Data Enabled Design

Tue, 21 Dec 2021 01:00:00 +0300

Рассказ о том, где и как использовать дата саенс в дизигн, а дизигн в дата саенсе.
https://uxdesign.cc/why-design-needs-data-af3d47584847

Мне вот эта фраза из статьи прям резонирует

I’ve just realized that data and data literacy is an important part of designing at scale.

Статья короткая, поэтому пересказывать нет смысла. Внутри коротко про основные методы и полезные ссылки.
Я хочу обратить внимание на то, где требуются такие смешанные подходы.

Например, сам автор, судя по его портфолио, работает в каком-то R&D поле, где смешиваются физическое и цифровое пространство.

Схожий кейс, но только развернутый на 300+ страниц, продвигается отделом Data Enabled Design из Philips.
Они делают всякие умные устройства для дома (называют это “intelligent ecosystems”) и в рамках таких проектов прибегают к смешанным ресерчам.

Исследования на стыке HCI и ML

Mon, 30 Dec 2019 01:00:00 +0300

Анализ научных работ на стыке Human-Computer Interaction и Machine Learning, 2018 год. Источник: Mapping Machine Learning Advances from HCI Research to Reveal Starting Places for Design Innovation

Списочек уж больно совпадает с моим видением того, какие подходы будут чаще использоваться в продуктовой аналитике в ближайшие 5 лет.

User Modeling я давно уже постепенно изучаю и прокачиваю. Про это мало пишут и то только в академическом сообществе. Если вам тоже интересно, то присмотритесь к «соседним» областям с картинки. Почти все они относятся к разработке ML-продуктов, но под капотом используются похожий стек технологий, что и для User Modeling. Поэтому можно начинать прокачивать скилы по имеющейся литературе.

Чтобы ML пошел в массы, надо обучить дизайнеров его возможностям. Авторы приводят интересный аналог: художники и скульпторы перед созданием произведения искусства изучают материалы, их свойства и возможности. Поняв “ML-материал”, дизайнер сможет придумать неочевидные применения и создавать новые продукты. Пока что дизайнеры еще только изучают новое “сырье”.

В статье обозначены точки, в которых технологии (“материал”) уже есть, но устоявшихся UX-практик нет. В этих областях можно ожидать появление новых подходов и инструментов.

Попутно с изучение перспективных направлений, были найдены те области, где уже есть удачные примеры продуктов. Авторы выделили четыре вида ценности, которые ML может дать юзерам.

1. Прогнозы и выводы о пользователе
Алгоритмы, которые изучают поведение человека и “подстраивают” продукт под него. Примеры:
а) практически любые продукты, где-то что-то рекомендуют: музыка, фильмы, товары
б) цифровые персональные ассистенты

2. Прогнозы и выводы об окружающей среде
Алгоритмы, которые используют информацию о мире и адаптируют его под человека или группу людей.
Примеры:
а) умный дом / умный город
б) зная медицинские показания пациента и текущий ход операции, ML может помогать хирургу принимать решения.

3. Советы как сделать что-то оптимальным путем
Алгоритм может посоветовать объективно оптимальный путь решения задачи. Пример: навигатор строит маршрут до точки назначения.

4. Автоматизация рутины и новые возможности
ML-продукты позволяют экономить время пользователя упрощая или вообще убирая шаги из сценариев использования. Пример: новостной алгоритм, который фильтрует“воду” в информационном окружении и показывать только суть и новые факты.

Держим эти ценности в голове, когда собираемся придумать новый продукт на основе ML.

Jason’s Machine Learning 101

Tue, 19 Dec 2017 17:00:00 +0300

Красочная презентация от Гуглера про ML и прочее.
Приятно посмотреть. Есть теория и показаны примеры использования ML в «бою».

Доклад от 2019г.

Product × Science: заметки с тегом ML

Data Enabled Design

Исследования на стыке HCI и ML

Jason’s Machine Learning 101