Osaühing Mooncascade kasutab Tartu ülikooli teadlastega selleks masinõppe poolt pakutavaid võimalusi. Arvutiteaduse haru annab arvutitele õppimisvõime ilma neid selleks otseselt programmeerimata. Sisuliselt tähendab see arvuti õpetamist otsima väga suurtest andmehulkadest seaduspärasid ja mustreid.

"Andmete analüüsil ja masinõppel on alati olnud mingi äriline eesmärk. Ettevõtted tahavad vältida oma klientide lahkumist konkurentide juurde või soovivad leida võimalusi uute klientide leidmiseks. Masinõpe võimaldab saada pildi, kuhu ja kuidas oma püüdlusi täppissuunata. Enam ei visata lendlehti lennukitelt kõigile vaid püütakse suunata õigeid sõnumeid õigetele sihtrühmadele," rääkis TÜ arvutiteaduste instituudi juht Jaak Vilo Vikerraadio rubriigis "Nutikas".

Mooncascade’i rahvastikuliikumise analüüsi projekti kaugem eesmärk on jõuda võimalikult lähedale selle reaalajas jälgimisele. "Praegu alustame anonüümsete mobiilsideandmetega. Tulevikus saaks haarata ka WIFI või GPS andmed ning kasutada neidki inimeste liikumise ette ennustamiseks täpsemalt, kui see praegu võimalik on. Kuni selleni välja, et suudame 2-3 tundi ette ennustada, kuhu tekivad suured liiklusummikud või näiteks massikogunemised," rääkis Mooncascade’i andmeteaduse juht Taavi Tammiste.

Vilo tõi näite mõne aasta eest Padaorus tekkinud talvisest liiklusummikust, kus inimesed istusid tunde lumevangis. "Seal jäi mulje, et sellest ei saanudki ametkonnad väga kiiresti teada, aga seda, et autod jäävad suurel maanteel ühte kohta lihtsalt kinni, oleks pidanud mobiililiiklusest juba ammu nägema," rääkis Vilo.

Põhjalikuma ülevaate masinõppe vormidest ja võimalustest saab Taivo Pungase andmeteaduseteemalise blogi postitusest "Masinõpe: mittetehniline ülevaade".