نقشه راه رسیدن به شغل در دنیای هوش مصنوعی از دیدگاه " Andrew Ng " قسمت ۱
نقشه راه رسیدن به شغل مناسب در دنیای هوش مصنوعی از دیدگاه مرد شماره یک هوش مصنوعی دنیا " Andrew Ng "
مقدمه
«« کدگذاری AI را میتوان بعنوان یک سواد ضروری جدید دانست »»
امروزه ما مسلم می دانیم که بسیاری از مردم می دانند چگونه بخوانند و بنویسند. امیدوارم روزی مردم به اندازه هوش مصنوعی بدانند که چگونه کد بنویسند. چند صد سال پیش، جامعه سواد زبانی را یک مهارت ضروری نمی دانست. تعداد کمی از مردم خواندن و نوشتن را یاد گرفتند و بقیه به آن ها اجازه خواندن و نوشتن دادند. قرن ها طول کشید تا سواد گسترش یابد، و اکنون جامعه از آن توانگرتر است. کلمات ارتباط عمیق انسان با انسان را ممکن می سازند. کد عمیق ترین شکل ارتباطات انسان - ماشین است. همانطور که ماشین ها در زندگی روزمره مرکزی تر می شوند، ارتباط اهمیت بیشتری پیدا می کند.
مهندسی نرم افزار سنتی - برنامه های نوشتن که به صراحت توالی مراحل اجرای یک کامپیوتر را بیان می کنند - مسیر اصلی سواد کد بوده است. بسیاری از کلاس های برنامه نویسی مقدماتی از ایجاد یک بازی ویدئویی یا ساخت یک وب سایت به عنوان مثال استفاده می کنند. اما AI، یادگیری ماشین و علم داده الگوی جدیدی را ارائه می دهند که در آن کامپیوترها دانش را از داده ها استخراج می کنند. این تکنولوژی مسیر بهتری را برای کدگذاری ارائه می دهد.
روز یکشنبه، من یه تیکه پیتزا از محله خودم خریدم مرد پشت پیشخوان دلیل کمی برای یادگیری نحوه ساخت یک بازی ویدئویی یا نوشتن نرم افزار وب سایتش دارد (فراتر از رشد شخصی و لذت به دست آوردن یک مهارت جدید). اما هوش مصنوعی و علم داده حتی برای یک پیتزا ساز هم ارزش زیادی دارند. یک مدل رگرسیون خطی ممکن است او را قادر به برآورد بهتر تقاضا کند، بنابراین او می تواند کارکنان رستوران و زنجیره تامین را بهینه کند. او بهتر می توانست فروش پیتزا هاوایی را پیش بینی کند ، بنابراین او می توانست از قبل پیتزای هاوایی بیشتری درست کند و زمان انتظار مشتریان را کاهش دهد.
کاربردهای هوش مصنوعی و علم داده را می توان تقریبا در هر وضعیتی که داده ها را تولید می کند یافت. بنابراین، طیف گسترده ای از حرفه ها کاربردهای بیشتری را برای کاربردهای سفارشی AI و دیدگاه های برگرفته از داده ها نسبت به مهندسی نرم افزار سنتی پیدا خواهند کرد. این امر باعث می شود که سواد در کدگذاری مبتنی بر هوش مصنوعی حتی ارزشمندتر از کدگذاری سنتی باشد. این کار می تواند افراد بی شماری را قادر سازد تا از داده برای غنی تر کردن زندگی خود استفاده کنند. امیدوارم وعده ساخت برنامه های پایه AI، حتی بیشتر از ساخت نرم افزارهای پایه سنتی، افراد بیشتری را به یادگیری کد نوشتن تشویق کند. اگر جامعه این شکل جدید از سواد را بپذیرد و توانایی خواندن و نوشتن را داشته باشد، همه ما سود خواهیم برد.
