Ερ:
Ποιοι είναι μερικοί από τους θεμελιώδεις τρόπους που ξεχωρίζουν οι επαγγελματίες σταδιοδρομίας στη μηχανική μάθηση;
ΕΝΑ:Η επιτυχία της μηχανικής μάθησης απαιτεί συχνά συνδυασμό δεξιοτήτων και εμπειριών. Πηγαίνοντας σε λεπτομέρειες σχετικά με ορισμένες από αυτές τις αρχές και σύνολα δεξιοτήτων βοηθά τα άτομα να καταλάβουν καλύτερα τι αναζητούν οι εταιρείες όταν προσλαμβάνουν επαγγελματίες εκμάθησης μηχανών.
Με μια πολύ βασική έννοια, θα μπορούσατε να πείτε ότι η επιτυχία μηχανικής μάθησης βασίζεται συχνά σε μια τριπλή αρχή - προγραμματισμό, μαθηματικά και διορατικότητα. Κάθε ένα από αυτά τα τρία πράγματα είναι θεμελιωδώς διαφορετικό, αλλά καθένα από αυτά παίζει ρόλο στην ανάπτυξη ενός επαγγελματία σταδιοδρομίας ως εμπειρογνώμονας μηχανικής μάθησης.
Από το τέλος του προγραμματισμού, γνωρίζοντας γλώσσες όπως Python και R γίνεται εξαιρετικά χρήσιμος, αλλά υπάρχουν και ικανότητες crossover από γλώσσες όπως COBOL, Perl και Ruby on Rails που μπορούν να έχουν κάποια αξία. Μέρος αυτού είναι λόγω της θεμελιώδους φύσης του προγραμματισμού - ότι έχετε να κάνουμε με τη δρομολόγηση των λειτουργιών και αξιών όπου πρέπει να είναι. Στη συνέχεια, υπάρχουν επίσης προγράμματα εκμάθησης μηχανών που εκμεταλλεύονται τον κωδικό κληρονομιάς.
Η δεύτερη θεμελιώδης αρχή είναι τα μαθηματικά. Τα άτομα με προχωρημένες μαθηματικές δεξιότητες ή αξιοπρέπεια συχνά έχουν πολύ μεγαλύτερη επιτυχία στον κόσμο της μηχανής μάθησης. Όταν εξετάζουν νευρωνικά δίκτυα ή άλλα μοντέλα, είναι σε θέση να διασπάσουν τις μαθηματικές εξισώσεις που οδηγούν στις εξόδους του δικτύου. Οι άνθρωποι συχνά μιλούν για τα νευρικά δίκτυα που είναι "μαύρα κουτιά" ακόμα και για τους τεχνικούς - αλλά στο βαθμό που είστε καταλαβαίνω στα μαθηματικά, μπορείτε να αρχίσετε να ταξιδεύετε προς την καλύτερη κατανόηση του τι κάνει το πρόγραμμα.
Αυτό οδηγεί στην τρίτη αρχή, η οποία είναι κατανόηση. Η κατανόηση των πιθανοτικών στατιστικών βοηθά στην επιτυχία της μηχανικής μάθησης. Αυτό συμβαίνει επειδή με τη μηχανική μάθηση, τα έργα κινούνται από μια καθαρά ντετερμινιστική ή γραμμική ζώνη προγραμματισμού σε μια νέα πιθανοτική ζώνη. Τα άτομα που είναι περισσότερο κατανοητά για την πιθανότητα μπορούν να δουν σταθμισμένες εισροές και να προβλέψουν καλύτερα ποια είναι τα αποτελέσματα. Ωστόσο, με μια άλλη έννοια, οι άνθρωποι που είναι διαισθητικά σοφοί για τη μηχανική μάθηση θα καταλάβουν πώς να περιορίσουν τις εφαρμογές τους σε πράγματα που έχουν νόημα.
Μία από τις πέντε μεγάλες παγίδες στη μηχανική μάθηση σήμερα είναι η ανεξέλεγκτη και αδιάκριτη εφαρμογή της μηχανικής μάθησης σε επιχειρηματικές εφαρμογές. Υπάρχουν πολλές καταστάσεις όπου η μηχανική μάθηση δεν είναι μια καλή λύση - είτε λόγω της πολυπλοκότητας του συστήματος, της υπερκατασκευής, του μαύρου κουτιού που αναφέρθηκε προηγουμένως, ή οτιδήποτε άλλο. Μερικοί από τους πιο πολύτιμους επαγγελματίες στον χώρο εκμάθησης μηχανών θα είναι εκείνοι που ξέρουν πώς να επιλέγουν καλά έργα - πώς να καθαρίζουν τις εφαρμογές μηχανικής μάθησης - και πώς να χειριστούν το buy-in και τη διαδικασία ως εξειδικευμένο σύμβουλο.
