Burada sizlere detaylı YZ Kariyeri konusunda bilgi verecek güzel bir yazının kısaltılmış halini aktarıyorum. Yazının birinci bölümünün orijinalini https://read.deeplearning.ai/the-batch/how-to-build-a-career-in-ai-part-1-three-steps-to-career-growth/ sayfasında bulabilirsiniz.

Yazının yazarı deeplearning.ai ve coursera.org 'un kurucusu Andrew NG'nin olunca daha dikkat çekici olmakta! İyi okumalar:

Yapay Zekada Kariyer Nasıl İnşa Edilir?

Bölüm 1: Kariyer Büyümesinin Üç Adımı

Kariyer gelişiminin üç temel adımı, öğrenme (teknik ve diğer beceriler kazanmak), projeler üzerinde çalışmak (becerileri derinleştirmek, portföy oluşturmak ve etki yaratmak) ve iş aramaktır. Bu adımlar birbirinin üzerine yığılır:

Başlangıçta, temel teknik beceriler kazanmaya odaklanırsınız.
Temel beceriler kazandıktan sonra proje çalışmasına yönelirsiniz. Bu süre zarfında, muhtemelen öğrenmeye devam edeceksiniz.
Daha sonra, ara sıra bir iş araması yapabilirsiniz. Bu süreç boyunca, muhtemelen öğrenmeye ve anlamlı projeler üzerinde çalışmaya devam edeceksiniz.

Bu aşamalar çok çeşitli mesleklerde geçerlidir, ancak yapay zeka benzersiz unsurlar içerir. Örneğin:

Yapay Zeka (YZ) yeni ortaya çıkıyor ve birçok teknoloji hala gelişiyor. Makine öğrenimi ve derin öğrenmenin temelleri olgunlaşırken - ve kurslar bu temellerin ötesinde ustalaşmanın etkili bir yolu olsa da, yapay zekada değişen teknolojiye ayak uydurmak, daha olgun alanlardan daha önemlidir.
Proje çalışması genellikle yapay zeka konusunda uzmanlığı olmayan paydaşlarla çalışmak anlamına gelir. Bu, uygun bir proje bulmayı, projenin zaman çizelgesini ve yatırım getirisini tahmin etmeyi ve beklentileri belirlemeyi zorlaştırabilir. Ek olarak, yapay zeka projelerinin yüksek düzeyde yinelemeli doğası, proje yönetiminde özel zorluklara yol açar: Hedef doğruluğuna ulaşmanın ne kadar süreceğini önceden bilmiyorsanız, bir sistem oluşturmak için nasıl bir plan yapabilirsiniz? Sistem hedefe ulaştıktan sonra bile, dağıtım sonrası sapmayı gidermek için daha fazla yineleme gerekebilir.
YZ'de iş aramak, diğer sektörlerde iş aramaya benzer olsa da, bazı farklılıklar vardır. Birçok şirket hala hangi AI becerilerine ihtiyaç duyduklarını ve bu becerilere sahip insanları nasıl işe alacaklarını bulmaya çalışıyor. Üzerinde çalıştığınız şeyler, görüşmecinizin gördüğü her şeyden önemli ölçüde farklı olabilir ve potansiyel işverenleri işinizin bazı unsurları hakkında eğitmeniz daha olasıdır.

Bu adımlar boyunca, destekleyici bir topluluk büyük bir yardımdır. Size yardımcı olabilecek ve sizin de yardım etmeye çalıştığınız bir grup arkadaşınız ve müttefikinizin olması, yolu kolaylaştırır. Bu, ister ilk adımlarınızı atıyor olun, ister yıllardır bir yolculukta olun bu doğrudur.

Bölüm 2: Teknik Becerileri Öğrenmek

Yapay zeka hakkında herhangi bir kişinin hayatı boyunca okuyabileceğinden daha fazla makale yayınlandı. Bu nedenle, öğrenme çabalarınızda konu seçimine öncelik vermek çok önemlidir . Makine öğreniminde teknik bir kariyer için en önemli konuların şunlar olduğuna inanıyorum:

