Q:
Кои са някои от основните начини, по които професионалните професионалисти се открояват при машинното обучение?
A:Успехът в машинното обучение често изисква комбинация от умения и опит. Разглеждането на подробности за някои от тези принципи и набори от умения помага на хората да разберат по-добре какво търсят компаниите, когато наемат професионалисти за машинно обучение.
В много основен смисъл бихте могли да кажете, че успехът в машинното обучение често се основава на трикратен принцип - програмиране, математика и прозрение. Всяко от тези три неща е коренно различно, но всяко от тях играе роля в развитието на професионалист в кариерата като експерт по машинно обучение.
От края на програмирането познаването на езици като Python и R става изключително полезно, но има и умения за кросоувър от езици като COBOL, Perl и Ruby on Rails, които могат да имат някаква стойност. Част от това е заради основния характер на програмирането - че се занимавате с маршрутизиране на операциите и стойностите там, където трябва да бъдат. Тогава има и проекти за машинно обучение, които се възползват от наследения код.
Вторият основен принцип е математиката. Хората с напреднали математически умения или хъс често имат много по-голям успех в света на машинното обучение. Когато разгледат невронните мрежи или други модели, те са в състояние да разбият математическите уравнения, които водят до мрежовите изходи. Хората често говорят за това, че невронните мрежи са „черни кутии“ дори за техници - но доколкото сте умели в математиката, можете да започнете да пътувате към по-доброто разбиране на това, което прави програмата.
Това води до третия принцип, който е прозрение. Разбирането на вероятностната статистика наистина помага за успеха в машинното обучение. Това е така, защото с машинното обучение проектите преминават от чисто детерминирана или линейна зона на програмиране в нова вероятностна зона. Хората, които са по-разбираеми от вероятността, могат да разгледат претеглените данни и по-добре да предскажат какви могат да бъдат резултати. В друг смисъл обаче хората, които са интуитивно мъдри относно машинното обучение, ще разберат как да ограничат приложенията му до неща, които имат смисъл.
Една от големите пет клопки в машинното обучение днес е широко разпространеното и безразборно приложение на машинното обучение в корпоративните приложения. Има много ситуации, при които машинното обучение просто не е добро решение - независимо дали е заради сложността на системата, преизпълняването, споменатия по-рано проблем с черната кутия или друго. Някои от най-ценните специалисти в машинното пространство за обучение ще бъдат тези, които знаят как да избират проектите добре - как да курират приложения за машинно обучение - и как да се справят с купуването и процедурите като квалифициран консултант.
