Erwartung vs Realität # 1
Erwartung: Ich werde mit den Fähigkeiten ausgestattet sein, die ich brauche, um in das Studienfach (Künstliche Intelligenz) einzusteigen.
Realität: Die Wahrheit ist weit davon entfernt. Im Bereich der KI ist die praktische Anwendung entscheidend. Unternehmen, die Ingenieure für KI / maschinelles Lernen (ML) oder Datenwissenschaftler einstellen, möchten wissen, dass Sie über ausreichende Erfahrung in der Anwendung theoretischer Modelle auf reale Datensätze verfügen. Mit einem Master in AI wird eine solide Grundlage für das theoretische Wissen geschaffen, das den verschiedenen ML-Modellen zugrunde liegt, aber meistens nicht in die reale Anwendung umgesetzt.
Bedeutet das, dass es für jemanden ohne Erfahrung unmöglich wäre, in die KI einzubrechen? Überhaupt nicht – Arbeitgeber achten oft auf die Beteiligung an Kaggle-Wettbewerben und auch auf das Aktivitätsniveau auf Github und verwenden diese als Proxy, um Ihr Interesse an diesem Bereich zu messen. In den Augen des Arbeitgebers ist es wertvoll, das, was Sie im Klassenzimmer gelernt haben, auf eine reale Anwendung anzuwenden. Wenn ich zum Beispiel im Unterricht etwas über (Deep) Q-Learning lernen würde, wäre es bereits ein großer Gewinn, einen Bot zu bauen, der lernt, wie man ein Atari-Spiel oder Pac-Man spielt.
Zum Mitnehmen: Wenden Sie immer das an, was Sie im Unterricht gelernt haben. Niemand wird glauben, dass Sie in der Lage sind, den Job zu erledigen, nur weil Sie einen Master haben.
Erwartung vs Realität #2
Erwartung: Ich bin daran interessiert, Datenwissenschaftler zu werden, daher sollte mein Fokus darauf liegen, die besten Modelle mit hoher Genauigkeit zu erstellen. Codeeffizienz und das Wissen, wie ML-Pipelines aufgebaut werden, sind von untergeordneter Bedeutung.
Realität: Im Bereich der KI sind Talente rar gesät. Es gibt mehr Unternehmen, die ein Team von Dateningenieuren, Datenanalysten und Datenwissenschaftlern aufbauen möchten, als es auf dem Markt gibt. Infolgedessen wird von Ihnen fast immer erwartet, dass Sie mehr tun, als Ihre Berufsbezeichnung zulässt. Ganz zu schweigen davon, dass Sie mit dieser Reihe von Fähigkeiten flexibler auf der Jobsuche sind.
Außerdem müssen Unternehmen aus bestimmten Branchen bei der Einführung von KI zwangsläufig schneller sein. E-Commerce-, Technologie- und sogar Gesundheitsunternehmen haben stark von KI profitiert, und während Branchen wie das Finanzwesen ebenfalls viel zu gewinnen haben, ist die Akzeptanz aufgrund der Finanzregulierung zweifellos langsamer. Das Verständnis der Phase, in der sich ein Unternehmen in Bezug auf die KI-Einführung befindet, ist entscheidend, da es Ihnen ein starkes Gefühl dafür gibt, wie viel jedes Teammitglied zum ML-Stack beitragen soll.
Die Größe der Teams ist auch ein starker Hinweis darauf, wie getrennt die Aufgaben jedes Mitglieds sind. Im Allgemeinen gilt: Je größer die Teams, desto getrennter sind die Aufgaben und umgekehrt. Um dies zu verstehen, stellen Sie sich ein Unternehmen vor, das mit der Einführung von KI beginnt. Sie möchten jemanden mit viel relevanter Erfahrung einstellen, der in der Lage ist, Modelle von Anfang bis Ende zu erstellen und bereitzustellen. Im Gegenteil, große Tech-Unternehmen wie Facebook und Google hätten wahrscheinlich individuelle Teams für jede Jobfunktion.
Takeaway: Erlernen Sie alle anderen Fähigkeiten, die Sie benötigen, um ein ML-Modell von vorne nach hinten bereitstellen zu können.
Erwartung vs Realität # 3
Erwartung: Ich sollte mich bei großen Technologieunternehmen wie FANG bewerben, um das beste Lernen zu erhalten, da sie auf diesem Gebiet führend sind.
Realität: Während große Tech-Unternehmen wie FANG aufgrund ihrer Vergütungspakete und ihres Rufs attraktiv sind, ist es oft extrem schwierig, in eines zu kommen. Ich für meinen Teil habe in keinem der FANG-Unternehmen gearbeitet, aber ich würde mir vorstellen, dass die Arbeit mit einer Gruppe hochintelligenter Menschen mit ähnlichen Interessen ein idealer Ort zum Lernen wäre.
Womit kann ich mich dann noch zufrieden geben? Es hängt wirklich von der Branche ab, an der Sie interessiert sind und was Sie lernen möchten. Wenn Sie jemand sind, der sich für Computer Vision interessiert, finden Sie Unternehmen, die in diesem Bereich groß sind und deren Mission und Vision mit Ihnen in Resonanz stehen. In der heutigen Zeit der KI geht es darum, Werte zu schaffen und dem Verbraucher das Leben zu erleichtern. Finden Sie ein Unternehmen, das zu Ihnen passt und dem Sie einen Mehrwert bieten möchten.
Wenn Sie sich wie ich mehr darauf konzentrieren, die Fähigkeiten zu erlernen, die ich brauche, dann sollte das Unternehmen, bei dem Sie sich bewerben, keine allzu große Rolle spielen. Es sollte der Arbeitsumfang sein, den Sie überprüfen sollten. Es sollte ein Bereich Ihres Interesses sein, in dem Sie die meisten beruflichen Anforderungen erfüllen und gleichzeitig täglich neue Dinge lernen können. Das ist für mich, wo Lernen und Arbeitszufriedenheit gedeiht.
Takeaway: Konzentrieren Sie sich auf das, was Sie lernen möchten, anstatt auf das Unternehmen, für das Sie sich bewerben.