Q:
Quelles sont les façons fondamentales dont les professionnels de carrière se distinguent dans l'apprentissage automatique?
UNE:Le succès de l'apprentissage automatique nécessite souvent une combinaison de compétences et d'expériences. Le fait de détailler certains de ces principes et ensembles de compétences aide les individus à mieux comprendre ce que les entreprises recherchent lorsqu'elles embauchent des professionnels de l'apprentissage automatique.
Dans un sens très basique, on pourrait dire que le succès de l'apprentissage automatique repose souvent sur un triple principe: la programmation, les mathématiques et la perspicacité. Chacune de ces trois choses est fondamentalement différente, mais chacune d'elles joue un rôle dans le développement d'un professionnel de carrière en tant qu'expert en apprentissage automatique.
Du côté de la programmation, la connaissance de langages tels que Python et R devient extrêmement utile, mais il existe également des compétences de croisement de langages comme COBOL, Perl et Ruby on Rails qui peuvent avoir une certaine valeur. Cela est dû en partie à la nature fondamentale de la programmation, à savoir que vous devez acheminer les opérations et les valeurs là où elles doivent être. Ensuite, il existe également des projets d'apprentissage automatique qui tirent parti du code hérité.
Le deuxième principe fondamental est la mathématique. Les personnes ayant des compétences mathématiques avancées ou un sens aigu ont souvent beaucoup plus de succès dans le monde de l'apprentissage automatique. Lorsqu'ils regardent des réseaux de neurones ou d'autres modèles, ils sont capables de décomposer les équations mathématiques qui mènent aux sorties du réseau. Les gens disent souvent que les réseaux de neurones sont des «boîtes noires» même pour les techniciens - mais dans la mesure où vous êtes avertis en mathématiques, vous pouvez commencer à progresser vers une meilleure compréhension de ce que fait le programme.
Cela conduit au troisième principe, qui est la perspicacité. Comprendre les statistiques probabilistes aide vraiment au succès de l'apprentissage automatique. En effet, avec l'apprentissage automatique, les projets passent d'une zone de programmation purement déterministe ou linéaire à une nouvelle zone probabiliste. Les personnes qui connaissent mieux les probabilités peuvent examiner les données pondérées et mieux prédire quels pourraient être les résultats. Cependant, dans un autre sens, les personnes intuitivement sages sur l'apprentissage automatique comprendront comment limiter ses applications à des choses qui ont du sens.
L'un des cinq grands pièges de l'apprentissage automatique aujourd'hui est l'application généralisée et aveugle de l'apprentissage automatique dans les applications d'entreprise. Il existe de nombreuses situations où l'apprentissage automatique n'est tout simplement pas une bonne solution - que ce soit en raison de la complexité du système, du sur-ajustement, du problème de boîte noire mentionné précédemment ou de toute autre chose. Certains des professionnels les plus précieux de l'espace d'apprentissage automatique seront ceux qui savent bien choisir les projets - comment gérer les applications d'apprentissage automatique - et comment gérer l'adhésion et la procédure en tant que consultant qualifié.