Temel makine öğrenimi becerileri. Örneğin, doğrusal regresyon, lojistik regresyon, sinir ağları, karar ağaçları, kümeleme ve anormallik tespiti gibi modelleri anlamak önemlidir. Belirli modellerin ötesinde, önyargı/varyans, maliyet işlevleri, düzenleme, optimizasyon algoritmaları ve hata analizi gibi makine öğreniminin nasıl ve neden çalıştığının arkasındaki temel kavramları anlamak daha da önemlidir .
Derin öğrenme. Bu, makine öğreniminin o kadar büyük bir kısmı haline geldi ki, biraz anlamadan bu alanda başarılı olmak zor! Sinir ağlarının temellerini, onları çalıştırmaya yönelik pratik becerileri (hiperparametre ayarlama gibi), evrişimli ağları, dizi modellerini ve transformatörleri bilmek değerlidir.
Makine öğrenimi ile ilgili matematik. Anahtar alanlar, lineer cebir (vektörler, matrisler ve bunların çeşitli manipülasyonları) ile olasılık ve istatistikleri (ayrık ve sürekli olasılık, standart olasılık dağılımları, bağımsızlık ve Bayes kuralı gibi temel kurallar ve hipotez testi dahil) içerir. Ek olarak, bir veri kümesini sistematik olarak keşfetmek için görselleştirmeleri ve diğer yöntemleri kullanmak olan keşifsel veri analizi (EDA) hafife alınan bir beceridir. EDA'yı özellikle , hataları analiz etmenin ve içgörü kazanmanın ilerlemeyi artırmaya gerçekten yardımcı olabileceği veri merkezli yapay zeka geliştirmede yararlı buldum! Son olarak, matematiğin temel bir sezgisel anlayışı da yardımcı olacaktır. önceki bir mektupta, makine öğrenimini iyi yapmak için gereken matematiğin nasıl değiştiğini anlattım. Örneğin, bazı görevler kalkülüs gerektirse de, geliştirilmiş otomatik farklılaşma yazılımı, herhangi bir hesap yapmadan yeni sinir ağı mimarileri icat etmeyi ve uygulamayı mümkün kılar. On yıl önce bu neredeyse imkansızdı.
Yazılım geliştirme. Yalnızca makine öğrenimi modelleme becerileri ile bir iş bulup büyük katkılar sağlayabilirsiniz, ancak karmaşık AI sistemlerini uygulamak için iyi yazılımlar da yazabilirseniz iş fırsatlarınız artacaktır. Bu beceriler arasında programlama temelleri, veri yapıları (özellikle veri çerçeveleri gibi makine öğrenimi ile ilgili olanlar), algoritmalar (veritabanları ve veri işlemeyle ilgili olanlar dahil), yazılım tasarımı, Python'a aşinalık ve TensorFlow gibi temel kitaplıklara aşinalık yer alır. veya PyTorch ve scikit-learn.

Bu öğrenilecek çok şey var! Bu listedeki her şeye hakim olduktan sonra bile, umarım öğrenmeye devam edersiniz ve teknik bilginizi derinleştirmeye devam edersiniz. Doğal dil işleme veya bilgisayarla görme gibi bir uygulama alanında veya olasılıksal grafik modeller veya ölçeklenebilir yazılım sistemleri oluşturma gibi bir teknoloji alanında daha derin becerilerden yararlanan birçok makine öğrenimi mühendisi tanıyorum.

Bu becerileri nasıl kazanırsınız? çok güzel içerikler varİnternette ve teoride düzinelerce web sayfasını okumak işe yarayabilir. Ancak amaç derin bir anlayış olduğunda, birbirinden kopuk web sayfalarını okumak verimsizdir çünkü bunlar birbirlerini tekrar etme, tutarsız terminoloji kullanma (sizi yavaşlatır), kalite açısından çeşitlilik gösterir ve boşluklar bırakır. Bu nedenle, tutarlı ve mantıklı bir biçimde organize edilen bir materyal gövdesinin yer aldığı iyi bir kurs, anlamlı bir bilgi birikimine hakim olmanın çoğu zaman en verimli yoludur. Kurslarda bulunan bilgileri özümsediğinizde, araştırma makalelerine ve diğer kaynaklara geçebilirsiniz.

Son olarak, hiç kimsenin bilmesi gereken her şeyi bir hafta sonu hatta bir ay boyunca sıkıştıramayacağını unutmayın. Makine öğreniminde harika olan tanıdığım herkes yaşam boyu öğreniyor. Aslında, alanımızın ne kadar hızlı değiştiği göz önüne alındığında, yetişmek istiyorsanız öğrenmeye devam etmekten başka seçeneğimiz yok. Yıllarca istikrarlı bir öğrenme hızını nasıl sürdürebilirsiniz? Alışkanlıkların değeri hakkında yazdım . Her hafta biraz öğrenme alışkanlığını geliştirirseniz, daha az çaba sarf ederek önemli ilerlemeler kaydedebilirsiniz.

Bölüm 3: Proje Seçme

Sadece sorumlu ve etik olan ve insanlara fayda sağlayan projeler üzerinde çalışmamız gerektiğini söylemeye gerek yok. Ancak bu sınırlar, aralarından seçim yapabileceğiniz geniş bir çeşitlilik bırakıyor. Daha önce yapay zeka projelerinin nasıl tanımlanacağı ve kapsamının belirleneceği hakkında yazmıştım . Bu ve gelecek haftaki mektubun farklı bir vurgusu var: kariyer gelişimine yönelik projeler seçmek ve yürütmek.

