заработок на обучение искусственного интеллекта
Как миллионы виртуальных мигрантов обучают нейросети
Оказывается, почти треть людей, делающих поисковики, голосовых помощников типа «Алисы», Cortana или Siri, роботов Boston Dynamics, беспилотные автомобили и другие умные штуки – незаметная прислуга, о которой не принято вспоминать.
Миллионы виртуальных гастарбайтеров работают на конвейере подготовки данных без образования, за зарплату два-три доллара в день.
Зачем нужны все эти люди
Сейчас не нужно писать тысячи строчек кода – есть много готовых библиотек и программы собирают из них, как из кубиков. Сложность в том, что каждый новый алгоритм для ИИ сначала нужно обучить. Логика его работы не похожа на обычные вычисления, а скорее напоминает действия человека.
Вместо того, чтобы как арифмометр складывать нули и единицы, ИИ получает примеры того, как нужно, а дальше разбирается сам. Путь не из легких, но только так решают задачи, требующие мышления: распознавание изображений, анализ живого голоса или разбор текстов на естественном языке. Годятся и простые алгоритмы, но это медленно и не так эффективно.
В этом нет магии, но есть серьезная проблема с наборами структурированных данных. Чтобы обучить алгоритм и заставить решать какую-нибудь реальную проблему, нужно «скормить» ему сведения о сотнях тысяч или миллионах разных, но похожих вещей.
Например, для создания программы по уходу за коровами на ферме, в нейронную сеть придется загружать все их фото и записи с мычанием. Ну а если вы собрались фильтровать спам – постарайтесь не забыть про нигерийские письма.
Все это богатство нужно сначала приготовить: найти всех ваших коров на фотографиях и обвести по контуру чем-нибудь ярким – чтобы алгоритм понимал, где проходит их граница с фоном. А фразы со смыслом «срочно помогите получить миллион долларов» – отметить маркером или вроде того.
Без предварительной подготовки – разметки, данные мало кому интересны, кроме вас. Компьютер сам этого не умеет, ему нужны люди.
Армия бесплатных помощников
Так происходит не только со спамерами. Отмечая какое-нибудь интересное место на карте, оставляя лайк или негативный отзыв, разговаривая с голосовым помощником или просто переходя по ссылке, люди обучают алгоритмы.
Мы – армия добровольных помощников, помогающих создавать искусственный интеллект.
Как используют наши данные и что с ними происходит на самом деле, точно неизвестно – «корпорация добра» не любит делиться такими деталями. Интересующимся объясняют, как работает машинное обучение, почему без него не обойтись, но это немного о другом. В Google даже придумали слоган: «Если не получилось с первого раза – попробуйте еще миллион». Намекают, что нам всем придется потрудиться.
Когда не хватает простых людей и нужны специальные знания, к разметке привлекают специалистов, не всегда ученых – важнее экспертность. К примеру, в создании программы для диагностики рака помогали врачи-радиологи, а игрового бота Open AI Five натаскивали школьники. Но не обычные подростки, а чемпионы по Dota 2.
Механический турок Amazon
Хорошо, когда есть добровольцы, но не всем интересно искать спам, обводить коров на фото или делать что-нибудь еще, тем более бесплатно. Чтобы решить вопрос с кадрами для разметки данных, компания Amazon десять лет назад запустила краудсорсинговую платформу Mechanical Turk.
Название не без иронии. В 1770 году некий Вольфганг фон Кемпелен – изобретатель из Австрии, создал шахматный автомат в виде раскрашенной деревянной фигуры. Маэстро гастролировал по Европе и его «механический турок» обыграл многих известных людей, в том числе Бенджамина Франклина и короля Фридриха II.
Считают, что в ящике находился живой гроссмейстер. Но не факт – первая из мистификаций искусственного интеллекта до сих пор не раскрыта.
