Мнение и опыт

Чему вас научат мастера машинного обучения

Распространенные заблуждения о получении ученой степени в области машинного обучения

Введение

В этой статье представлены аспекты и заблуждения в области машинного обучения, которым не обязательно учат на ученых степенях.

Содержание этой статьи основано на моем опыте, поэтому учтите, что ваш опыт и опыт других могут отличаться от моего.

Тем не менее, наслаждайтесь чтением.

Машинное обучение как академическая область все еще набирает популярность, мы можем наблюдать это, поскольку все больше университетов и институтов принимают студентов и преподавателей на темы, связанные с машинным обучением.

Получив ученую степень в области машинного обучения, можно получить массу знаний. Я тоже так подумал и в 2018 году получил степень магистра в области компьютерного зрения и машинного обучения.

Среди теоретических и практических знаний, которые я получил в ходе своих исследований, есть некоторые важные аспекты исследований и разработок, которые, как я считаю, необходимы для того, чтобы быть активным компонентом в коммерческой рабочей среде.

Программная инженерия

Программная инженерия - это методология, состоящая из набора принципов, которые применяются при разработке программного обеспечения. Примерами принципов программной инженерии являются анализ, проектирование, тестирование и внедрение.

Разработка программного обеспечения в качестве навыка в 2020 году является базовой необходимостью для любого серьезного разработчика. Многие люди могут ошибаться, полагая, что разработка программного обеспечения начинается и заканчивается программированием или навыками кодирования. Но опытные разработчики во всех технических областях подтвердят тот факт, что разработка программного обеспечения - это больше практика, чем навык.

К сожалению, программная инженерия - это не тот навык, которому вас научат в большинстве программ машинного обучения.

Контента более чем достаточно для изучения в магистратуре по машинному обучению. Некоторым курсам просто не хватает времени для изучения того, как следует разрабатывать системы и приложения, использующие методы машинного обучения.

При обучении в магистратуре наличие опыта в области разработки программного обеспечения в сочетании со знанием некоторых языков программирования было обязательным условием, которое необходимо было выполнить.

Почему так важно понимать программную инженерию?

Замечательно, если вы понимаете внутреннюю работу сверточного слоя или можете подробно описать различные архитектуры нейронных сетей.

Тем не менее, правда в том, что в реальном мире модели машинного обучения существуют вне скриптов и блокнотов Python.

Коммерческие продукты, над которыми вы будете работать после учебы, представлены в виде веб-приложений, приложений для ПК и мобильных приложений. Знание стандартной методологии разработки программного обеспечения со встроенной моделью машинного обучения имеет первостепенное значение для вашего успеха как практикующего специалиста по машинному обучению.

На моей нынешней должности инженера по компьютерному зрению самым важным навыком, который оказался полезным, является моя способность осваивать новые языки программирования ООП и разрабатывать программное обеспечение, в частности приложения для iOS.

Модели машинного обучения могут существовать в различных системах, но все эти системы имеют стандартный подход к их разработке и обслуживанию. Программная инженерия обучает вас этим подходам. Программная инженерия также пронизана принципами, которыми руководствуется процесс разработки и сопровождения программного обеспечения, например KISS, DRY, OOP и т. Д.

Ниже приводится краткое и удобное вводное видео о принципах разработки программного обеспечения.

Лидерство

Лидерство в машинном обучении принимает различные формы.

Для меня лидерство в машинном обучении - это способность направлять работу и прогресс продукта, техники или инструмента в направлении, которое лучше служит обществу в целом и оказывает положительное влияние.

В области машинного обучения есть очевидные лидеры, и они собрали большое количество поклонников в социальных сетях, таких как Medium, Twitter, YoutTube и т. Д.

Их большая аудитория обычно является результатом влияния и вклада, который они внесли в сферу машинного обучения.

Лидерами или влиятельными лицами в рамках машинного обучения не становятся в одночасье, их статус является результатом лет, а иногда и десятилетий постоянного обучения и работы в выбранной ими специализированной области.

Любой, кто считается влиятельным лицом или лидером в области машинного обучения, почти обладает высоким интеллектом и непревзойденным опытом в своей области.

Лидерству в машинном обучении нельзя просто научить. Это накопление часов учебы, работы и вклада в область в сочетании с получением опыта в академической и профессиональной карьере.

Вот несколько имен лидеров и влиятельных лиц в области машинного обучения, которым я стремлюсь подражать, некоторые имена могут быть вам знакомы:

Искусственный интеллект

Вы не собираетесь строить Скайнет во время учебы в магистратуре и, вероятно, не построите его после.

Существует распространенное заблуждение, согласно которому способность понимать аспекты машинного обучения соотносится с возможностью разработать продвинутый общий искусственный интеллект.

Я, например, впал в это заблуждение, поскольку думал, что если я пойму машинное обучение на академическом уровне, я смогу создать личных помощников, которые составят конкуренцию Джарвису Тони Старка.

Реальность заключается в том, что степень магистра в области машинного обучения проливает свет на то, как далеко люди продвинулись в разработке независимых систем, способных обучаться. Тем не менее, что еще более важно, исследования магистра наук заставляют вас осознать, что мы еще не коснулись поверхности этой области и возможностей, которые появляются в результате прорывов и достижений.

Помните, что искусственному интеллекту как области всего около 64 лет, поскольку термин ИИ был официально представлен на конференции в Дартмутском колледже. Нам предстоит долгий путь, и всегда интересно быть частью этого пути.

Вывод

В заключение я резюмирую основные выводы из этой статьи. Я хочу, чтобы читатель понял следующее:

  • Программная инженерия важна в индустрии машинного обучения. Понимание основных принципов разработки программного обеспечения даст вам возможность разрабатывать надежные и стабильные приложения, в которых находятся ваши модели машинного обучения.
  • До всеобщего искусственного интеллекта, вероятно, еще далеко, но есть еще несколько удивительных достижений, которых системы машинного обучения могут достичь в настоящее время.
  • Стремитесь стать лидером в области машинного обучения, поскольку статус лидера может отражать уровень вашей работы и влияние, которое вы оказываете в отрасли машинного обучения.

Надеюсь, статья была вам полезна.

Чтобы связаться со мной или найти другой контент, похожий на эту статью, сделайте следующее:

  1. Подпишитесь на мой канал YouTube, чтобы увидеть видео скоро будет здесь
  2. Следуйте за мной на Medium
  3. Свяжитесь со мной и свяжитесь со мной в LinkedIn