Як стати фахівцем з ШІ? Що треба розвинути?

Ось на фоні такої новини dou.ua/forums/topic/50133 про зарплати на 37% вищі цікавить питання.

Які навички треба розвинути і який досвід отримати, щоб називати себе «фахівець з ШІ»?

Я тут не маю на увазі «фахівців з запитів до ChatGPT», а саме навики створення чогось такого як ChatGPT.

Давайте придумаємо список кроків які допоможуть назвати себе «фахівець з ШІ».

Ось можливі кроки, які обовʼязково треба виконати:

— Повністю прочитати книгу «Artificial Intelligence: A Modern Approach»

— Встановити на своєму десктопі якусь LLM, наприклад, llama і довести до робочого стану.

— Розібратися з теорією LLM та самому написати мінімальну робочу найпростішу версію чату, який хоч інколи буде видавати звʼзний текст

Що ще? Які рекомендації?

👍ПодобаєтьсяСподобалось2
До обраногоВ обраному4
LinkedIn
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter

передивитись курси на coursera.org і знайти gaps
наприклад від IBM
www.coursera.org/...​cates/ai-engineer#courses

Я бачу у топіку та у коментарях, що всі зосередилися лише на основах вкочування в АІ та напрямку «тексти». Але також не треба забувати, що є й інші цікаві напрямки, де будуть потрібні додаткові доменні знання поверх того фундаменту, що вже описали. Це такі речі як: генерація зображень, генерація відео, генерація голосу, генерація музики. Хоча фундаментально всюди використовується математика та Python бібліотеки, але думаю є певні відмінності у роботі з текстом, зображеннями та аудіо.

Які навички треба розвинути і який досвід отримати, щоб називати себе «фахівець з ШІ»?

називати так себе ніхто не заважає вже сьогодні )

Потрібно дуже багато вивчати інформації і при чому кожен день, щоб просто встигати за шаленими темпами розвитку AI.

На справді на основі GPT можна створювати дуже інноваційні технологічні рішення, бо це є конструктор який надає безліч можливостей і лише від тебе залежить що ти побудуєш.

Це тобі gpt згенерило?)
Ти вже десь працюєш чи тільки "розвиваєш особистий бренд"?=)

Мабуть спеціаліст з АІ має починатися з написання власноруч мінімальні версії ANN та LLM, які можуть бути хоча б мінімально корисні як ANN та LLM.

Починати з написання обгорток на чиїсь ANN та LLM може хібащо фахівець з дуже гарною уродженою чуйкою на те, що насправді має відбуватися у ANN та LLM.

Потім вже можна гуглити перелік вимог до Senior R&D/AI/ML Engineer у FAANG й використовувати його як дорожню карту для щоденного несамовитого ґвалтування свого багатостраждального мозку згідно до класичного антипатерну «хочу все знати».

Мабуть спеціаліст з АІ має починатися з написання власноруч мінімальні версії ANN та LLM, які можуть бути хоча б мінімально корисні як ANN та LLM.

Ну... проблема буде в навчальному наборі. Так, можна взяти готову структуру, готовий набір, самому запустити навчання.. Але.. Чим це буде відрізнятися від того, щоб відразу взяти робочий варіант. Не кажучи про те, що малі LLM можуть вести себе значно по іншому.

Починати з написання обгорток на чиїсь ANN та LLM може хібащо фахівець з дуже гарною уродженою чуйкою на те, що насправді має відбуватися у ANN та LLM.

Може так буде, що ніхто і не розуміє, що там відбувається. Як сказав один з переможців Kaggle, що в нас було багато халявного GPU часу, тому ми перебрали багато варіантів, чому саму цей показав кращі результати ми не знаємо.

Знову ж на рівні одинаків краще здобувати чуйку дивлячись/повторюючи на результати інших, бо експерименти на рівні зробити як хочеш часто працюють погано.

Щось схоже я тут питав, порадили вчити аналіз даних.
dou.ua/...​rums/topic/45747/#2711341

Для початку вам потрібно визначитися, що саме вам потрібно: створити модель типу ChatGPT або розробити додаток на основі вже існуючих AI. Створення AI типу ChatGPT — це справа команди науковців, а не окремого розробника.