Verimli bir kariyer, zamanla kapsamı, karmaşıklığı ve etkisi artacağını umduğumuz birçok projeyi içerecektir. Bu nedenle, küçük başlamak iyidir. Öğrenmek için erken projeleri kullanın ve becerileriniz geliştikçe kademeli olarak daha büyük projelere geçin.

Başlarken, başkalarının size bir tepside harika fikirler veya kaynaklar vermesini beklemeyin. Birçok insan boş zamanlarında küçük projeler üzerinde çalışarak başlar. İlk başarılar - küçük olanlar bile - kemerinizin altında, artan becerileriniz daha iyi fikirler bulma yeteneğinizi artırır ve başkalarını daha büyük projelere adım atmanıza yardımcı olmaya ikna etmek daha kolay hale gelir.

Ya herhangi bir proje fikriniz yoksa? Bunları oluşturmanın birkaç yolu:

Mevcut projelere katılın. Bir fikri olan başka birini bulursanız, projelerine katılmasını isteyin.
Okumaya ve insanlarla konuşmaya devam edin. Okumak, ders almak veya alan uzmanlarıyla konuşmak için çok zaman harcadığımda yeni fikirler buluyorum. Senin de yapacağına eminim.
Bir uygulama alanına odaklanın. Pek çok araştırmacı, yeni nesil transformatörler icat ederek veya dil modellerini daha da büyüterek temel AI teknolojisini geliştirmeye çalışıyor. Bu nedenle, bu heyecan verici bir yön olsa da, zor. Ancak makine öğreniminin henüz uygulanmadığı uygulamaların çeşitliliği çok fazla! Sinir ağlarını otonom helikopter uçuşundan çevrimiçi reklamcılığa kadar her şeye uygulayabildiğim için şanslıyım, çünkü kısmen bu uygulamalar üzerinde nispeten az insan çalışırken atladım. Şirketiniz veya okulunuz belirli bir uygulamayı önemsiyorsa, makine öğrenimi olanaklarını keşfedin. Bu, henüz kimsenin yapmadığı, benzersiz işler yapabileceğiniz, potansiyel olarak yaratıcı bir uygulamaya ilk kez bakmanızı sağlayabilir.
Bir yan koşuşturma geliştirin. Tam zamanlı bir işiniz olsa bile, daha büyük bir şeye dönüşebilecek veya gelişmeyebilecek eğlenceli bir proje, yaratıcılığı harekete geçirebilir ve işbirlikçilerle bağları güçlendirebilir. Tam zamanlı bir profesörken, çevrimiçi eğitim üzerinde çalışmak (araştırma yapmak ve ders vermek olan) “işimin” bir parçası değildi. Eğitime olan tutkumdan sıklıkla üzerinde çalıştığım eğlenceli bir hobiydi. Evde video kaydederken edindiğim ilk deneyimler, daha sonra çevrimiçi eğitim üzerinde daha kapsamlı bir şekilde çalışmama yardımcı oldu. Silikon Vadisi, yan projeler olarak başlayan girişimlerin hikayeleriyle doludur. İşvereninizle bir çatışma yaratmadığı sürece, bu projeler önemli bir şeye atlama taşı olabilir.

Birkaç proje fikri verildiğinde hangisine atlamalısınız? İşte göz önünde bulundurulması gereken faktörlerin hızlı bir kontrol listesi:

Proje teknik olarak büyümenize yardımcı olacak mı? İdeal olarak, becerilerinizi geliştirecek kadar zorlayıcı olmalı, ancak başarı şansınız çok az olacak kadar zor olmamalıdır. Bu, sizi her zamankinden daha fazla teknik karmaşıklıkta ustalaşmaya doğru bir yola sokacaktır.
Birlikte çalışabileceğiniz iyi takım arkadaşlarınız var mı? Değilse, konuları tartışabileceğiniz kişiler var mı? Çevremizdeki insanlardan çok şey öğreniyoruz ve iyi işbirlikçilerin büyümeniz üzerinde büyük etkisi olacak.
Bir basamak olabilir mi? Proje başarılı olursa, teknik karmaşıklığı ve/veya ticari etkisi onu daha büyük projelere anlamlı bir adım atacak mı? (Proje daha önce üzerinde çalıştığınız projelerden daha büyükse, büyük bir şans olabilir.)

Son olarak, analiz felcinden kaçının. Tamamlanması bir hafta sürecek bir proje üzerinde çalışıp çalışmamaya karar vermek için bir ay harcamak mantıklı değil. Kariyeriniz boyunca birden fazla proje üzerinde çalışacaksınız, böylece neyin değerli olduğuna dair düşüncelerinizi geliştirmek için bolca fırsatınız olacak.