așteptare vs realitate #1
așteptare: voi fi bine echipat cu abilitățile de care am nevoie pentru a intra în domeniul de studiu (inteligență artificială).
realitatea: adevărul este departe de el. În domeniul AI, aplicarea practică este esențială. Companiile care angajează ingineri AI / Machine Learning (ML) sau oameni de știință de date vor să știe că aveți o experiență adecvată în ceea ce privește aplicarea modelelor teoretice pe seturile de date din viața reală. A avea un master în AI construiește o bază solidă a cunoștințelor teoretice care stau la baza diferitelor modele ML, dar cel mai adesea nu se traduce în aplicația din viața reală.
asta înseamnă că ar fi imposibil ca cineva fără experiență să pătrundă în AI? Deloc-angajatorii caută adesea implicarea în competițiile Kaggle și, de asemenea, nivelul de activitate pe Github și le folosesc ca proxy pentru a evalua nivelul dvs. de interes în domeniu. Posibilitatea de a lua ceea ce ați învățat în clasă și de a-l aplica pe orice aplicație din viața reală este valoroasă în ochii angajatorului. De exemplu, dacă am învățat despre (Deep) Q-learning în clasă, construirea unui bot care învață cum să joace un joc Atari sau Pac-man ar fi deja o victorie uriașă.
Takeaway: aplicați întotdeauna ceea ce ați învățat în clasă. Nimeni nu va crede că ești capabil de acest loc de muncă doar pentru că ai un maestru.
așteptare vs realitate # 2
așteptare: Sunt interesat să devin un om de știință de date, prin urmare, accentul meu ar trebui să fie pe construirea celor mai bune modele cu o precizie ridicată. Eficiența codului și cunoașterea modului de construire a conductelor ML au o importanță secundară.
realitate: în domeniul AI, talentul este rar. Există mai multe companii care doresc să construiască o echipă de ingineri de date, analiști de date și oameni de știință de date decât există furnizarea acestora acolo pe piață. Ca rezultat, veți fi aproape întotdeauna de așteptat să facă mai mult decât titlul de locuri de muncă ar permite să. Să nu mai vorbim, având că suita de skillsets sub centura ta va face mai flexibil în vânătoare de locuri de muncă.
de asemenea, inevitabil, companiile din anumite industrii sunt obligate să fie mai rapide în ceea ce privește adoptarea ia. Comerțul electronic, tehnologia și chiar companiile de asistență medicală au beneficiat foarte mult de IA și, în timp ce industriile precum finanțele au multe de câștigat, este, fără îndoială, mai lentă în adoptare din cauza reglementărilor financiare. Înțelegerea stadiului în care se află o companie în ceea ce privește adoptarea AI este crucială, deoarece vă va oferi un sentiment puternic cu privire la cât de mult ar trebui să contribuie fiecare membru al echipei la stiva ML.
dimensiunea echipelor este, de asemenea, un indiciu puternic al modului în care sunt separate îndatoririle fiecărui membru. În general, cu cât echipele sunt mai mari, cu atât sarcinile de serviciu ar fi mai segregate și invers. Pentru a înțelege acest lucru, imaginați-vă o companie care începe în adoptarea AI. Ei ar dori să angajeze pe cineva cu o mulțime de experiență relevantă și capabil să construiască și să implementeze modele de la început până la sfârșit. Dimpotrivă, companiile uriașe de tehnologie precum Facebook și Google ar avea probabil echipe individuale pentru fiecare funcție de locuri de muncă.
Takeaway: aflați toate celelalte abilități de care aveți nevoie pentru a putea implementa un model ML din față în spate.
așteptare vs Realitate #3
așteptare: ar trebui să mă adresez companiilor uriașe de tehnologie precum FANG pentru a obține cea mai bună învățare, deoarece acestea sunt liderii în acest domeniu.
realitate: în timp ce companiile mari de tehnologie precum FANG sunt atractive din cauza pachetelor lor de plată și a reputației lor, este adesea extrem de greu să intri într-una. Eu unul nu am lucrat în niciuna dintre companiile FANG, dar mi-aș imagina că lucrul cu un grup de oameni extrem de inteligenți cu interese similare ar fi un loc ideal pentru învățare.
cu ce altceva mă pot mulțumi atunci? Depinde într-adevăr de industria care vă interesează și de ceea ce doriți să învățați. Dacă sunteți cineva care este interesat de viziune de calculator, găsi companii care sunt uriașe în acest domeniu și unul a cărui misiune și viziune rezonează cu tine. În această zi și vârstă a AI, este vorba despre crearea de valoare și de a face viața mult mai ușoară pentru consumator. Găsiți o companie care se referă la dvs. și una la care doriți să adăugați valoare.
dacă sunteți ca mine, care este mai concentrat pe învățarea skillsets de care am nevoie, atunci compania la care aplicați nu ar trebui să conteze prea mult. Ar trebui să fie domeniul de aplicare de locuri de muncă pe care ar trebui să fie examinarea. Ar trebui să fie un domeniu de interes în cazul în care vă puteți îndeplini cele mai multe dintre cerințele de locuri de muncă, dar, de asemenea, să învețe lucruri noi pe baza de zi cu zi. Asta pentru mine, este în cazul în care învățarea și satisfacția de locuri de muncă prosperă.
Takeaway: concentrați-vă pe ceea ce doriți să învățați, în loc de compania pentru care solicitați.