What happens in Vegas...
Vorige maand bezocht ik het US Air Force Operations Research Symposium (AFORS) op Nellis Air Force Base in Las Vegas. De conferentie is een jaarlijkse bijeenkomst voor de analistencommunity van de Air Force, met meer dan 200 deelnemers die praten over operations research, machine learning en data science.
De Air Force investeert flink in het moderniseren van z’n tools en training voor werken met data, en ik was er om een code-alongworkshop te geven over het gebruik van DataCamp Workspace.
Vijf kernthema’s voor datatransformatie
Dr. Angela Giddings, Technical Director of Studies, Analyses, and Assessments, vatte het doel van de Air Force rond het datatransformatieprogramma samen. Ze stelde dat het grote probleem is hoe operations research-analisten een force multiplier kunnen worden voor de rest van de Air Force. Traditioneel is operations research binnen de Air Force een erg academische groep geweest, maar dat model werkt niet meer in de huidige organisatie.
Dr. Giddings noemde vijf kernthema’s voor transformatie.
- Zorgen dat projecten impact hebben op een echt probleem
- Zorgen dat resultaten worden geleverd zolang ze nog relevant zijn
- De juiste data gebruiken voor het juiste probleem
- Inzichten genereren uit wiskunde
- Gebruikmaken van visualisaties
Opvallend genoeg weerspiegelen al deze thema’s uitdagingen die organisaties wereldwijd tegenkomen, of ze nu militair zijn of niet.
De wervingsuitdaging
Een terugkerend thema van hogere officieren was dat het werven en behouden van topdatatalent ongelooflijk uitdagend is. Zowel de heer Wayne Schatz, Director for Studies, Analyses and Assessments, als kolonel Ron Annaballi, Air Force Chief Analyst, spraken over het aanpakken van deze wervingsuitdaging door van het squadron een geweldige plek te maken om te werken, waarbij training en tools cruciale bijdragen leveren. De Air Force heeft toegang tot drie online opleidingsplatforms—DataCamp, Coursera en PluralSight—naast interne training. Er wordt gewerkt aan een moderne datastack met brede toegang tot Python, DataBricks, Tableau, Plotly, Dataiku en Palantir.
Indrukwekkende technische presentaties
Bij de technische presentaties was ik onder de indruk van de variatie aan USAF-projecten. Het optimaliseren van de pilootopleiding was een terugkerend thema, en ik zag niet één maar twee presentaties waarin hartslag-, oogvolg- en andere sensoren aan piloten werden bevestigd om te bepalen welke vluchtmanoeuvres het meest cognitief uitdagend of angstaanjagend waren.
Andere presentaties die ik zag varieerden van doorsnee bedrijfsproblemen—MSgt Nathan Shaw vertelde over het gebruik van sentimentanalyse om enquétefeedback te analyseren—tot bizarre problemen waarvan ik niet wist dat ze bestonden—dr. Tyler Danley en majoor Brian Morrison vertelden hoe je oefenvluchten kunt inplannen om het aantal vleermuisbotsingen te verminderen—tot sciencefiction—cadet Victor Rae besprak het optimaliseren van de grootte en positie van satellietconstellaties om de beste dekking voor missies te krijgen.
Voor mij was de beste technische talk van de conferentie die van tweede luitenant Benjamin McCloskey. Onbemande luchtvaartuigen gebruiken machine learning op hun cameradata om gebouwen en voertuigen in beeld te detecteren. Volgens tweede lt McCloskey is er een probleem: de meeste trainingsdata voor de modellen worden overdag en bij goed weer vastgelegd. Dat betekent dat de performance bij echte missies slechter is tijdens nachtmissies of bij slecht weer.
Zijn oplossing was een deeplearningtechniek genaamd "generative adversarial networks" te gebruiken om bestaande camera-afbeeldingen aan te passen zodat ze op nacht of slecht weer lijken. In wezen maakte hij "deepfakes" van satellietdata om de nauwkeurigheid van de objectdetectiemodellen te verbeteren.
DataCamp-training leidde tot nieuwe dataprodukten
Tot slot zag ik een uitstekende presentatie van kapitein Dominick Speranza over de resultaten van een op DataCamp gebaseerde training. Het doel van het programma was om vaardigheden breder te verspreiden, zodat er dataprodukten konden worden gemaakt op basis van instrumentatiedata van vliegtuigen. Het trainingsprogramma bestond uit een zorgvuldig samengestelde reeks DataCamp Python-cursussen, gevolgd door interne training over instrumentdata van vliegtuigen. Het afsluitende project om de training te voltooien vereiste dat deelnemers een dataprodukt maakten. Voorbeelden hiervan waren een systeem voor anomaliedetectie om de datakwaliteit van F-22-jachtvliegtuiginstrumentatie te bepalen en een geautomatiseerde rapportgenerator om nabesprekingen met piloten makkelijker te maken.
Conclusie
De hele conferentie verliep soepel dankzij de uitstekende organisatie door majoor Bryan Fagan. (Ik had kunnen raden dat operations researchers goed zijn in operations!) Na al deze voorbeelden van sterke dataprojecten gehoord te hebben, ben ik benieuwd hoe het datatransformatieprogramma van de US Air Force zich verder ontwikkelt.
