación me di cuenta de lo práctico y transformador que podría ser este método para la forma en que actualmente procesamos y analizamos los datos geocientíficos.
John: Era el comienzo de 2017 y quería aprender más sobre aprendizaje profundo. Lo había aplicado en algunos proyectos pequeños, pero la literatura era amplia. Recordé lo excelente que fue durante mi doctorado tener un grupo de compañeros que estaban aprendiendo lo mismo o cosas similares al mismo tiempo. Había asistido a muchas otras reuniones técnicas antes, y la mayoría de ellas carecían del aprendizaje profundo entre pares que se obtiene de una cohorte de doctorado. La mayoría de los otros grupos de reuniones proporcionaban debates sobre aprendizaje automático para el público en general que se diluían para el consumo público. Creo que ese tipo de reuniones definitivamente tienen su lugar y son geniales, pero anhelaba formar un grupo de compañeros con los que pudiera aprender, no un grupo de personas de negocios a las que hacer marketing.
Así que decidí intentar crear un grupo social con algunos de mis amigos que fuera como mi cohorte de doctorado. Le pregunté a Sean y Sarada (a quienes había conocido a través de un hackathon de Unearthed en Perth) y también a Hilary, y estaban muy interesados en comenzar a explorar el espacio conmigo. Luego pensé que podría haber otros que quisieran hacer lo mismo, así que hablamos con un centro de trabajo colaborativo local de la industria. Centro de innovación CORE Y amablemente anunciaron nuestro grupo en su sitio web. También fui y di un taller de 3 horas sobre aprendizaje automático en Curtin University Y de esos dos canales obtuvimos nuestros primeros miembros.
Construimos nuestra reunión en torno a un curso gratuito en línea, rápido.aiLo bueno de este curso es que no requiere ningún conocimiento más allá de programación, por lo que podemos permitir que cualquier persona que quiera poner manos a la obra (pero que le asusten las matemáticas) pueda empezar y ser productiva de inmediato.
Hilary: En marzo de 2017 nos reunimos para hablar sobre técnicas de aprendizaje automático y los últimos avances en el campo. Nuestra principal motivación era compartir nuestros aprendizajes y consejos prácticos de codificación con todos los demás, y así nació la reunión semanal de los jueves.
Más específicamente para mí, mi motivación es que PMLG pueda resolver los siguientes problemas para Perth:
Creo que PMLG puede ser una forma de crear un grupo de talentos de codificadores prácticos de aprendizaje automático para resolver los desafíos de la industria local.
John: Creo que lo más importante es crear una comunidad desde la que la gente pueda empezar a aprender y desmitificar este tema. Creemos que estamos creando un terreno fértil que permitirá que muchas empresas emergentes basadas en el aprendizaje automático prosperen en Perth, y esperamos que este año los miembros de nuestra comunidad puedan salir y empezar a aplicar el aprendizaje automático en sus empresas.
Hilary: El grupo sigue creciendo y continuamos enfocándonos en brindar un encuentro para aprender y compartir técnicas de ML para codificadores prácticos.
John: Poder occidental han patrocinado generosamente nuestro grupo y nuestro espacio. Grant, un empleado de Western Power, se unió a nuestra comunidad y comenzó a ver que estábamos agotando el espacio que habíamos encontrado, por lo que le pidió a Western Power que nos apoyara a través de una asociación con Centro de innovación CORECORE ahora nos proporciona el uso del espacio e incluso algunos eventos.
Hilary: Desde el principio, los miembros de los equipos de ciencia de datos de Western Power han asistido a las reuniones de PMLG. Uno de los miembros, Grant, pudo ver el valor que su equipo estaba obteniendo al aprender nuevas técnicas y se acercó al Ejecutivo de Western Power para buscar ayuda para asegurar un espacio permanente para nuestras reuniones semanales.
John: Nuestros Taller Mujeres en Machine Learning Se llevó a cabo el 5 de mayo de 2018 en CORE y las entradas se agotaron. El curso es una introducción al aprendizaje automático basada en gran medida en la primera parte del curso fast.ai.
La razón por la que hacemos esto es que descubrimos que nuestro grupo tenía un gran sesgo de género y creemos que se debe a una barrera de entrada que existe a la hora de establecerse y empezar. Nos preocupaba que la falta de modelos femeninos a seguir en nuestro grupo significara que cuando las mujeres vinieran a nuestro grupo podrían pensar inconscientemente que el aprendizaje automático no era para ellas.
El evento Mujeres en ML está dirigido específicamente a mujeres para ayudarlas a superar los obstáculos iniciales y mostrarles que no es demasiado difícil y que existe un gran grupo de mujeres exitosas en ML con las que aprender.
Hilary: Nuestra iniciativa para el taller Mujeres en el aprendizaje automático surgió de varios miembros que comentaron que había una falta de mujeres en el grupo. Además, los comentarios de nuestros miembros principiantes indicaron que comenzar (la configuración logística) en la codificación del aprendizaje automático era algo confuso y complicado. Esperamos que nuestro taller ayude a superar estos obstáculos.
Hilary: Algunos proyectos futuros que nos gustaría lograr son:
Gracias a Hilary Goh y John Vial por tomarse el tiempo para compartir sus conocimientos sobre el valor del aprendizaje profundo y automático.
Deseamos a Perth Machine Learning Group todo lo mejor en sus proyectos futuros y esperamos ver lo que este motivado grupo logra.
¿Te interesa el aprendizaje profundo y el aprendizaje automático? ¿Prefieres aprender mediante la programación? Para expresar tu interés en PMLG, únete al grupo de Meetup: https://www.meetup.com/Perth-Machine-Learning-Group/
Para obtener más información sobre los próximos eventos de Unearthed, visita: https://portal.unearthed.solutions/