4 мифа про Data Science |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2024-04-09 12:09 Искаженное представление о работе в Data Science может отпугивать многих людей — они не решаются попробовать себя в этой области, даже если их настоящая работа их не устраивает. Например, им кажется, что для работы в этой сфере нужно быть математическим гением или иметь техническое образование, а также что Data Science сводится только к обучению моделей машинного обучения. Но на самом деле все происходит совсем не так. В этой статье собраны распространенные заблуждения о Data Science, а также на примерах объяснено, почему в них не стоит верить. 1) Миф 1: Чтобы стать Data Scientist, нужно быть математическим гением! Знания математики безусловно нужны, на них базируются модели машинного обучения, но это не означает, что вы должны быть супер-экспертом в вышмате. Гораздо важнее понимать основные концепции (да-да! тут нужна база, даже если хотите понять, как работает Transformer), уметь применять их на практике и развивать способность к логическому мышлению. 2) Миф 2: Data Science - это только для технарей Это распространенное заблуждение. Data Science требует разнообразных навыков, включая программирование, анализ данных, визуализацию и коммуникацию. Многие успешные Data Scientist’ы имеют разнообразный бэкграунд - от гуманитариев до инженеров. Люди с гуманитарным образованием, обладающие критическим мышлением и способностью находить нестандартные решения, также могут добиться успеха в этой области. Часто лично встречала такие ситуация, когда в NLP направлении работали бывшие лингвисты. 3) Миф 3: Data Scientists скоро заменят AI-алгоритмы Хотя Data Scientist являются и создателями этих же алгоритмов, но все же работу над задачами среднего и высокого уровня сложности такие алгоритмы заменить пока что не в состоянии. Алгоритмы AI по-прежнему нуждаются в качественных данных, которые собирают и подготавливают сами же Data Scientist’ы. 4) Миф 4: Data Science - это только про обучение ML-моделей Построение предиктивных моделей - важная, но далеко не единственная задача Data Scientist'ов. Они также занимаются сбором, очисткой и анализом данных, выбором релевантных признаков, оценкой качества данных и многим другим (еще огромный пласт работ - production…). Эти "черновые" работы составляют значительную часть и не менее важны, чем само моделирование. Источник: vk.com Комментарии: |
|