Î:
Care sunt unele dintre modalitățile fundamentale prin care profesorii de carieră ies în evidență în învățarea mașinii?
A:Succesul învățării automate necesită adesea o combinație de abilități și experiențe. Intrarea în detalii despre unele dintre aceste principii și seturi de abilități ajută indivizii să înțeleagă mai bine ce caută companiile atunci când angajează profesioniști în învățarea mașinilor.
Într-un sens foarte de bază, ai putea spune că succesul învățării în mașini se bazează adesea pe un principiu triplu - programare, matematică și intuiție. Fiecare dintre aceste trei lucruri este fundamental diferit, dar fiecare dintre ele joacă un rol în dezvoltarea unui profesionist în carieră ca expert în învățarea mașinii.
De la sfârșitul programării, cunoașterea limbajelor precum Python și R devine extrem de utilă, dar există și abilități de răspândire din limbi precum COBOL, Perl și Ruby pe Rails care pot avea o anumită valoare. O parte din asta se datorează naturii fundamentale a programării - că aveți de-a face cu rutarea operațiunilor și a valorilor acolo unde trebuie. Apoi există și proiecte de învățare automată care profită de codul moștenitor.
Al doilea principiu fundamental este matematica. Oamenii cu abilități sau abilități matematice avansate au adesea mult mai mult succes în lumea învățării mașinilor. Când privesc rețelele neuronale sau alte modele, sunt capabili să descompună ecuațiile matematice care duc la ieșirile rețelei. Oamenii vorbesc adesea despre rețelele neuronale ca fiind „cutii negre” chiar și pentru tehnicieni - dar în măsura în care sunteți priceput în matematică, puteți începe să călătoriți către o mai bună înțelegere a activității programului.
Acest lucru duce la al treilea principiu, care este perspective. Înțelegerea statisticilor probabilistice ajută într-adevăr la succesul învățării automate. Acest lucru se datorează faptului că, odată cu învățarea automată, proiectele se mută dintr-o zonă de programare liniară pur deterministă sau într-o nouă zonă probabilistică. Persoanele care sunt mai experimentate în ceea ce privește probabilitatea pot privi inputuri ponderate și pot prezice mai bine care ar putea fi rezultatele. Cu toate acestea, într-un alt sens, oamenii care sunt intuiți în mod intuitiv despre învățarea automată vor înțelege cum să-și limiteze aplicațiile la lucruri care au sens.
Una dintre cele cinci mari capcane în învățarea mașinii este astăzi aplicarea rampantă și nediscriminată a învățării automate în aplicațiile pentru întreprinderi. Există multe situații în care învățarea mașină pur și simplu nu este o soluție bună - fie că se datorează complexității sistemului, suprafuncției, problemei de la cutia neagră menționată anterior sau orice altceva. Unii dintre cei mai valoroși profesioniști din spațiul de învățare a mașinilor vor fi cei care știu să aleagă bine proiectele - cum să cureți aplicațiile de învățare a mașinilor - și cum să se ocupe de achiziții și proceduri în calitate de consultant calificat.
