В конце 2016 года я читал еще одну ежеквартальную статью McKinsey о будущем работы и о том, как автоматизация уничтожит миллионы рабочих мест. Мне отчаянно нужно было время, чтобы отвлечься от повседневной работы и погрузиться в новые технологии, которые, казалось, угрожали нашей работе. У меня появилось время начать это учебное путешествие, когда у меня появилась возможность бросить работу и уехать в США в 2017 году.
Должен признаться, что мое путешествие по обучению было вызвано страхом, что через несколько лет я потеряю актуальность из-за достижений в области технологий. Я проработал около двух десятилетий в сфере финансовых услуг, платежей и страхования и обнаружил, что ошеломлен тем, что читал в таких изданиях, как Wired или Fast Company.
Было совершенно ясно, что с моим ограниченным пониманием технологии применительно к моей отрасли моя будущая карьера будет мрачной, если я не приму меры. Особую озабоченность вызывал рост искусственного интеллекта и машинного обучения. Собирались ли роботы занять нашу работу? Станет ли нас бесполезным машинный босс будущего, похожий на Терминатора? Я понял, что мне нужно больше узнать об этой области науки, математики и менеджмента, чтобы оставаться актуальным в моей будущей карьере. Я часто прибегал к углубленному чтению и обучению всякий раз, когда сталкивался с трудностями, и это был настоящий вызов. Если вы похожи на меня, то это путешествие может оказаться вам полезным.
Первой книгой, сформировавшей мое мышление, была «Вторая эра машин» Эрика Бриньолфссона и Эндрю Макафи. Авторы — одни из немногих, кто был включен в список Thinkers 50 топ-менеджеров мира. мыслители и группа людей Politico 50, преобразующая американскую политику.
В книге очень хорошо проработанным образом объясняется, почему современные информационные технологии окажут глубокое влияние на жизнь и экономику в том виде, в каком мы ее знаем. Читая его, я мог только с оптимизмом смотреть на глобальные перемены, которые нам предстояли. Несомненно, потери рабочих мест будут сосредоточены в определенных секторах. Тем не менее, это также создаст новые рабочие места и приведет к кардинальному улучшению жизни в таких отраслях, как здравоохранение, образование и управление. Я начал понимать, что воздействие этих технологий будет не чем иным, как тектоническим. Мне ясно, что работа вместе с интеллектуальными машинами раскроет настоящую человеческую изобретательность и творческий потенциал. Умных машин не нужно бояться, но рассматривайте их как новый инструмент, о котором мы ДОЛЖНЫ узнать! Время, которое я потратил на чтение книги: около двух недель. Вот ссылка на книгу на Амазоне: Ссылка
Итак, теперь стало ясно, что мне нужно приобрести навыки, которые помогут мне сосуществовать с этими новыми технологиями. Кроме того, мне должно быть удобно работать в среде, где люди, интеллектуальное программное обеспечение и оборудование (роботы) работают вместе. Будущее лидерства будет очень интересным!
Мне нужно было углубиться во всю эту малярию ИИ, чтобы иметь возможность надежно руководить командой. Я прочитал несколько постов на Reddit и Quora и понял, что Python, возможно, является моим выходом в эту область, если мне нужно получить практический опыт. Теперь, чтобы рассказать вам о моих навыках программирования: я знал кодирование, но моя последняя программа была скомпилирована еще в 2002 году. Это были дни, когда зеленые экраны были еще популярны, а вычисления клиент-сервер были в моде! Мы только что оправились от краха доткомов. Короче говоря, мои «навыки» были несуществующими и устаревшими, а Python казался самым простым способом освоить современный язык программирования.
Лучшей книгой, которую я нашел для этого, была Зед Шоу Изучай Python трудным путем: очень простое введение в ужасающе красивый мир компьютеров и кода. Зед Шоу — догматический учитель, написавший несколько книг, и он действует с уникальным подходом. Он заставляет вас вводить каждую команду самостоятельно и выполнять самые строгие программы самостоятельно. Теперь я понимаю, что нет лучшего способа выучить любой язык программирования, чем делать это таким образом! Возможно, мне не нравился этот парень, когда я изучал язык, но теперь я одновременно уважаю и восхищаюсь им за то, что он сделал этот современный компьютерный язык очень понятным для меня.