Что же там внутри
«Механический турок» Amazon не играет в шахматы. Платформа связывает заказчиков, которым нужны данные для машинного обучения, с исполнителями – обычными людьми, получающими за это скромную оплату.
Все устроено так, что работа разбивается на маленькие простые задачи, которые может решить любой человек. Они жестко формализованы, содержат понятные инструкции и называются Human Intelligence Task (сокр. HITs). Например:
Время выполнения ограничено, оплата сдельная – за каждый выполненный HIT начисляется несколько центов, иногда чуть больше. Исполнитель всегда обезличен – если нужно, заказчик может к нему обратиться, но не по имени, а по идентификатору в системе.
Сколько платят
Никто не обманет – если делать все по инструкции, работу принимают быстро и платить не отказываются. Все финансовые потоки контролирует Amazon, деньги перечисляют на банковский счет в любой стране. Различие между гражданами США, России или Мозамбика в том, что американцу придется заплатить налог, а остальным – как повезет.
Чтобы выполнять дорогие заказы, нужна квалификация, которую не так-то просто получить, но легко потерять – достаточно нарушить какую-нибудь из инструкций. Интересные задания обычно нарасхват, а оставшиеся – скучные и не такие выгодные.
Но главное лукавство в том, что работа выполняется медленнее, чем планируешь. Потому что не успеть, например, определить за минуту, какой из двух текстов логически следует из третьего. Чтобы все прочесть, осмыслить и принять решение, нужно время. Вроде бы несложно, но набить руку тоже не выйдет – мало одинаковых хитов.
Чаще встречается информация, что доллар в час – неплохой результат, особенно для начала.
История Кристи Милланд
Она говорит, что больше не хочет повторять такой опыт.
Скандалы в прессе
Время от времени с Amazon случаются скандалы. Это не удивительно, ведь основатель компании Джефф Безос – самый богатый человек планеты.
Про скандал вскоре забыли – брат любовницы бизнесмена выложил в сеть его интимные фотографии.
Масштаб решаемых задач
В 2016 году Google открыл общий доступ к бесплатному набору данных для машинного зрения Open Images из 9 млн фотографий и репозиторию YouTube-8M из 8 млн видео. Чтобы отсортировать и пометить миллиард изображений и столько же роликов, потребовалось два года.
50 тысяч разметчиков данных для проекта были наняты через Mechanical Turk.
Ученые из Оксфордского университета считают, что это платформа контролирует примерно 7–10 % мирового рынка онлайн-занятости – всех работающих удаленно. Доход «механического турка» за 2018 год – 1 млрд долларов.
Платформа «Яндекс.Толока»
В 2014 году в России тоже появилась своя краудсорсинговая платформа «Яндекс.Толока», которая обеспечивает разметку данных для основных сервисов «Яндекса» и десятка проектов поменьше.
Особенности российского «турка»
Считается, что для работы в «Толоке» не нужны специальные знания. Но может потребоваться установить мобильное приложение.
Сколько можно заработать
«Яндекс», как и Amazon, осторожен в рекламе и никогда не позиционировал краудсорсинг, как основной заработок. По словам создателей, «Толока» – это, первую очередь, добровольная помощь. Можно поучаствовать в свободное время, а за это еще и заплатят.
Возможно, но почему-то всех, особенно в провинции, интересует именно цена вопроса.
В отличие от «механического турка», истории успеха и пруфы со скриншотами от богатых толокеров – большая редкость. Скорее всего, у людей просто не хватает времени.
История Ильи Михайленко
На презентации алгоритма «Королев» в августе 2017 года, символическим кубком-ракетой наградили 24-летнего жителя Челябинска Илью Михаленко – лучшего толокера «Яндекса» с самый высоким рейтингом.
Интервью Ильи Михайленко – лучшего толокера «Яндекса»
Парень, как он сам рассказал в интервью, занимается этим уже два года, использует несколько активных аккаунтов и стабильно зарабатывает «примерно среднюю зарплату в регионе». Сначала Илья совмещал разметку данных с работой в одном из местных SEO-агентств, но вскоре бросил продвижение и ушел в «Толоку» на полный день.