Для створення AI типу ChatGPT необхідно володіти такими навичками та вміннями:
— Python
— TypeScript
— Лінійна алгебра
— Статистика
— Data Science
— Машинне навчання
— Аналіз даних
— Математичний аналіз
— Бази даних
— Мікросервіси
— Обробка природної мови (NLP)
— Архітектура штучного інтелекту
— Моделювання та оптимізація
— Розробка API
— Робота з великими даними (Big Data)

Цей список допоможе вам зрозуміти, які знання можуть бути корисними в цьому процесі.

Зараз практично на кожній з популярних мов відбувається інтеграція готових ШІ в додатки. Це дозволяє автоматизувати багато процесів, підвищувати продуктивність і створювати інноваційні рішення, які змінюють спосіб взаємодії користувачів з технологіями.

Вивчайте кожний свою мову, вивчайте способи інтеграції ШІ, хмарні технології, Docker, Kubernetes, AWS і не гоніться за модними трендами. Сфокусуйтеся на глибокому розумінні основ, які допоможуть вам адаптуватися до нових технологій і успішно вирішувати задачі.

Так, я використовував ChatGPT щоб перекласти з англійської на українську. І ChatGPT чудово з цим впорався. Конспектуй мою попередню відповідь і не спамь більше під моїм постом.

То ви вашу попередню відповідь переклали з англійської мови, пропустили вказати джерело з якого перекладали й таким чином видали за своє, нахабство

Для створення AI типу ChatGPT необхідно володіти такими навичками та вміннями:

Щоб створити власну LLM треба мільйони доларів на навчання та ще мільйони доларів на те, щоб причесати навчальний набір даних.

А ще можна стикнутись з багатьма юридичними проблемами, бо ж дані десь потрібно брати.

Передивитись всі фільми про ШІ, про проблематику та етику. Жарт.

Ну... я би порадив на початку просто закачати існуючи моделі, спробувати їх позапускати, вивчити можливості, поекспериментувати.

Знову ж таки, фахівці різні, цілі різні, ...

ви намагаетесь прискорити, розвинути свій ум, збільшити набір технічних знань?

думаю, в цю нову епоху це те саме що сто років тому назад пахотний бик чи кінь почали б нарощувати м’язову масу з метою протистояти трактору.

людина живе серцем, думаю треба софт скіли.
хай ШІ працює з вдачі людини.

кнопку можна тицяти вказівним рагулем, а можна вдало з любов’ю провадити чутливим пальцем.

Я б рекомендував спершу стати фахівцем із запитів до ChatGPT, далі самостійно дослідити, «Що потрібно знати фахівцю з ШІ», написати статтю на тему того, що дослідили, і вже потім розпитувати, що робити далі

Відповідь від ChatGPT

Мені він дав таку відповідь:

Фахівець з штучного інтелекту (ШІ) повинен мати різнобічні знання в кількох ключових областях. Ось основні аспекти:

1. Математика та статистика
Лінійна алгебра: основи для розуміння роботи нейронних мереж (матриці, вектори).
Ймовірність та статистика: для роботи з даними, оцінки моделей, розуміння розподілів та ризиків.
Обчислювальна математика: чисельні методи та оптимізація.
2. Алгоритми та структури даних
Розуміння класичних алгоритмів і структур даних є важливим для оптимізації обчислювальних процесів, роботи з великими масивами даних та ефективної обробки інформації.
3. Машинне навчання
Наглядове навчання (Supervised learning): регресія, класифікація, алгоритми як SVM, дерева рішень, k-блізкі сусіди.
Ненаглядове навчання (Unsupervised learning): кластеризація, метод головних компонент (PCA).
Глибинне навчання: нейронні мережі, CNN, RNN, LSTM.
4. Програмування
Python та бібліотеки для ШІ: TensorFlow, PyTorch, Scikit-learn.
Обробка великих даних: Spark, Hadoop.
Робота з базами даних (SQL, NoSQL).
5. Комп’ютерна лінгвістика (NLP)
Обробка природної мови: токенізація, стемінг, лематизація.
Робота з такими моделями, як трансформери, BERT, GPT.
6. Обчислювальна техніка та інженерія
Низькорівнева оптимізація: знання про GPU та TPU.
Архітектура систем для виконання інтенсивних обчислювальних задач.
7. Етика та безпека
Знання етичних аспектів ШІ: конфіденційність даних, упередженість алгоритмів, відповідальне використання технологій.
Безпека систем ШІ, уникнення ризиків та зловживань.
8. Постійний розвиток
Фахівець має постійно стежити за новинками, новими моделями, техніками та інструментами в галузі ШІ, оскільки сфера швидко змінюється.

Підписатись на коментарі