Кроме того, после долгих исследований на таких сайтах, как stackoverflow.com, я получил практические знания о библиотеках Scikit-learn, Pandas, Numpy. Это очень важно, если вы хотите научиться манипулировать векторами/массивами для любого набега на машинное обучение. Время, которое мне потребовалось, чтобы закончить книгу и разобраться с библиотеками: около 8 недель.
Мне не терпелось опробовать свои новые «навыки», и тут я увидел пару прекрасных видеокурсов Линды, автором которых является Адам Гейтги. В программе курса говорится, что «его опыт связан с созданием крупномасштабных веб-сайтов и помощью стартапам в Силиконовой долине в использовании машинного обучения. Он страстно любит претворять теорию в жизнь — использовать передовые разработки в области машинного обучения и делиться ими с разработчиками программного обеспечения всех уровней квалификации». У него есть шесть курсов на Lynda.com, и те, которые я рекомендую для начинающих:
- «Машинное обучение и основы ИИ: рекомендации»
- «Машинное обучение и основы ИИ: оценка ценности»
Они дают вам практическую основу для использования машинного обучения на реальных примерах. Эти курсы укрепят вашу уверенность, как это произошло со мной. Время, которое у меня ушло на прохождение курса: 4 недели. Вот ссылка на один из курсов.
Теперь я был готов к более серьезному испытанию. На этот раз я нашел одного из гигантов в этой области — Эндрю Нг. Сейчас Эндрю является генеральным директором/основателем Landing AI; Соучредитель Coursera; адъюнкт-профессор Стэнфордского университета; бывший главный научный сотрудник Baidu и основатель Google Brain. Безупречные полномочия, я думал! Курс дает вам сертификат Stanford Online на Coursera.com. Это сложный курс, не ошибитесь. Вам нужно будет освежить свою векторную математику и базовые математические вычисления на курсах инженерного 1-го курса / аспирантуры по математике. Кроме того, в этом процессе вам нужно будет научиться программировать в Matlab и Octave. Курс называется «Машинное обучение».
Вы изучите как теорию, так и практику машинного обучения. Как говорится в программе курса (и я перефразирую): Темы включают (i) обучение с учителем, обучение без учителя, лучшие практики машинного обучения. Курс познакомит вас с многочисленными примерами и приложениями, и вы узнаете, как применять алгоритмы обучения для создания интеллектуальных роботов (восприятие, управление), понимания текста (веб-поиск, защита от спама), компьютерного зрения, медицинской информатики, аудио, интеллектуальный анализ баз данных и другие области. Короче говоря, это было всеобъемлюще и изнурительно, и мне очень понравилось! Время, которое у меня ушло на прохождение курса: 11 недель. Вот ссылка на курс.
Примерно в это же время у меня появилась возможность создать стартап Explain.care, чтобы углубиться в крыло ИИ, называемое пониманием естественного языка, и разработать диалоговые интерфейсы, такие как чат-боты и голосовые навыки. Мы стремимся помочь клиентам сэкономить деньги на медицинском страховании, разговаривая с ними на языке, который им удобен. Знание, которое я получил ранее, безусловно, помогло мне в этом путешествии. Я понял, как машины изучают наш язык и как они могут говорить на нем. Я также наконец избавился от страха перед этими новыми технологиями и понял, как использовать их для целенаправленной трансформации старых бизнес-моделей.
Будущее работы требует, чтобы каждый из нас заново открывал себя. Компании, с которыми мы работаем, нуждаются в руководстве по внедрению современных технологий в свои бизнес-модели, иначе они столкнутся с риском перебоев в работе. Мы, занимая руководящие должности, должны помочь нашим компаниям и людям осуществить эти переходы. Что может быть лучше для этого, чем погрузиться с головой в изучение этих новых технологий?
Надеюсь, что я предоставил дорожную карту для вашего обучения. Дайте мне знать, как вы поживаете в этом путешествии.