Краудсорсинг – это большой бизнес
Краудсорсинг, как оказалось, не только способ решить кадровые проблемы создателей ИИ, но и весьма выгодный бизнес. На фоне успеха «Механического турка» или «Толоки», другие не так заметны, но точно не бедствуют. Вот несколько известных игроков:
Платформа «Кликворкер»
Создана в 2005 году компанией Humangrid GmbH, с 2013 года Clickworker GmbH. Кроме разметки данных для ИИ, здесь можно заказать описания для товаров, платные опросы, ручной анализ настроений в соцсетях и переводы текстов носителями языка.
На Clickworker, по данным 2018 года, работает более миллиона исполнителей из 150 стран. Кроме сайта, можно использовать мобильные приложения для IOS и Android.
Компания «Восьмая фигура»
«Восьмая фигура» (в прошлом Dolores Lab, CrowdFlower) – основанная в 2007 году венчурная компания из Сан-Франциско с капиталом 58 млн долларов. Услугами Figure Eight часто пользуются Autodesk, Google, Facebook, Twitter, Cisco Systems, GitHub, Mozilla, VMware, eBay, Etsy, Toyota и American Express.
Компания стала известна, после того как в ее краудсорсинговых проектах были трудоустроены тысячи сомалийских беженцев в Кении и людей, пострадавших от землетрясения на Гаити.
«Майкрософт» UHRS
В Microsoft выбрали немного другой путь – не открытую, как у Amazon или «Яндекс», а внутреннюю платформу. Она называется Universal Human Relevance System – UHRS и доступна в двадцати странах, включая Россию.
В сущности, UHRS – такой же краудсорсинг, как «Механический турок» или «Толока», но только для внутренних нужд Microsoft. Из отличий, есть тест по английскому и довольно сложное квалификационное задание, без которого не допустят к работе.
Что-то здесь не так
Да, я люблю фантастику. Книжки про то, как проморгали, что-то пошло не так и все почти пропало – об ошибках генной инженерии, вырвавшихся на волю вирусах, злобных мутантах и мыслящих компьютерах, которые захватят планету.
Люди хотят быть счастливыми
Пару лет назад на платформе «Коворкер» появилась петиция генеральному директору Microsoft, господину Сатья Наделла. Авторы потребовали справедливого обращения с работниками UHRS.
Главная мысль: «Просим прекратить относиться к нам, как к разовым работникам… Мы очень благодарны, но более счастливые работники означают более качественное выполнение работ и быструю отдачу».
Получается, что не очень счастливы?
Можно работать прямо из дома, сидя в кафе или в баре, да хоть в притоне – где-нибудь в пригороде Манилы. Никто не спрашивает диплома, не тратятся годы на образование – трудись, когда есть время и желание, нет никаких жестких обязательств. Отличный путь выбраться из нищеты, для которого не нужны социальные навыки, образование или переезд в другую страну – только интернет и компьютер.
Люди хотят уверенности, которую дает постоянная работа.
Нет социального контракта
Краудсорсинг – не единственный способ обучать искусственный интеллект, но это эффективно. Пока выпускаешь чайники где-нибудь на заводе в Подмосковье, все идет по правилам – рабочие, конструкторы, управленцы, специалисты по логистике и маркетингу живут и работают по соседству. Это ограничивает свободу.
Делать разметку данных для «Яндекса» можно где угодно – за Уралом, на Чукотке, в Киргизии или Таджикистане, лишь бы понимали по-русски. У этого производства нет географической привязки, нет государственных границ – оно везде, где есть рабочая сила. Так ниже затраты, выше эффективность и меньше заботят локальные проблемы. И не так важно, что творится в каком-нибудь отдельном городе, области или в стране – главное, чтобы не мешали.
