Strategji jo-tradicionale për orientimin e karrierës drejt #Shkecëssëtëdhënave dhe #InteligjencësArtificiale 

 

15 janar, 2017 |

 

Orientimi i karrierës drejt një fushe të re si Shkenca e Të Dhënave, teksa ka ndjekur një drejtim të caktuar nuk është aspak i thjeshtë por është i mundur. Shumë njerëz tregohen skeptikë në lidhje me shkollimin që munden të sigurojnë në këtë drejtim. Por në vazhdimësi le të eksplorojmë disa mënyra jo-tradicionale të zhvendosjes drejt shkencës së të dhënave.

1) Konsideroni inxhinierinë e të dhënave në vend të shkencës së të dhënave: inxhinierët e të dhënave janë kushërinjtë më pak të famshëm të shkencëtarëve të të dhënave por të cilët po marrin një dimension dhe rëndësi më të madhe me maturimin e shkencës së të dhënave. Në bazë të eskperiencës që keni, kalimi në inxhinierinë e të dhënave mund të jetë shumë më e thjeshtë se mendonit.

2) Formoni njohuritë tuaja të biznesit: Njohuritë e biznesit do të jenë shumë të vlefshme për shkencën e të dhënave. Pjesa më e madhe e algoritmave e përmirësojnë këtë fazë pavarësisht se detyra në vetvete mbetet e njejtë.

3) Github: Ndoshta mënyra më e mirë për të bërë diferencimin. Njerëzit kryejnë studime të tëra në këtë drejtim por nuk ndihmojnë në ndërtimin e asgjëje. Do t’ju duhet Github për të qenë një nivel më lart.

4) Niche: Përqendrohuni në një niche të lidhur me Shkencën e të Dhënave. Apple po ndjek një strategji të ngjashme me Coreml për IA në pajisjet iPhone.

5) Përqendrohuni në Inteligjencën Artificiale: Mund të tingëllojë e pazakontë. Por le të shpjegohemi më mirë. Inteligjenca Artificiale bazohet në të mësuarit të detajuar. Mësimi i detajuar është një set teknikash komplekse që përdoren për inxhinierinë automatike. Inteligjenca Artificiale do të ketë shumë rëndësi dhe hapësirë në të ardhmen. Ky proçes, do t’ju ofrojë kompanive shumë lehtësira. Merrni si shembull rastin e Inteligjencës Artificiale Driverless nga H2o.ai. Kjo do të thotë që në një të ardhme të afërt mund të implementoni Inteligjencë Artificiale pa patur nevojën e mësimit të detajuar.

6) Studioni algoritmat e aplikimeve tangenciale: Shembulli më i mirë është Interneti i gjërave (IoT) dhe aplikimi në fintech për të cilën mund të kërkoni për të kuptuar më mirë detajet.

7) Zgjidhni librat e duhur: Nëse po studioni shkencë të dhënash, ka dy tipe librash. Një tip libri është nga Hastie. Një tip tjetër është Deep Learning me Keras nga Antonio Gulli dhe Sujit Pal.

8) Merrni të paktën një vit kohë. Kalimi do të ketë nevojë për kaq kohë.

9) Keras: Vetëm një fjalë... Keras. Keni nevojë për strategjinë më të mirë për ta bërë jetën më të thjeshtë por gjithashtu për të mbuluar në tërësi nevojat. Hence Keras.

10) Zhvilloni aftësi të zgjidhjes së problemeve, mjetet nuk kanë aq rëndësi sa ka aftësia për të përdorur algoritmat për të zgjidhur probleme. Ky postim i rëndësishëm nga Vincent Granville mbi parashikimin e meteorëve tregon mbi aftësitë e nevojshme për të zgjidhur një problem në shkencën e të dhënave.