除了新的編程語(yǔ)言、機(jī)器學(xué)習(xí)和自然語(yǔ)言處理之外，成都軟件開發(fā)人員還應(yīng)專注于解決問題和溝通。
隨著人工智能的不斷發(fā)展，工人們也擔(dān)心這種技術(shù)會(huì)取代他們。但正如貝雷斯捷夫首席執(zhí)行官納喬·德馬爾科最近所言。福布斯科技理事會(huì)文章，這種分析問題的方式是不準(zhǔn)確的。他提到像人工智能這樣的技術(shù)會(huì)進(jìn)一步改變我們的工作方式，"雇主重視能夠適應(yīng)新情況、學(xué)習(xí)新技能和迎接新挑戰(zhàn)的工人。"考慮到這一現(xiàn)實(shí)，成都軟件開發(fā)人員能做的最好的事情就是獲得新的技能。
也許與直覺相反，最重要的技能并不都是與技術(shù)相關(guān)的。除了新的編程語(yǔ)言、機(jī)器學(xué)習(xí)和自然語(yǔ)言處理之外，成都軟件開發(fā)人員還應(yīng)專注于解決問題和溝通。這是因?yàn)槿斯ぶ悄艿陌l(fā)展將不再像一個(gè)新的工具，而更像一個(gè)需要指導(dǎo)、指導(dǎo)和糾正的助手。
作為人工智能與它密切合作的人也必須不斷發(fā)展。以下關(guān)鍵技能對(duì)于技術(shù)工人現(xiàn)在和未來(lái)幾年學(xué)習(xí)是必不可少的。
機(jī)器學(xué)習(xí)(ml)是培訓(xùn)機(jī)器學(xué)習(xí)數(shù)據(jù)的做法。實(shí)現(xiàn)這個(gè)目標(biāo)的方法是將它們暴露在一個(gè)大的數(shù)據(jù)集中，并教它們識(shí)別模式、做出預(yù)測(cè)和執(zhí)行任務(wù)。
自主車輛是以這種方式訓(xùn)練的機(jī)器的很好例子。這些車輛依靠ML算法和模型來(lái)導(dǎo)航道路，探測(cè)障礙物，并在沒有人類參與的情況下做出駕駛決策。對(duì)于這些機(jī)器，培訓(xùn)涉及接觸大量數(shù)據(jù)，包括圖像、傳感器讀數(shù)和人類駕駛員采取行動(dòng)的例子。車輛學(xué)會(huì)識(shí)別模式，并根據(jù)這些數(shù)據(jù)做出預(yù)測(cè)。
MDL涉及幾個(gè)步驟:數(shù)據(jù)收集、數(shù)據(jù)清理和準(zhǔn)備、模型選擇、特征提取、模型培訓(xùn)和評(píng)估。為了熟練掌握ML，技術(shù)工作者應(yīng)該熟悉各種ML算法，包括基于標(biāo)記數(shù)據(jù)的監(jiān)督學(xué)習(xí)，基于未標(biāo)記數(shù)據(jù)的無(wú)監(jiān)督學(xué)習(xí)，以及基于試驗(yàn)和錯(cuò)誤的強(qiáng)化學(xué)習(xí)。
人工智能的技術(shù)工作者應(yīng)該熟悉有助于開發(fā)ML模型的各種工具。它們包括張力流、凱拉斯和科學(xué)學(xué)習(xí)。
深度學(xué)習(xí)是一種使用人工神經(jīng)網(wǎng)絡(luò)(ANNS)(基于人類大腦的結(jié)構(gòu)和功能的一種ML模型)來(lái)模擬人類大腦的方法。這些模型用于識(shí)別數(shù)據(jù)中的復(fù)雜關(guān)系和模式。它們是完成涉及模式識(shí)別、回歸、分類和生成建模的任務(wù)的強(qiáng)大工具。
深神經(jīng)網(wǎng)絡(luò)是具有多個(gè)隱藏層的神經(jīng)網(wǎng)絡(luò)。這些模型可以執(zhí)行更高層次的任務(wù)，如學(xué)習(xí)分層表示和分析大型數(shù)據(jù)集。
對(duì)人工智能感興趣的技術(shù)工作者應(yīng)具備深入學(xué)習(xí)技術(shù)的技能。它們包括卷積神經(jīng)網(wǎng)絡(luò)(CNNS)，它可以處理和分析網(wǎng)格結(jié)構(gòu)的數(shù)據(jù);經(jīng)常性神經(jīng)網(wǎng)絡(luò)(RNNS)，它可以處理順序數(shù)據(jù);生成性對(duì)抗網(wǎng)絡(luò)(GANS)，它可以生成新的數(shù)據(jù)樣本。工人們還應(yīng)該熟悉深入學(xué)習(xí)的框架，其中一些與使用于XML的相同。它們包括張力流、火把和克拉斯。