Общество дает бизнесу устойчивую экосистему, в которой он богатеет, а в ответ помогает людям жить лучше. Эти отношения называются «социальный контракт». Все общественные блага – дороги, линии электропередач и другие классные вещи, включая полицию, ограничение коррупции, стабильность и социальный порядок, используются для развития производства. А главное, работаем мы сами – культурные, образованные и квалифицированных люди.
В обмен на социальные блага, бизнес участвует в общественной жизни. Производители заинтересованы, поддерживают и развивают всю социальную экосистему, а не только платит налоги.
А если перевести всю работу в Нигерию, Пакистан, Индию или Камбоджу – туда, где у бизнеса нет и никогда не было социального контракта?
Там не нужно строить заводы, дороги, школы и больницы – это чужая территория, чужое общество и вообще чужие проблемы. Все что требуется – вовремя заплатить работникам. Социальные блага, которых в Бангладеш и так маловато, скоро закончатся, а остальное сделает коррупция. И нет гарантии, что искусственный интеллект поможет.
Но где мы, а где Бангладеш?
Нет, это грозит нам. Если ничего не менять, появится еще больше виртуальных мигрантов – новые миллионы рабов искусственного интеллекта, с нищенской оплатой труда, плохим образованием и своей, совсем не такой как у нас, культурой.
Так принято – в Европе, у нас или в Штатах, что все переселенцы обязаны на новом месте принять законы, этические нормы и традиции и научиться с ними жить. Это тоже часть социального контракта, которого нет у виртуальных мигрантов. И не факт, что мы сумеем договориться.
Только хорошее образование поможет не зависеть от «Яндекса», Google и любых проблем, связанных с искусственным интеллектом. Чтобы получить перспективную профессию и спокойно смотреть в будущее, приходите на онлайн-курсы от TeachLine.
Специалист по машинному обучению: кто такой, чем занимается и сколько получает
Разбираемся, нужно ли творцам искусственного интеллекта знать математику и Python.
Специалист по машинному обучению (ML, machine learning) — это программист, который с помощью специальных наборов данных и алгоритмов обучает искусственный интеллект.
Посмотрим, например, как приложение «Яндекс.Навигатор» выбирает маршрут до пункта назначения. У него есть ваши GPS-координаты и карта, но при этом он знает и о пробках, авариях, дорожном ремонте. Всё это благодаря графу дорог — алгоритм быстро анализирует возможные пути и находит самый быстрый. А программисты следят, чтобы машинный интеллект не ошибался.
Но ситуация на дорогах постоянно меняется: вчера здесь был поворот, а сегодня висит «кирпич» и водители вынуждены объезжать это место. Добавлять на карту все изменения вручную, особенно в реальном времени, слишком трудозатратно и дорого, требуется много людей. Но алгоритму совсем не обязательно знать про запрет — ему достаточно увидеть, что машины стали двигаться по-другому, чтобы перенаправить всех водителей на другие маршруты.
Научить компьютер принимать такие решения — задача специалистов по ML. Без этого мы не смогли бы обработать море информации, которую люди генерируют каждый день, и сделать нашу жизнь комфортнее.
Пишет про digital и машинное обучение для корпоративных блогов. Топ-автор в категории «Искусственный интеллект» на Medium. Kaggle-эксперт.
Чем занимается специалист по машинному обучению
Задачи специалиста по МL отличаются в разных компаниях и проектах, но чаще всего он делает вот что:
Собирать данные вручную сложно: если это, например. изображения, требуются сотни тысяч фото с разных ракурсов и разными условиями освещённости. «ВКонтакте» недавно запустил новую функцию — сеть показывает фото пользователей их друзьям и спрашивает: «Это Вася Иванов?» Чтобы отметить друга на фото, требуется меньше секунды. Не поленитесь и сделайте это. Так вы поможете нейросети научиться распознавать лица, а заодно почувствуете себя специалистом по ML — хоть немножко 🙂
Алгоритмы для построения модели программируют под конкретные задачи. Иногда они довольно простые — например, алгоритм для предсказания предпочтений туристов из разных городов занимает всего 20 строчек кода.
