Представьте себя у подножия горы, парализованные стремлением к идеальному восхождению. Тем временем другой альпинист, смирившись с несовершенством, начинает восхождение. Они колеблются, приспосабливаются и упорствуют. Однажды вы посмотрите вверх и увидите их на вершине. Зрелище наводит на размышления:
« Цель состоит в том, чтобы сначала подняться на вершину или достичь вершины безупречно? ”
Тот самый вопрос, который всегда преследовал меня и, возможно, даже неправильно называл меня ленивым.
Это своеобразная смесь перфекционизма и прокрастинации. Если вы, как и я, специалист по данным, вам может быть хорошо знаком этот сценарий: стремление к максимальной производительности модели с одной стороны и отсрочка развертывания с другой. Черт возьми, даже Google, как шеф-повар, совершенствующий рецепт, продолжал работать над Бардом за дверью, в то время как OpenAI, парящий в открытом небе, совершил прыжок с ChatGPT, и, о боже, он взлетел. Другими словами, преодоление прокастина, будучи перфекционистом, похоже на попытку обработки данных в реальном времени с помощью инструментов пакетной обработки — результатом будет беспорядочная коллизия.
Перфекционизм — требовательная хозяйка, всегда требующая больше времени, больше самоотверженности, больше энергии. Это жажда, которая никогда не утоляется, зуд, который никогда не утоляется. Стремление к точности и нетерпимость к ошибкам часто могут сделать перфекциониста парализованным, неспособным двигаться вперед, пока каждый пиксель не будет на своем месте, каждая точка t не пересечена и каждая точка i не будет расставлена.
Прокрастинация, как и непредвиденная порция нулевых значений, разрушающая ваш идеальный набор данных, – это постоянное откладывание задач, нашептывание: "Я разберусь с отсутствующими значениями позже", пока модель не начнет выдавать необъективные оценки и неверные выводы. С другой стороны, прокрастинация подпитывает FOMO, участвуя в танце, который часто представляет собой менее изящный балет и более бессвязные подергивания. Этот пламенный FOMO, адреналиновый наркоман психики, который непрестанно гонится за последними тенденциями, очередными острыми ощущениями держит вас в напряжении, всегда жаждет большего, всегда охотится за следующей большой вещью.
В целом, это настойчивое откладывание попыток достичь совершенства, которое часто создает среду для страха упустить возможность процветания.
Итак, как вы обучаете эту модель конфликтного поведения?
Ключ заключается в реализации методов регуляризации, чтобы предотвратить переоснащение любого аспекта.
Принять шум. Перфекционизм может подтолкнуть вас к созданию высококачественных моделей, но также может помешать прогрессу. Признайте, что идеальная модель — это переоснащенная модель, а реальные данные зашумлены и несовершенны. Позвольте своей модели — и себе — работать с «беспорядочными» данными, учиться на них.
Устраните прокрастинацию. Прокрастинация, как упрямый выброс, может исказить вашу продуктивность. Вместо того, чтобы переносить это на следующий спринт, разберитесь с этим в текущем. Примените технику «Ранняя остановка» из машинного обучения: установите лимит на отсрочку, а когда придет время, перестаньте откладывать и начните действовать.
Уравновешивание перфекционизма и прокрастинации сродни уравновешиванию предвзятости и дисперсии в модели. Это личный и непрерывный процесс, требующий регулярной тонкой настройки. Речь идет о том, чтобы найти золотую середину, которая позволит избежать как переобучения (чрезмерного перфекционизма), так и недообучения (прокрастинации). Найти свою гармонию в диссонансе может показаться трудным, но на самом деле можно обнаружить, что танец в собственном ритме, даже если это смесь двух совершенно разных мелодий, может быть весьма удовлетворительным.
Так же, как любой великий рассказ о данных начинается с одной строки кода, пусть этот пост в блоге станет моим первым камнем, заложенным в фундамент огромного здания общих знаний и совместного обучения в мире науки о данных среди прочего.
Итак, давайте все инициализируем наши веса и скорость обучения и начнем повторяющийся процесс самосовершенствования. В конце концов, жизнь — это процесс постоянной оптимизации обучения на ошибках, также известного как восхождение через градиентный спуск.
Наконец, я хотел бы поблагодарить Аниша Махапатру за разъяснение важности запуска этого процесса на Medium и публикацию Sinem Günel с рекомендациями по этому поводу.
