Правда против ажиотажа
Искусственный интеллект / наука о данных / машинное обучение, безусловно, являются модными словами, которые сегодня ходят в технологической индустрии. Что ж, искусственный интеллект изменит мир в будущем, но я лично достиг своего предела, наблюдая постоянные публикации в социальных сетях, где многие практики или компании разглагольствуют о предоставлении «экспертных знаний» в области ИИ или машинного обучения (ML).
Поскольку я считаю, что мы еще не прошли этап «поверхностного понимания», чтобы реализовать истинный потенциал ИИ. Тем более, что некоторые из этих «компаний, занимающихся ИИ», на самом деле не занимаются ИИ, а просто разрабатывают логические контроллеры или программы на основе правил под капотом для управления опытом, подобным ИИ. У некоторых корпораций на самом деле есть невидимые работники для имитации ИИ, имитирующего людей.
Я хотел бы поделиться своим путешествием по машинному обучению и тем, почему я решил принять и адаптировать ИИ вместо того, чтобы поддаваться шумихе.
Мой опыт машинного обучения
Мое любопытство побудило меня изучить машинное обучение, чтобы увидеть, как оно работает и какие подходы используются, чтобы заставить программы думать или обрабатывать как люди.
Я собирался получить степень магистра вычислительной техники, чтобы расширить свои знания и изучить машинное обучение. Наряду с этим я прошел полноценный онлайн-курс, который изучал машинное обучение от А до Я, от математики до реализации различных алгоритмов.
Моя кривая обучения была огромной, и я решил применить методы машинного обучения на фондовых рынках, чтобы бросить вызов моей собственной идеологии, которую трудно предсказать в краткосрочной перспективе. Мне удалось извлечь из этого максимальную пользу, и я опубликовал три исследовательских работы по этой теме, в которых моей целью было поделиться своими знаниями с как можно большим количеством людей. Во-вторых, это должно было вдохновить людей на то, что если я могу это сделать, то сможет и любой достаточно любопытный.
До этого путешествия термины, связанные с ИИ, казались мне сложными и подавляющими. Если вы в одной лодке, не волнуйтесь -
Искусственный интеллект - это тоже не ракетостроение!
В целом мой опыт в области машинного обучения был удовлетворительным. Я все еще люблю обсуждать темы, связанные с машинным обучением, помогать с подтверждением концепций и делиться своими мыслями о реальных сценариях использования, потому что это определенно захватывающее пространство.
Однако вам нужно найти свое собственное увлечение и посмотреть, как оно переплетается с ИИ. Что касается меня, я увлечен автоматизацией и непрерывной доставкой. Поэтому вместо того, чтобы тренировать алгоритмы изо дня в день, я мог бы больше помочь в тестировании и продвижении продуктов на основе машинного обучения в производство, используя свой опыт DevOps и машинного обучения (MLOps?).
Стадное мышление
Однако для того, чтобы получить самую горячую работу в области искусственного интеллекта, некоторые люди могут просто написать пару моделей нейронных сетей, используя фреймворки черного ящика, и называть себя специалистами по данным.
Такой способ освоения или изучения науки о данных вызван ажиотажем, который в конечном итоге вызвал «стадный менталитет», который мы наблюдаем сегодня. Специалисты по анализу данных и другие роли машинного обучения все еще развиваются, поэтому нередко можно увидеть, как ваши коллеги-аналитики данных выполняют задачи по обработке данных вместо машинного обучения.
Еще одна печальная правда заключается в том, что вероятность того, что модели машинного обучения, разработанные на этапах POC, попадут в рабочую среду, настолько мала, что некоторые специалисты по данным заканчивают работать пару лет, не развернув ни одной строчки своего кода.
Сказав это, есть много людей, которые делают отличную работу и добиваются прогресса каждый день, несмотря на упомянутые проблемы, потому что они склонны и преданы ИИ, а не потому, что все остальные делают это или потому, что он хорошо платит.
Независимо от того, что ждет ИИ в будущем, каждая новаторская технология, заменяющая рабочие места, также создает множество вертикалей рабочих мест.
Роли Data Scientist, Blockchain Engineer, Cloud Specialist, ML Engineer существовали ли они 5 лет назад?
Мои два цента
Я бы посоветовал сделать карьеру в том, что вас увлекает, вместо того, чтобы делать карьеру, которая очаровывала бы других. Что-то, что заставляет вас чувствовать себя удовлетворенным, вместо того, чтобы отстаивать «идею удовлетворения», присущую обществу. Будь то искусство, геология, технологии, письмо или преподавание, просто пойдите и сделайте это.
Наконец, даже если сфера деятельности - это искусственный интеллект, и вы увлечены его изучением, тогда усердно работайте, проходите курсы, участвуйте в соревнованиях Kaggle, читайте МНОГО научных статей, чтобы приступить к работе в этой области.
Если нет, воспользуйтесь ИИ и продолжайте карьеру, которая дополняет ваше увлечение и лежащие в основе технологии, будь то ИИ, блокчейн или облачные вычисления. Если вы делаете что-то, что вам нравится, вы никогда не перестанете учиться и изобретать заново! Конечно, это всегда так, если вы технарь;)
Если вам понравилась эта статья, вы можете найти следующую статью интересной.
📝 Прочтите этот рассказ позже в Журнале.
👩💻 Просыпайтесь каждое воскресное утро и слушайте самые интересные истории недели в области технологий, которые ждут вас в вашем почтовом ящике. Прочтите информационный бюллетень« Примечательно в технологиях .