Но бывают и очень сложные — такие как гигантская нейросеть DeepCoder. Она копирует и миксует готовые фрагменты кода, создавая на выходе новые программы. Эта технология называется программным синтезом.
Получается, что сама нейросеть, состоящая из миллионов строк кода, может заимствовать его из множества других программ. Алгоритм порождает другие алгоритмы — чем не цифровая жизнь?
Кому подойдёт профессия специалиста по ML
Стать специалистом по машинному обучению за три дня не получится. Но вы можете попробовать профессию и попытаться предсказать курс доллара с помощью машинного обучения на бесплатном марафоне «Напишите первую модель машинного обучения за 3 дня».
Какие навыки нужны специалистам по МL
Предположим, нам нужно построить автоматическую систему рекомендаций для соцсети. Что должно лежать в основе рекомендаций? Хороший вариант — посмотреть, что лайкают друзья: людей часто объединяют интересы. Но чтобы система работала ещё лучше, придётся учитывать время года или суток, события в стране и в мире. Например, «ВКонтакте» утром чаще рекомендует новости, а вечером — мемасики про котиков и другой развлекательный контент. Чтобы всё это продумать и учесть сотни различных факторов, нужно быть готовым к кропотливой и даже монотонной работе.
Как определить, хороший контент в соцсети или плохой? Можно посадить сотни модераторов и разработать сложную систему правил, а можно просто добавить кнопку эмоциональной реакции — например, лайк. Если у поста много лайков, значит, людям он нравится, следовательно, материал хороший и нейросеть будет показывать его как можно большему количеству людей. Возможно, эта система не идеальна, но она позволяет решить проблему относительно эффективно и с минимальной затратой ресурсов.
Перспективы развития профессии
Сегодня МL помогает людям практически в любой области — от выбора сериалов на Netflix до заботы о здоровье. Востребованность специалистов по ML с каждым годом растёт. Например, hh.ru отмечает, что с 2015 по 2019 год количество вакансий в сфере машинного обучения выросло в семь раз.
Больше всего таких специалистов требуется в сфере информационных технологий, разработке программного обеспечения, финансовом секторе, бизнес-среде, маркетинге и розничной торговле.
На какую зарплату могут рассчитывать Junior, Middle и Senior
Яндекс, «Тинькофф» и другие компании нуждаются в крутых профессионалах в области ML. По наличию опыта такие специалисты делятся на три группы: Junior, Middle и Senior.
Junior (младший)
Нужно уметь работать с библиотеками для обработки данных — Pandas, NumPy, Matplotlib, и понимать системы управления базами данных — MySQL/PostgreSQL.
В регионах такой специалист может рассчитывать на зарплату от 40 тысяч рублей. В Москве джуны получают значительно больше — от 80 тысяч.
Middle (средний)
Уверенный специалист с опытом от 2 до 5 лет. Он способен перевести задачи бизнеса на язык математики, реализовать с нуля и оценить производительность модели машинного обучения, проанализировать и проверить данные — соответствуют ли они заданным критериям.
Среди требований к мидлу — навыки работы с современными аналитическими пакетами на R/Python и промышленными хранилищами данных (Teradata, DB2), а также понимание BigData. Приветствуется владение статистическими инструментами — SPSS, MATLAB, SAS Data Miner.
В регионах средняя зарплата — 60–80 тысяч, в Москве — не меньше 100 тысяч рублей.
