Apa yang terjadi di Vegas...
Bulan lalu saya mengunjungi US Air Force Operations Research Symposium (AFORS) di Nellis Air Force Base, Las Vegas. Konferensi ini merupakan ajang tahunan bagi komunitas analis Angkatan Udara, dengan lebih dari 200 peserta yang membahas topik riset operasi, machine learning, dan ilmu data.
Angkatan Udara telah berinvestasi besar-besaran untuk memodernisasi alat dan pelatihan dalam bekerja dengan data, dan saya berada di sana untuk memimpin lokakarya code-along tentang penggunaan DataCamp Workspace.
Lima area kunci untuk transformasi data
Dr. Angela Giddings, Technical Director of Studies, Analyses, and Assessments, merangkum tujuan Angkatan Udara terkait program transformasi data. Ia menyatakan bahwa masalah besarnya adalah mencari cara agar analis riset operasi dapat menjadi pengganda kekuatan bagi keseluruhan Angkatan Udara. Secara tradisional, riset operasi merupakan kelompok yang sangat akademis di dalam Angkatan Udara, tetapi model tersebut tidak lagi layak dalam layanan saat ini.
Dr. Giddings menyebutkan lima area kunci untuk transformasi.
- Memastikan proyek berdampak pada masalah nyata
- Memastikan hasil disampaikan saat masih relevan
- Menggunakan data yang tepat untuk masalah yang tepat
- Menghasilkan wawasan dari matematika
- Memanfaatkan visualisasi
Menariknya, semua area ini mencerminkan tantangan yang dihadapi organisasi di seluruh dunia, terlepas dari apakah mereka militer atau bukan.
Tantangan perekrutan
Tema berulang dari para perwira senior adalah bahwa merekrut dan mempertahankan talenta data terbaik sangat menantang. Baik Mr. Wayne Schatz, Director for Studies, Analyses and Assessments, maupun Col Ron Annaballi, Air Force Chief Analyst, membahas penanganan tantangan perekrutan ini dengan menjadikan skuadron sebagai tempat yang hebat untuk bekerja, dan pelatihan serta alat merupakan kontributor kunci. Angkatan Udara memiliki akses ke tiga platform pendidikan online—DataCamp, Coursera, dan PluralSight—selain pelatihan internal. Tumpukan data modern sedang dikembangkan melalui akses luas ke Python, DataBricks, Tableau, Plotly, Dataiku, dan Palantir.
Presentasi teknis yang mengesankan
Pada presentasi teknis, saya terkesan dengan ragam proyek USAF. Optimalisasi pelatihan pilot menjadi tema berulang, dan saya melihat bukan hanya satu tetapi dua presentasi yang memasang sensor detak jantung, pelacakan mata, dan sensor lainnya pada pilot untuk mencoba menentukan manuver penerbangan mana yang paling menantang secara kognitif atau paling menakutkan.
Presentasi lain yang saya lihat berkisar dari masalah bisnis dasar—MSgt Nathan Shaw membahas penggunaan analisis sentimen untuk menganalisis umpan balik survei, hingga masalah aneh yang sebelumnya tidak saya ketahui—Dr. Tyler Danley dan Maj Brian Morrison membahas cara menjadwalkan penerbangan pelatihan untuk mengurangi jumlah tabrakan kelelawar, hingga fiksi ilmiah—Cdt Victor Rae membahas pengoptimalan ukuran dan posisi konstelasi satelit untuk mendapatkan cakupan terbaik bagi misi.
Bagi saya, presentasi teknis terbaik pada konferensi tersebut disampaikan oleh 2Lt Benjamin McCloskey. Kendaraan udara nirawak menggunakan machine learning pada data kamera mereka untuk mendeteksi bangunan dan kendaraan dalam bidang pandang. Menurut 2Lt McCloskey, ada masalah bahwa sebagian besar data pelatihan model diambil pada siang hari dalam kondisi cuaca baik. Artinya, kinerja pada misi nyata menurun saat misi malam hari atau dalam cuaca buruk.
Solusinya adalah menggunakan teknik deep learning yang disebut "generative adversarial networks" untuk memodifikasi gambar kamera yang ada agar menyerupai kondisi malam hari atau cuaca buruk. Intinya, ia membuat "deepfake" dari data satelit untuk meningkatkan akurasi model deteksi objek.
Pelatihan DataCamp menghasilkan produk data baru
Akhirnya, saya menyaksikan presentasi yang sangat baik dari Capt Dominick Speranza tentang hasil program pelatihan berbasis DataCamp. Tujuan program ini adalah memperluas keterampilan untuk membuat produk data dari data instrumentasi pesawat. Program pelatihan terdiri dari rangkaian kursus Python di DataCamp yang dikurasi, diikuti oleh pelatihan internal tentang data instrumen pesawat. Proyek akhir untuk menyelesaikan pelatihan mengharuskan peserta membuat sebuah produk data. Contoh produk data ini termasuk sistem deteksi anomali untuk menentukan kualitas data dari instrumentasi jet tempur F-22 dan pembuat laporan otomatis untuk mempermudah sesi debriefing pilot.
Penutup
Seluruh konferensi berjalan lancar berkat penyelenggaraan yang sangat baik oleh Maj Bryan Fagan. (Seharusnya saya menduga bahwa peneliti operasi akan andal dalam urusan operasional!) Setelah mendengar semua contoh proyek data yang hebat ini, saya bersemangat untuk melihat bagaimana program transformasi data Angkatan Udara AS berkembang.
