Očekávání vs Realita #1
Očekávání: bude mi dobře vybaven skillsets musím proniknout do oblasti studie (Umělé Inteligence).
realita: pravda je daleko od ní. V oblasti AI je klíčová praktická aplikace. Společnosti, které najímají inženýry AI/Machine Learning (ML) nebo datové vědce, chtějí vědět, že máte dostatečné zkušenosti s aplikací teoretických modelů na datové sady v reálném životě. Mít magisterský titul v AI vytváří silný základ teoretických znalostí, které jsou základem různých modelů ML, ale častěji se to netýká aplikace v reálném životě.
znamená to, že by bylo nemožné, aby někdo bez zkušeností pronikl do AI? Vůbec ne — zaměstnavatelé často pozor na zapojení v Kaggle soutěží a také úroveň aktivity na Github a používat tyto jako proxy, aby zjistily, vaše úroveň zájmu v oblasti. Být schopen vzít to, co jste se naučili ve třídě, a aplikovat je na jakoukoli aplikaci v reálném životě, je v očích zaměstnavatele cenné. Například, kdybych se dozvěděl o (hlubokém) Q-učení ve třídě, budování robota, který se naučí hrát hru Atari nebo Pac-man, by již bylo obrovskou výhrou.
stánek s jídlem: vždy platí to, co jste se naučili ve třídě. Nikdo nebude věřit, že jste schopni práce jen proto, že máte pány.
očekávání vs. realita #2
očekávání: Mám zájem stát se datovým vědcem, proto bych se měl zaměřit na budování nejlepších modelů s vysokou přesností. Účinnost kódu a znalost toho, jak stavět potrubí ML, mají druhořadý význam.
realita: v oblasti AI je talent vzácný. Existuje více společností, které chtějí vybudovat tým datových inženýrů, datových analytiků a datových vědců, než je jejich nabídka na trhu. V důsledku toho se téměř vždy očekává, že budete dělat víc, než by vám Váš pracovní název umožnil. Nemluvě, mít tuto sadu skillsets pod opaskem vás učiní flexibilnějšími při hledání zaměstnání.
také, nevyhnutelně, společnosti z určitých průmyslových odvětví jsou povinni být rychlejší, pokud jde o přijetí AI. E-commerce, technologie a dokonce i zdravotnické společnosti velmi těží z AI a zatímco průmyslová odvětví, jako jsou Finance, mají také co získat, je nepochybně pomalejší při přijímání kvůli finanční regulaci. Pochopení fáze, ve které se společnost nachází, pokud jde o přijetí AI, je zásadní, protože by vám poskytlo silný pocit, kolik by se od každého člena týmu očekávalo, že přispěje do zásobníku ML.
velikost týmů je také silným ukazatelem toho, jak jsou povinnosti každého člena odděleny. Obecně platí, že čím větší týmy, tím více oddělených pracovních úkolů by bylo, a naopak. Abychom tomu porozuměli, představte si společnost, která začíná v adopci AI. Chtěli by najmout někoho, kdo má spoustu relevantních zkušeností a je schopen vytvářet a nasazovat modely od začátku do konce. Naopak velké technologické společnosti jako Facebook a Google by pravděpodobně měly individuální týmy pro každou pracovní funkci.
stánek s jídlem: Naučte se všechny ostatní dovednosti, které potřebujete, abyste mohli nasadit Model ML zepředu dozadu.
očekávání vs realita #3
očekávání: měl bych se obrátit na obrovské technologické společnosti, jako je FANG, abych získal nejlepší učení, protože jsou lídry v této oblasti.
Realita: Zatímco velké tech společností, jako FANG jsou atraktivní, protože jejich platy a jejich pověst, je často velmi těžké se dostat do. Já pro jednoho jsem nepracoval v žádné ze společností FANG, ale představoval bych si, že práce se skupinou vysoce inteligentních lidí s podobnými zájmy by byla ideálním místem pro učení.
s čím jiným se tedy mohu spokojit? Opravdu záleží na odvětví, které vás zajímá a co byste se chtěli naučit. Pokud jste někdo, kdo se zajímá o počítačové vidění, najděte společnosti, které jsou v této oblasti obrovské a jejichž poslání a vize s vámi rezonují. V dnešní době AI, je to všechno o vytváření hodnoty a dělat život mnohem jednodušší pro spotřebitele. Najděte společnost, která se vás týká, a společnost, které chcete přidat hodnotu.
pokud jste jako já, kdo se více zaměřuje na učení dovedností, které potřebuji, pak by společnost, na které se ucházíte, neměla příliš záležet. Měl by to být rozsah práce, který byste měli zkoumat. Měla by to být oblast vašeho zájmu, kde můžete splnit většinu pracovních požadavků, ale také se denně učit nové věci. To pro mě, je místo, kde se daří učení a spokojenosti s prací.
stánek s jídlem: zaměřte se na to, co byste se chtěli naučit, místo společnosti, o kterou žádáte.