Q:
Які існують основні способи, якими професіонали виділяються в машинному навчанні?
A:Успіх машинного навчання часто вимагає поєднання навичок та досвіду. Детальніше про деякі з цих принципів та наборів навичок допомагає людям краще зрозуміти, що компанії шукають, коли наймають професіоналів машинного навчання.
У дуже базовому сенсі можна сказати, що успіх у машинному навчанні часто ґрунтується на трикратному принципі - програмуванні, математиці та огляді. Кожна з цих трьох речей принципово відрізняється, але кожна з них відіграє певну роль у розвитку професіонала кар’єри як експерта з машинного навчання.
З кінця програмування знання мов, таких як Python та R, стає надзвичайно корисним, але є також навички кросовера з таких мов, як COBOL, Perl та Ruby on Rails, які можуть мати певну цінність. Частина цього пов'язана з принциповим характером програмування - ви маєте справу з маршрутизацією операцій та значень там, де вони повинні бути. Тоді також є проекти машинного навчання, які використовують переваги застарілого коду.
Другий фундаментальний принцип - математика. Люди з передовими математичними навичками або проникливістю часто мають набагато більший успіх у світі машинного навчання. Переглядаючи нейронні мережі або інші моделі, вони здатні розбити математичні рівняння, які ведуть до мережевих виходів. Люди часто говорять про те, що нейронні мережі є "чорними скриньками" навіть технічним працівникам, але, наскільки ви дотепні в математиці, ви можете почати шлях до кращого розуміння того, що робить програма.
Це призводить до третього принципу, який є розумінням. Розуміння ймовірнісної статистики справді допомагає в успіху машинного навчання. Це тому, що при машинному навчанні проекти переходять з чисто детермінованої або лінійної зони програмування в нову ймовірнісну зону. Люди, які мають більше розуму щодо ймовірності, можуть переглянути зважені дані та краще передбачити, які можуть бути результати. Однак в іншому розумінні люди, які інтуїтивно розуміють машинне навчання, зрозуміють, як обмежити його застосування лише речами, які мають сенс.
Один з найбільших п'яти підводних каменів у машинному навчанні сьогодні - це невпинне та нерозбірливе застосування машинного навчання у корпоративних програмах. Існує багато ситуацій, коли машинне навчання просто не є вдалим рішенням - чи то через складність системи, переобладнання, згадану раніше проблему чорного поля чи щось інше. Однією з найцінніших професіоналів у машинному просторі навчання будуть ті, хто вміє правильно вибирати проекти - як вилікувати додатки машинного навчання - і як впоратися з купівлею та процедурою як кваліфікованого консультанта.
