기대 대 현실#1
기대:나는 연구 분야(인공 지능)에 침입하는 데 필요한 기술을 잘 갖추게 될 것입니다.
현실:진실은 그것과는 거리가 멀다. 인공 지능 분야에서 실용적인 응용이 핵심입니다. 인공 지능/기계 학습 엔지니어 또는 데이터 과학자를 고용하는 회사는 이론적 모델을 실제 데이터 세트에 적용하는 측면에서 적절한 경험이 있음을 알고 싶어합니다. 인공지능에 석사를 둔다는 것은 다양한 기계 학습 모델의 기초가되는 이론적 지식의 강력한 기반을 구축하지만,종종 실제 적용으로 이어지지 않습니다.
즉,경험이없는 사람이 인공 지능에 침입하는 것이 불가능하다는 것을 의미합니까? 모든-고용주는 종종 카글 대회에 참여하고 또한 기 허브에 활동 수준에 주목하고 필드에 대한 관심의 수준을 측정하기 위해 프록시로이를 사용합니다. 당신이 교실에서 배운 것을 가지고 실제 응용 프로그램에 적용 할 수있는 것은 고용주의 눈에 가치가있다. 예를 들어,수업 시간에(깊은)질문 학습에 대해 배웠다면,아타리 게임이나 팩맨을 플레이하는 법을 배우는 봇을 만드는 것은 이미 큰 승리 일 것입니다.
테이크 아웃:항상 교실에서 배운 것을 적용하십시오. 아무도 당신이 주인이 있기 때문에 당신이 일을 할 수 있다고 믿지 않을 것입니다.
기대 대 현실#2
기대: 저는 데이터 과학자가 되는 것에 관심이 있습니다.따라서 저는 높은 정확도로 최고의 모델을 만드는 데 중점을 두어야 합니다. 코드 효율성과 머신러닝 파이프라인을 만드는 방법을 아는 것은 두 번째로 중요합니다.
현실:인공 지능 분야에서 재능이 부족합니다. 시장에서 거기 밖으로 그들의 공급 보다 데이터 엔지니어,데이터 분석가 및 데이터 과학자의 팀을 구축 하 고 싶은 더 많은 회사가 있다. 그 결과,당신은 거의 항상 당신의 직책이 당신을 허용하는 것보다 더 많은 일을 할 것으로 예상됩니다. 언급 하지 않기 위하여,당신의 벨트 아래 스킬의 스위트 데 만들 것입니다 당신이 더 유연한 작업 사냥에.
또한 필연적으로 특정 산업의 기업은 인공 지능 채택 측면에서 더 빠를 수밖에 없다. 전자 상거래,기술 및 의료 회사조차도 인공 지능으로부터 큰 이익을 얻었으며 금융과 같은 산업도 많은 이익을 얻었지만 의심 할 여지없이 금융 규제로 인해 채택 속도가 느립니다. 인공지능 도입과 관련하여 회사가 어떤 단계에 있는지 이해하는 것은 각 팀 구성원이 머신러닝 스택에 얼마나 기여할 것으로 예상되는지에 대한 강한 감각을 줄 수 있기 때문에 매우 중요합니다.
팀의 규모는 또한 각 구성원의 임무가 얼마나 분리되었는지를 보여주는 강력한 지표입니다. 일반적으로 팀이 클수록 작업 작업이 더 분리되고 그 반대도 마찬가지입니다. 이를 이해하려면 인공 지능 채택을 시작하는 회사를 상상해보십시오. 그들은 관련 경험이 많고 처음부터 끝까지 모델을 구축하고 배포 할 수있는 사람을 고용하기를 원할 것입니다. 반대로,페이스 북과 구글과 같은 거대한 기술 회사는 아마 각 작업 기능에 대한 개별 팀을 가질 것이다..
테이크 아웃:앞에서 뒤로 기계 학습 모델을 배포 할 수 있도록 필요한 다른 모든 기술을 배우십시오.
기대 대 현실#3
기대:나는 팡과 같은 거대 기술 회사가이 분야의 리더이기 때문에 최고의 학습을 얻기 위해 적용해야합니다.
현실:팡과 같은 대형 기술 회사들은 급여 패키지와 명성 때문에 매력적이지만,종종 하나에 들어가기가 매우 어렵습니다. 하나 나는 송곳니 회사 중 하나에서 일하지 않은,하지만 난 비슷한 관심사를 가진 고도의 지능 사람들의 그룹과 함께 작업하는 학습을위한 이상적인 장소가 될 것이라고 상상한다.
그 밖의 무엇을 정착 할 수 있습니까? 그것은 정말로 당신이 관심있는 산업과 당신이 배우고 싶은 것에 달려 있습니다. 만약 당신이 컴퓨터 비전에 관심이 있는 사람,그 지역에 거 대 한 회사를 찾아 하나의 사명과 비전 당신과 함께 공명. 인공지능의 시대에,그것은 가치를 창조하고 소비자들에게 삶을 훨씬 더 쉽게 만드는 것에 관한 것입니다. 너와 너가 가치를 추가하고 싶으면 것 관련시키는 회사를 발견하십시요.
당신이 나에게 필요한 기술을 배우는 데 더 집중하는 나와 같다면,당신이 신청하는 회사는 너무 중요하지 않아야합니다. 너가 자세히 조사해야 하는 일 범위 이어야 한다. 그것은 당신이 작업 요구 사항의 대부분을 수행 할 수 있습니다 관심의 영역이어야한다,아직 매일 새로운 것을 배울. 그것은 나에게 학습과 직업 만족이 번성하는 곳입니다.
테이크 아웃:당신이 배우고 싶은 것에 초점,대신 당신이 신청하는 회사.