نقشه راه رسیدن به شغل در دنیای هوش مصنوعی از دیدگاه " Andrew Ng " قسمت ۶
نقشه راه رسیدن به شغل مناسب در دنیای هوش مصنوعی از دیدگاه مرد شماره یک هوش مصنوعی دنیا " Andrew Ng "
فصل ۷
چارچوبی ساده برای شروع جستجوی شغلی مناسب برای شما
پیدا کردن شغل چند گام قابل پیش بینی دارد که شامل انتخاب شرکت هایی است که می خواهید در آن ها درخواست دهید، آماده شدن برای مصاحبه، و در نهایت انتخاب نقش و مذاکره در مورد حقوق و مزایا.
در این فصل، من می خواهم بر روی چارچوبی تمرکز کنم که برای بسیاری از جویندگان کار در AI مفید است، به خصوص آن هایی که از یک زمینه متفاوت وارد AI می شوند.
اگر شغل بعدی خود را در نظر دارید، از خودتان بپرسید:
Ø آیا شما در حال تغییر دادن نقش ها هستید؟ به عنوان مثال، اگر شما یک مهندس نرم افزار، دانشجوی دانشگاه، یا فیزیکدان هستید که به دنبال تبدیل شدن به یک مهندس یادگیری ماشین هستید، این یک تغییر نقش محسوب میشود.
Ø آیا در حال تغییر صنعت کاری هستید؟ برای مثال، اگر شما برای یک شرکت مراقبت های بهداشتی، شرکت خدمات مالی، یا یک آژانس دولتی کار می کنید و می خواهید برای یک شرکت نرم افزاری کار کنید، این یک تغییر در صنعت حوزه کاری شما بحساب می آید .
یک مدیر محصول در یک شروع تکنولوژی که یک دانشمند داده در یک شرکت می شود، نقش ها را تغییر داده است. یک بازاریاب در یک شرکت تولیدی که در یک شرکت فن آوری تبدیل به بازاریاب می شود، صنایع را تغییر داده است. یک تحلیلگر در یک شرکت خدمات مالی که مهندس یادگیری ماشینی در یک شرکت فن آوری می شود، هم نقش ها و هم صنایع را تغییر داده است.
اگر شما به دنبال اولین شغل خود در AI هستید، احتمالا پیدا خواهید کرد که تغییر دادن هر یک از نقش ها یا صنایع در مقایسه با انجام همزمان هر دو کار آسان تر است. بیایید بگوییم شما تحلیلگری هستید که در خدمات مالی کار می کند:
Ø اگر شما یک کار علم داده یا یادگیری ماشینی را در خدمات مالی پیدا کنید، می توانید به استفاده از دانش خاص دامنه خود ادامه دهید در حالی که دانش و تخصص را در AI به دست آورید. بعد از اینکه مدتی در این نقش کار کردید، موقعیت بهتری خواهید داشت تا به یک شرکت فن آوری تبدیل شوید (اگر هنوز هم هدف شما همین است).
Ø به همین ترتیب، اگر شما در یک شرکت فن آوری تحلیلگر شوید، می توانید به استفاده از مهارت های خود به عنوان یک تحلیلگر ادامه دهید اما آن ها را در یک صنعت دیگر به کار ببرید. به عنوان بخشی از یک شرکت فن آوری، یادگیری از همکاران در مورد چالش های عملی AI، مهارت های کلیدی برای موفق بودن در AI و غیره را بسیار آسان تر می کند.
اگر شما در حال بررسی یک سوئیچ نقش هستید، راه اندازی می تواند جای ساده تری برای انجام آن نسبت به یک شرکت بزرگ باشد. اگرچه استثناهایی وجود دارد، اما شرکت های نوپا معمولا افراد کافی برای انجام تمام کاره ای مورد نظر ندارند. اگر بتوانید به وظایف AI کمک کنید - حتی اگر این کار رسمی شما نباشد - به احتمال زیاد از کار شما تقدیر خواهد شد. این امر زمینه را برای یک تغییر نقش ممکن بدون نیاز به ترک شرکت فراهم می کند. در مقابل، در یک شرکت بزرگ، یک سیستم پاداش سخت به احتمال زیاد به شما برای انجام خوب کارتان پاداش می دهد (و مدیر شما برای حمایت از شما در انجام کاری که برای آن استخدام شده اید)، اما به احتمال زیاد به مشارکت های خارج از حوزه کاری شما پاداش نمی دهد.
پس از اینکه مدتی در نقش و صنعت مورد نظر خود کار کردید (به عنوان مثال، یک مهندس یادگیری ماشینی در یک شرکت فن آوری)، درک خوبی از الزامات آن نقش در آن صنعت در یک سطح ارشد خواهید داشت. همچنین شبکه ای در این حوزه کاری خواهید داشت که به شما کمک خواهد کرد. بنابراین جستجوی شغلی در آینده - اگر بخواهید به نقش و حوزه کاری خود بچسبید - احتمالا آسان تر خواهد بود.
هنگام تغییر شغل، شما یک گام به سمت ناشناخته ها برمی دارید، به خصوص اگر نقش ها و یا صنایع را تغییر دهید. یکی از ابزارهای کم تر استفاده شده برای آشنایی بیشتر با نقش و یا صنعت جدید، مصاحبه اطلاعاتی است. من در فصل بعد بیشتر در این مورد صحبت خواهم کرد.
غلبه بر عدم قطعیت
چیزهای زیادی هست که درباره آینده نمی دانیم: چه زمانی بیماری آلزایمر را درمان خواهیم کرد؟ چه کسی در انتخابات بعدی پیروز خواهد شد؟ یا در زمینه کسب وکار، سال آینده چند مشتری خواهیم داشت؟ با تغییرات زیادی که در دنیا در حال رخ دادن است، بسیاری از مردم در مورد آینده احساس اضطراب می کنند، به خصوص وقتی بحث پیدا کردن شغل پیش می آید.
من تمرینی دارم که به من کمک می کند تا حس کنترل را به دست آورم. در مواجهه با شک و تردید، سعی می کنم:
1) لیستی از سناریوهای محتمل تهیه کنید، و تصدیق کنید که نمی دانم چه چیزی به وقوع خواهد پیوست.
2) یک برنامه عملی برای هر سناریو ایجاد کنید.
3) شروع به اجرای اقداماتی کنید که منطقی به نظر می رسند.
4) با تمرکز آینده، سناریوها و برنامه ها را به صورت دوره ای بررسی کنید.
برای مثال، در طول پاندمی کویید19 در مارس ۲۰۲۰، من این تمرین برنامه ریزی سناریو را انجام دادم. من بازیابی سریع (سه ماه)، متوسط (یک سال)، و آهسته (دو سال) از کویید19 را تصور کردم و برنامه هایی برای مدیریت هر مورد ایجاد کردم. فکر کردن به احتمالات و دنبال کردن برنامه ها می تواند به شما کمک کند که بدون توجه به آنچه که به ارمغان می آورد، به طور موثر آینده را دنبال کنید.
پاداش (Bonus)
با آموزش در AI و آمار می توانید احتمال هر سناریو را محاسبه کنید. من طرفدار روش پیش بینی فوق العاده هستم، که در آن قضاوت های بسیاری از کارشناسان در یک برآورد احتمال ترکیب می شوند.