D:
Quali sono alcuni dei modi fondamentali in cui i professionisti della carriera si distinguono nell'apprendimento automatico?
UN:Il successo dell'apprendimento automatico richiede spesso una combinazione di competenze ed esperienze. Entrare nei dettagli di alcuni di questi principi e set di abilità aiuta le persone a comprendere meglio ciò che le aziende stanno cercando quando assumono professionisti dell'apprendimento automatico.
In un senso molto semplice, si potrebbe dire che il successo dell'apprendimento automatico spesso si basa su un triplice principio: programmazione, matematica e approfondimento. Ognuna di queste tre cose è fondamentalmente diversa, ma ognuna di esse svolge un ruolo nello sviluppo di un professionista della carriera come esperto di apprendimento automatico.
Dal punto di vista della programmazione, conoscere linguaggi come Python e R diventa straordinariamente utile, ma ci sono anche abilità crossover da linguaggi come COBOL, Perl e Ruby on Rails che possono avere un certo valore. Parte di ciò è dovuto alla natura fondamentale della programmazione - che hai a che fare con il routing delle operazioni e dei valori dove devono essere. Quindi ci sono anche progetti di machine learning che sfruttano il codice legacy.
Il secondo principio fondamentale è la matematica. Le persone con capacità matematiche avanzate o acume hanno spesso molto più successo nel mondo dell'apprendimento automatico. Quando guardano le reti neurali o altri modelli, sono in grado di abbattere le equazioni matematiche che portano alle uscite della rete. Le persone spesso parlano di reti neurali come "scatole nere" anche per i tecnici - ma nella misura in cui sei esperto di matematica, puoi iniziare a viaggiare verso una migliore comprensione di ciò che il programma sta facendo.
Ciò porta al terzo principio, che è intuizioni. Comprendere le statistiche probabilistiche aiuta davvero nel successo dell'apprendimento automatico. Questo perché con l'apprendimento automatico, i progetti si stanno spostando da una zona di programmazione puramente deterministica o lineare in una nuova zona probabilistica. Gli individui che sono più esperti di probabilità possono guardare input ponderati e prevedere meglio quali potrebbero essere i risultati. Tuttavia, in un altro senso, le persone intuitivamente sagge sull'apprendimento automatico capiranno come limitare le sue applicazioni a cose sensate.
Una delle cinque principali insidie dell'apprendimento automatico oggi è l'applicazione dilagante e indiscriminata dell'apprendimento automatico nelle applicazioni aziendali. Esistono molte situazioni in cui l'apprendimento automatico non è una buona soluzione, sia a causa della complessità del sistema, del sovradimensionamento, del problema della scatola nera menzionato in precedenza o di qualsiasi altra cosa. Alcuni dei professionisti più preziosi nello spazio di machine learning saranno quelli che sanno come scegliere bene i progetti - come curare le applicazioni di machine learning - e come gestire il buy-in e la procedura come consulente qualificato.