Senior (старший)
Опытный специалист. Работодатели ожидают, что у сеньора за плечами 5–7 лет работы над проектами в сфере data mining, data analysis, машинного обучения или математического моделирования. В списке компетенций: уверенный Python, SQL/CQL, глубокое понимание архитектуры нейросетей, знание Spark Streaming (используется с Apache Spark), Cassandra (система управления базами данных), фреймворков TensorFlow, CV, PyTorch или других — в зависимости от стека компании.
Иногда выделяют ML Team Lead (тимлид, лидер команды). Тимлидами становятся сеньоры, возглавляющие подразделения Machine Learning. Здесь важны лидерские качества, тайм-менеджмент и умение работать в команде.
Сеньоры и тимлиды в регионах зарабатывают 100–120 тысяч, в Москве — от 200 и до 400–500 тысяч. Это хороший стимул освоить профессию. А учитывая, что потребность в машинном обучении с годами будет только расти, зарплаты опытных специалистов по ML точно не станут ниже.
Где учиться
Изучать машинное обучение можно в университете, на курсах или самостоятельно.
Университет даёт студентам хорошую базу, особенно в математике и статистике. Вы получите диплом государственного образца — это может быть плюсом при трудоустройстве. Но поступить на специальность Data Science обычно непросто и дорого. Например, двухлетняя магистратура по наукам о данных в «Высшей школе экономики» обойдётся в 1 155 000 рублей.
Курсы позволяют получить структурированную информацию в сжатые сроки. Такой вариант образования гораздо дешевле университетской программы. Кроме того, на курсах готовят выпускников к практической деятельности, дают поработать над реальными проектами. Стоимость стартует от 50 тысяч рублей и доходит до 150 тысяч.
Самостоятельное обучение подходит тем, у кого уже есть технический бэкграунд. В интернете много бесплатных книг и курсов, и некоторые из них весьма хороши. Но есть сложность: придётся самостоятельно планировать обучение и развитие, получать знания и навыки, которые понадобятся на работе. Без старшего товарища ориентироваться в океане информации и проверять рецепты из интернета непросто.
Вывод
Специалисты по машинному обучению работают над сложными, увлекательными проектами, которые хорошо оплачиваются. Созданные ими решения делают нашу жизнь проще, интереснее и безопаснее. Так что если вам хочется быть на переднем крае технологий и заниматься самыми современными проектами, без которых немыслимо не только будущее, а уже и настоящее, — возможно, это идеальная карьера для вас.
Самому освоить профессию специалиста по машинному обучению трудно. Но можно записаться на курс «Профессия Data Scientist: машинное обучение», где опытные специалисты по ML собрали сбалансированную программу, учли типичные ошибки новичков и делятся лучшими практиками. За год с небольшим вы научитесь разбираться в программировании и моделях МL и поработаете с реальными проектами в машинном обучении.
Использование ИИ для заработка в интернете сейчас набирает популярность в IT-сфере. Команда белорусских стартаперов во главе с Дмитрием Мацкевичем не обделила вниманием современные технологии. В результате кропотливой работы предпринимателей была создана блокчейн-платформа Dbrain, упрощающая обучение нейросетей и параллельно позволяющая пользователям подзаработать в интернете. Кроме Дмитрия Мацкевича над проектом работали Алексей Хахунов и Иван Горшунов.
Содержание
Особенности платформы Dbrain
Dbrain — платформа для создания и развития интеллектуальных компьютерных программ, разработанная на основе блокчейна. Ресурс призван объединить заказчиков, которым нужно написать нейросеть, с исполнителями. Таким образом разметчики и разработчики машинного разума могут участвовать в обучении ИИ для бизнеса с минимальными затратами времени, сил и финансов.
Любой проект в сфере ИИ состоит из двух основных этапов:
Платформа Dbrain функционирует на базе смарт-контрактов в сети Ethereum, что гарантирует максимальную безопасность и прозрачность сделок. При этом прибыль между исполнителями распределяется честно. Система использует протоколы SPOCK и PICARD. Первый гарантирует максимальную точность при проверке маркировки, второй обеспечивает безопасность хранения частной информации.
