K:
Mitkä ovat ne perusedellytykset, joilla ura-ammattilaiset erottuvat koneoppimisessa?
V:Koneoppimisen onnistuminen vaatii usein taitojen ja kokemusten yhdistelmää. Jotkin näistä periaatteista ja taitosarjoista yksityiskohdat auttavat yksilöitä ymmärtämään paremmin, mitä yritykset etsivät, kun he palkkaavat koneoppimisen ammattilaisia.
Hyvin perusteellisessa mielessä voidaan sanoa, että koneoppimisen menestys perustuu usein kolminkertaiseen periaatteeseen - ohjelmointi, matematiikka ja oivallukset. Jokainen näistä kolmesta asiasta on pohjimmiltaan erilainen, mutta jokaisella niistä on rooli kehitettäessä ura-ammattilaista koneoppimisasiantuntijaksi.
Ohjelmoinnin lopusta lähtien kielten, kuten Pythonin ja R: n, tuntemuksesta tulee erittäin hyödyllistä, mutta kielillä, kuten COBOL, Perl ja Ruby on Rails, voi olla myös ristiinkytkentätaitoja, joilla voi olla arvoa. Osa siitä johtuu ohjelmoinnin perustavasta luonteesta - että olet tekemisissä toimintojen ja arvojen reitittämiseen siellä, missä niiden on oltava. Sitten on myös koneoppimisprojekteja, joissa hyödynnetään vanhaa koodia.
Toinen perusperiaate on matematiikka. Ihmisillä, joilla on edistyneitä matemaattisia taidot taidot, on usein paljon enemmän menestystä koneoppimismaailmassa. Kun he katsovat hermoverkkoja tai muita malleja, he pystyvät hajottamaan matemaattiset yhtälöt, jotka johtavat verkon ulostuloihin. Ihmiset puhuvat usein siitä, että hermoverkot ovat “mustia laatikoita” jopa teknikkoille - mutta siinä määrin kuin olet taitava matematiikassa, voit aloittaa matkan kohti parempaa käsitystä siitä, mitä ohjelma tekee.
Tämä johtaa kolmanteen periaatteeseen, joka on oivallukset. Todennäköisyystilastojen ymmärtäminen todella auttaa koneoppimismenestyksessä. Tämä johtuu siitä, että koneoppimisella projektit siirtyvät puhtaasti deterministisestä tai lineaarisesta ohjelmointialueesta uuteen todennäköisyysvyöhykkeeseen. Henkilöt, jotka ovat arkaluontoisempia todennäköisyydestä, voivat tarkastella painotettuja panoksia ja paremmin ennustaa, mitkä tulokset voivat olla. Toisessa mielessä ihmiset, jotka ovat intuitiivisesti viisaita koneoppimisesta, ymmärtävät kuitenkin, kuinka sen sovellukset voidaan rajoittaa asioihin, jotka ovat järkeviä.
Yksi suurimmista nykyisistä koneoppimisen sudenkuopmista on nykyään maltillinen ja valintamaton koneoppimisen soveltaminen yrityssovelluksiin. On monia tilanteita, joissa koneoppiminen ei vain ole hyvä ratkaisu - johtuuko se järjestelmän monimutkaisuudesta, liiallisesta asennuksesta, aikaisemmin mainitusta musta ruutu -ongelmasta tai muusta. Jotkut koneoppimisalueen arvokkaimmista ammattilaisista ovat niitä, jotka tietävät kuinka valita projekteja hyvin - miten koneoppimissovelluksia kuratoida - ja miten hoitaa sisäänostotapa ja menettelyt taitavana konsulttina.
