Q:
Quais são algumas das maneiras fundamentais pelas quais os profissionais de carreira se destacam no aprendizado de máquina?
UMA:O sucesso do aprendizado de máquina geralmente requer uma combinação de habilidades e experiências. Entrar em detalhes sobre alguns desses princípios e conjuntos de habilidades ajuda as pessoas a entender melhor o que as empresas procuram quando contratam profissionais de aprendizado de máquina.
Em um sentido muito básico, você poderia dizer que o sucesso do aprendizado de máquina geralmente se baseia em um princípio triplo - programação, matemática e insight. Cada uma dessas três coisas é fundamentalmente diferente, mas cada uma delas desempenha um papel no desenvolvimento de um profissional de carreira como especialista em aprendizado de máquina.
Desde o final da programação, conhecer linguagens como Python e R se torna tremendamente útil, mas também há habilidades de crossover de linguagens como COBOL, Perl e Ruby on Rails que podem ter algum valor. Parte disso é devido à natureza fundamental da programação - que você está lidando com o roteamento das operações e valores onde eles precisam estar. Existem também projetos de aprendizado de máquina que tiram vantagem do código legado.
O segundo princípio fundamental é a matemática. Pessoas com habilidades matemáticas avançadas ou perspicácia geralmente têm muito mais sucesso no mundo do aprendizado de máquina. Quando eles olham para redes neurais ou outros modelos, eles são capazes de quebrar as equações matemáticas que levam às saídas da rede. As pessoas costumam falar que as redes neurais são "caixas negras" mesmo para os técnicos - mas, na medida em que você é mais experiente em matemática, pode começar a buscar uma melhor compreensão do que o programa está fazendo.
Isso leva ao terceiro princípio, que é o insight. Compreender as estatísticas probabilísticas realmente ajuda no sucesso do aprendizado de máquina. Isso ocorre porque, com o aprendizado de máquina, os projetos estão passando de uma zona de programação puramente determinística ou linear para uma nova zona probabilística. Indivíduos mais esclarecidos sobre a probabilidade podem olhar para as entradas ponderadas e prever melhor quais serão os resultados. No entanto, em outro sentido, as pessoas que são intuitivamente sábias sobre o aprendizado de máquina entenderão como limitar seus aplicativos a coisas que fazem sentido.
Hoje, uma das cinco grandes armadilhas do aprendizado de máquina é a aplicação desenfreada e indiscriminada do aprendizado de máquina em aplicativos corporativos. Existem muitas situações em que o aprendizado de máquina simplesmente não é uma boa solução - seja por causa da complexidade do sistema, do excesso de ajustes, do problema da caixa preta mencionado anteriormente ou de qualquer outra coisa. Alguns dos profissionais mais valiosos no espaço de aprendizado de máquina serão aqueles que sabem escolher bem os projetos - como curar aplicativos de aprendizado de máquina - e como lidar com a adesão e o procedimento como consultor qualificado.