Принцип заработка на разметке картинок
Главная идея разработчиков алгоритма Dbrain: каждый человек сможет заработать на этой платформе, выполняя ряд несложных действий. И любой желающий имеет возможность поучаствовать в обучении нейросети. Принцип работы таков: вы видите на картинке изображение, например, собаки, и выбираете вариант ответа с соответствующим названием. Таким образом исполнители выполняют заказы и получают за это плату.
Технический директор Алексей Хахунов
Алгоритм Dbrain допускает наличие заданий разной степени сложности. Например, определять котиков, собачек и другие подобные картинки могут люди без каких-либо дополнительных знаний. При оформлении заказа на платформе клиенты также имеют возможность сделать пометку “специальные знания”. В такую категорию заданий, к примеру, может входить определение марок автомобилей. Один из основателей компании Dbrain, Дмитрий Мацкевич, заявляет о безграничных возможностях своего детища вплоть до определения раковых образований по изображениям. Чем сложнее задание, тем выше заработок разметчика на платформе.
Получать заказы по разметке картинок можно в мессенджере через чат-бота, на сайте проекта либо в мобильном приложении. Так, при использовании Telegram программа выполняет автоматические действия по маркировке и распознаванию данных, позволяя вам получать деньги за минимум самостоятельных действий. При этом, кроме обработки готовой информации пользователь платформы также может предоставлять ее в виде изображений, GPS-координат, аудиозаписей.
Для начала исполнители будут получать легкое тестовое задание, которое нужно выполнить правильно не менее чем на 99%. Затем разработчики предлагают организовать коллективный труд, когда сперва разметчик выполняет свою задачу, затем работу будут проверять другие участники. Стоит учитывать, что в системе формируется рейтинг пользователей, поэтому при нарочном предоставлении неправильного ответа исполнители в дальнейшем будут зарабатывать меньше.
Вывод денег
Оплата исполнителям будет перечисляться в токенах. Так как криптовалюта сейчас считается перспективным активом, вы сможете оставить заработанные средства на счете в исходном виде или перевести в фиатные деньги путем зачисления на банковскую карту или мобильный счет.
Вывести токены в обычную валюту можно на готовой платформе. Разработчики пока не называют оператора услуг, но гарантируют безопасность вывода криптовалюты через белорусский банк. Для людей, у которых нет банковского счета, доступен вариант отправки денег на номер мобильного телефона.
Директор по маркетингу Иван Горшунов
Несколько слов об ICO
Отзывы о заработке на алгоритме Dbrain
Отзывы пользователей свидетельствуют о простоте заработка на платформе Dbrain. Чтобы зарабатывать на разметке картинок, необходимо потратить немного времени и научиться выполнять однотипные действия. При этом не обязательно работать все свободное время, достаточно уделять этому несколько часов в день. Заработанные деньги можно переводить в доллары и использовать в качестве прибавки к зарплате. Вы также получаете отличную возможность вложить криптовалюту в инвестиции.
Выводы
Среди множества похожих проектов платформа Dbrain выделяется доступностью для людей, не имеющих глубоких знаний в сфере компьютерных технологий. Зарабатывать здесь может каждый, у кого есть компьютер или телефон, немного свободного времени и желание научиться чему-то новому. Для компаний-заказчиков такой алгоритм существенно облегчит процесс обработки данных, необходимых для машинного обучения. Приложение Dbrain позволяет избежать таких проблем, как плохое качество маркировки и отсутствие гарантии защиты исходной информации. Важным моментом является возможность зарабатывать на платформе людям с ограниченными возможностями, студентам и всем, кто не может уделять подработке много времени. Также на платформе выгодно работать тем, кто хочет инвестировать в криптовалюту, так как сбережения можно откладывать и приумножать на росте стоимости цифровых активов, что сейчас считается целесообразным решением.