Отказ от ответственности: эта история написана с точки зрения студента бакалавриата, начинающего свое путешествие в мир продуктов машинного обучения и развертывания нейронных сетей. Все мнения являются моими собственными и являются результатом трехмесячного изучения темы, о которой я говорю.

История, не рекламируемая дебютантам машинного обучения, действительно должна быть озаглавлена ​​в самом начале любого, кто заинтересован в начале карьеры в области искусственного интеллекта. Суть в том, что большинство работ по машинному обучению захотят нанять вас не из-за ваших «алгоритмов модерна», ваших инновационных способностей в написании кода или ваших математических способностей, а скорее из-за вашей способности эффективно преодолевать кучу трудоемких препятствий с данными: очистка, сортировка. , и трансформирующийся. Хотя эта непривлекательная реальность широко известна в этой области, она делает ее еще более важной причиной для студентов и новых выпускников, входящих в пространство AI/ML/Intelligence, осознавать подводные камни нетворческого, неинновационного мышления, который можно легко вызвать, глядя на сотни миллионов предварительно обработанных ядер. Более того, это дает нам, студентам, необходимость думать и действовать активно при решении задач искусственного интеллекта. Слишком много детализации, чтобы легко не потеряться в пассивном залоге. Практик должен прилагать сознательные усилия для сохранения власти над моделями, их созданием, развертыванием и обслуживанием.

Безусловно, более сексуальный аспект работы (та часть, которая рекламируется для масс) — думать о построении модели, архитектуре и возможностях, а не возиться с тензорными размерами и ужасающе крошечными ошибками. Однако большие данные, как и большие здания или большие вечеринки, обязательно требуют большого объема обслуживания и очистки. А поскольку продукты ИИ представляют собой не физические объекты и даже не осязаемые концепции, а скорее концепции, идеи и модели, невероятно легко потерять присущую предмету сексуальность и его работу, как только они должным образом вовлечены в процесс. индустрия. Однако, естественно, когда вам показывают экскурсию по гигантскому особняку, вы в первую очередь думаете о его сексуальной привлекательности, а не о стоимости уборки и обслуживания.

К счастью, существуют области, связанные с машинным обучением, которые не обязательно влекут за собой трату рабочего времени на работу с данными. К сожалению, таких ролей меньше, они желанны и требуют углубленного междисциплинарного изучения. К таким областям относятся интеллект принятия решений, когнитивная психология, консультирование по искусственному интеллекту и машинному обучению и другие области, с которыми я не знаком. В настоящее время я рассматриваю возможность занять должность в области машинного обучения с менее интенсивной работой с данными в одной из этих областей вычислительного интеллекта, в идеале в творческой компании! Если у вас есть какие-либо предложения или мысли о разрыве между обработкой данных и наукой о данных в ML, я был бы рад связаться с однокурсниками и профессионалами в области творческого интеллекта! Свяжитесь со мной по адресу: [email protected].