فصل ۱
«« سه گام برای رشد شغلی »»
افزایش سریع هوش مصنوعی منجر به افزایش سریع مشاغل هوش مصنوعی شده است و بسیاری از مردم در حال ساخت مشاغل هیجان انگیز در این زمینه هستند. یک شغل یک سفر چند دهه ای است و مسیر آن ساده نیست. در طول سال ها، من افتخار دیدن هزاران دانشجو، و همچنین مهندسان در شرکت های بزرگ و کوچک را داشته ام که در مشاغل در AI مشغول به کار هستند.
این یک چارچوب برای رسم مسیر خودتان است.
سه مرحله کلیدی رشد شغلی عبارتند از: یادگیری مهارت های بنیادین، کار روی پروژه ها ( برای عمیق تر کردن مهارت ها، ایجاد مجموعه ای از پروژه ها ، و ایجاد تاثیر )، و یافتن یک شغل.
1) یادگیری
در ابتدا، شما بر یادگیری مهارت های بنیادی تمرکز می کنید. فصل های با موضوعات پوشش در مورد یادگیری مهارت های فنی بنیادی.
2) پروژه
پس از کسب مهارت های فنی بنیادی، کار بر روی پروژه ها را آغاز خواهید کرد. در طول این مدت، شما به یادگیری نیز ادامه خواهید داد. فصل های با تمرکز بر روی پروژه ها.
3) شغل
بعدا بر روی پیدا کردن شغل کار خواهید کرد. در طول این فرآیند، شما به یادگیری و کار بر روی پروژه های معنادار ادامه خواهید داد. فصل های با تمرکز بر جستجوی شغل. این فازها در طیف گسترده ای از حرفه ها به کار می روند، اما AI شامل عناصر منحصر به فردی است.
برای مثال:
1) یادگیری مهارت های بنیادی یک فرآیند طولانی مدت شغلی است:
AI نوپا بحساب می آید و بسیاری از فن آوری ها هنوز در حال تحول هستند. در حالی که مبانی یادگیری ماشینی و یادگیری عمیق در حال بلوغ هستند - و کار گروهی روش موثری برای تسلط بر آن ها است - فراتر از این مبانی، به روز نگه داشتن با تغییر تکنولوژی در AI مهم تر از زمینه هایی است که بالغ ترند.
2) کار روی پروژه ها اغلب به معنای هم کاری با ذینفعانی است که فاقد تخصص در AI هستند:
این مساله می تواند یافتن یک پروژه مناسب، برآورد جدول زمانی پروژه و بازگشت سرمایه، و تنظیم انتظارات را به چالش بکشد. علاوه بر این، ماهیت بسیار تکراری پروژه های AI منجر به چالش های خاص در مدیریت پروژه می شود: چگونه می توانید یک برنامه برای ساخت یک سیستم تهیه کنید وقتی که از قبل نمی دانید چقدر طول می کشد تا به دقت هدف دست یابید؟ حتی پس از اینکه سیستم به هدف رسید، تکرار بیشتر ممکن است برای رسیدگی به رانش پس از استقرار ضروری باشد.
3) نظرات متناقض در مورد مهارت های هوش مصنوعی و نقش های شغلی:
در حالی که جستجو برای یک شغل در AI می تواند مشابه جستجو برای یک شغل در بخش های دیگر باشد، تفاوت های مهمی نیز وجود دارد. بسیاری از شرکت ها هنوز در تلاش هستند تا بفهمند به چه مهارت های هوش مصنوعی نیاز دارند و چگونه افرادی را استخدام کنند که آن ها را دارند. چیزهایی که بر روی آن ها کار کرده اید ممکن است به طور قابل توجهی متفاوت از چیزهایی باشند که مصاحبه کننده دیده است، و شما به احتمال زیاد باید به کارفرمایان احتمالی در مورد برخی از عناصر کار خود آموزش دهید.
همانطور که هر مرحله را طی می کنید، باید یک جامعه حمایتی نیز ایجاد کنید. داشتن دوستان و متحدانی که بتوانند به شما کمک کنند ، مسیر را آسان تر می کند.