Планируете сменить карьеру на ИИ? Стоит ли оно того?
Эта оценка Gartner была либо неправильно сообщена, либо преднамеренно использовалась для манипулирования многими студентами и рабочей силой в различных областях, чтобы пройти курс или просто развить причудливую симпатию к ИИ. Чтобы убедиться в этом, если бы вы зашли в Интернет, вы, вероятно, увидели бы похожие статьи, в которых утверждается, что ИИ добавит миллионы рабочих мест и что зарплаты будут сумасшедшими по сравнению с чем-либо в текущих топовых доменах. Ирония в том, что; если бы у вас были исследовательские навыки инженера ИИ, вы бы все выяснили, прежде чем тратить свои деньги, энергию и, самое главное, свое самое ценное «время».
!pip установить tensorflow импортировать tensorflow.keras импортировать модели, слои Model = models.rnn() Model.add(layers.Embedding(input_dim=x, output_dim=y)) Model.add(layers.SimpleRNN(128)) Model.add (layers.Dense(10)) Model.summary()
- Если приведенный выше фрагмент кода кажется вам простым, то поверьте мне, искусственный интеллект настолько прост и просто переоценен.
- Если приведенный выше фрагмент кода кажется вам сложным, то поверьте мне, искусственный интеллект настолько сложен, что это не ваша чашка чая.
Во-первых, позвольте мне рассказать вам, что такое ИИ. Чтобы понять это, нам нужно поговорить о статистике, науке о данных, машинном обучении и т. д. и т. д. и т. д.
Я был преподавателем этих предметов, и я объясню это простыми словами для вас. Статистика — это тот предмет, по которому вы использовали свой геометрический блок и графические листы, а также усредняющие понятия, такие как среднее значение, медиана и мода, во время учебы в школе. Помните это? да, это именно то, но более сложное. Теперь наука о данных — это не что иное, как применение этих статистических методов к аномально большому количеству данных, пытающееся найти разумную закономерность. И для этой задачи мы используем компьютеры, так как наши книги и графики слишком малы, чтобы вручную выполнять такие расчеты на 2D-странице.
Что такое машинное обучение? хорошо, если вы попытаетесь найти закономерность в огромном объеме данных и несколько раз потерпите неудачу, вы сдадитесь или будете искать более убедительный способ найти ее? Машинное обучение — это просто использование проверенных более сильных статистически подтвержденных методов анализа с использованием компьютерного программирования. Этот метод (машинное обучение) поставляется с обновлением: как только вы найдете шаблон, вы также можете написать компьютерные инструкции для программы, чтобы попытаться предсказать будущие шаблоны, используя предположения, что все работает статистически аналогично тому, что вы уже заметили.
ИИ? ну, опять то же самое, но на этот раз мы все коллективно отказались от статистики. То есть мы пришли к выводу, что гуманно и машинно невозможно выполнить много сложных вычислений, и поэтому мы отказываемся от математики и статистики.И с незапамятных времен люди пришли к выводу, что мы самые умные существа на планете, с самой развитой нейронной инфраструктурой и высочайшим интеллектом. Таким образом, мы имитируем эту инфраструктуру и обеспечиваем ее различными математическими и статистическими ограничениями и операционными инструкциями, и вуаля искусственный интеллект. ОН ЗАВЕРШЕН. ПОВЕРЬТЕ МНЕ В ЭТОМ!.
Сдвиг карьеры в сторону ИИ? Позвольте мне отметить, что 70-80% времени, затрачиваемого на серьезный проект ИИ в реальном времени, тратится на предварительную обработку данных. Это в основном редактирование и исправление бессмысленных неправильных данных до правильной структуры, где машина может понять их и впоследствии выполнять свои задачи. Эта процедура, так называемая «предварительная обработка данных», требует 1 чайной ложки знаний в предметной области, 1 чайной ложки статистики, 2 чайных ложек здравого смысла и 1 тонны терпения. И это утомительная работа, если вы не увлечены тем, чтобы сидеть перед своим компьютером и случайным образом проверять комбинации буквальной ерунды, чтобы найти в этом какой-то смысл. Также помните, что если вы инженер по машинному обучению или инженер по искусственному интеллекту, который, к счастью, попадает в раздел моделирования, то все, что вам нужно сделать, это разработать множество моделей с данными, которые стали доступны вам после такой большой работы. и, конечно же, появится 1 миллиард моделей и даже больше, так что вам придется выяснить, какая из них лучше. И в этом случае грубая сила не работает, вам нужен настоящий интеллект, чтобы выбрать один. Чтение книг, Википедия, переполнение стека и даже двоюродный брат вашего соседа, который является экспертом в области ИИ, не могут вам в этом помочь.
Я имею в виду, что, как и в случае, когда вы слушали 4 года b tech, а вы инженер; попался в эту ловушку и обманул себя. Это похоже; 3 месяца или 3 года курса Ай вам не помогут. Чтобы действительно узнать, подходите ли вы для этого, просто перейдите на курс Google для разработчиков по машинному обучению и запишитесь на него бесплатно. Если вы в совершенстве владеете этим, вы получите работу на 100%, я гарантирую это.Если вы не можете закончить курс, то отпустите, ни с каким другим курсом, каким бы престижным он ни был, как бы легко вас ни говорили, не получится. Для лучшей и более сильной альтернативы рассмотрите курс Intel AI. Бесплатный, но очень продвинутый.