統(tǒng)計(jì)被認(rèn)為是人工智能技術(shù)工作者的核心技能，因?yàn)樗鼮樵S多技術(shù)提供了基礎(chǔ)，包括回歸分析、假設(shè)測(cè)試、概率理論、貝葉斯推理、實(shí)驗(yàn)設(shè)計(jì)、模型評(píng)估和驗(yàn)證、抽樣技術(shù)、時(shí)間序列分析、異常檢測(cè)、估計(jì)和置信區(qū)間。人工智能領(lǐng)域的技術(shù)人員應(yīng)該學(xué)習(xí)執(zhí)行所有這些技術(shù)所需的統(tǒng)計(jì)技能。
數(shù)據(jù)科學(xué)涉及從大型和復(fù)雜的數(shù)據(jù)集中收集見解。它利用了統(tǒng)計(jì)分析和ML過程.想要從事數(shù)據(jù)科學(xué)工作的技術(shù)人員必須具備以下程序的技能:
數(shù)據(jù)挖掘是從大量數(shù)據(jù)中發(fā)現(xiàn)模式、關(guān)系和洞察力的過程。為了達(dá)到這個(gè)目標(biāo)，技術(shù)工作者必須從具有計(jì)算技術(shù)和統(tǒng)計(jì)算法的數(shù)據(jù)集中提取可用的信息。數(shù)據(jù)挖掘的目標(biāo)是發(fā)現(xiàn)隱藏的模式、趨勢(shì)和關(guān)聯(lián)，這些可能有助于識(shí)別異常情況、做出預(yù)測(cè)和做出數(shù)據(jù)驅(qū)動(dòng)的決策。
數(shù)據(jù)清理(又稱數(shù)據(jù)清理或數(shù)據(jù)擦洗)是確保數(shù)據(jù)可靠、準(zhǔn)確和適合其他應(yīng)用分析的過程。它包括識(shí)別和糾正或消除數(shù)據(jù)集中的錯(cuò)誤、不一致、不準(zhǔn)確和不一致之處。這一步驟在數(shù)據(jù)科學(xué)中很重要，因?yàn)榈蛿?shù)據(jù)質(zhì)量會(huì)導(dǎo)致數(shù)據(jù)收集、輸入、存儲(chǔ)和處理過程中的問題。
數(shù)據(jù)分析是一個(gè)以發(fā)現(xiàn)有用信息、得出結(jié)論和做出明智決定為目標(biāo)的數(shù)據(jù)審查過程。它涉及各種技術(shù)、工具和方法來(lái)理解數(shù)據(jù)集中的模式、關(guān)系和趨勢(shì)。這個(gè)步驟對(duì)于從原始數(shù)據(jù)中收集有意義的信息至關(guān)重要。
數(shù)據(jù)可視化是從它得到的數(shù)據(jù)和信息的視覺表示。數(shù)據(jù)可視化使用圖表、圖表、地圖和其他可視格式，將從它獲得的原始數(shù)據(jù)和信息轉(zhuǎn)換為易于理解、解釋和交流的基于圖像的格式。數(shù)據(jù)可視化對(duì)于通信特別有用數(shù)據(jù)分析一系列技術(shù)和非技術(shù)利益攸關(guān)方的成果。
數(shù)據(jù)報(bào)告是以結(jié)構(gòu)化和有組織的方式呈現(xiàn)數(shù)據(jù)的過程，以傳遞信息、見解和結(jié)論。它涉及以報(bào)告、儀表盤、演示或數(shù)據(jù)可視化元素。數(shù)據(jù)報(bào)告的目的是提供明確和有意義的數(shù)據(jù)表示，以支持一個(gè)組織內(nèi)部或外部利益攸關(guān)方的決策和溝通。
AI的技術(shù)工作者也應(yīng)該熟悉數(shù)據(jù)管理工具，包括SQL和Nosql數(shù)據(jù)庫(kù)。在接下來(lái)的視頻中，未來(lái)主義者伯納德馬爾強(qiáng)調(diào)了數(shù)據(jù)科學(xué)的重要性，并討論了最近的趨勢(shì)。
獲得人工智能技能的最佳方法
對(duì)于技術(shù)工人來(lái)說(shuō)，進(jìn)化的必要性并不是什么新鮮事。在過去40年左右的時(shí)間里，技術(shù)變化很快，而且發(fā)展的速度也在加快。在人工智能迅速發(fā)展的環(huán)境中，發(fā)展和磨練各種技能至關(guān)重要。人工智能領(lǐng)域的技術(shù)工作者必須采用多維方法，將技術(shù)專長(zhǎng)與軟技能相結(jié)合，并致力于終身學(xué)習(xí)。
適應(yīng)、協(xié)作、批判性思考和引導(dǎo)道德考量的能力至關(guān)重要。人工智能不斷塑造世界。以下是獲得必要能力的幾種方法:
正規(guī)教育，例如修讀計(jì)算機(jī)科學(xué)、數(shù)據(jù)科學(xué)或相關(guān)領(lǐng)域的學(xué)位或證書
在線課程和教程，包括通過網(wǎng)上學(xué)習(xí)平臺(tái)，如課程、不透明和edx，讓學(xué)生以自己的速度學(xué)習(xí)。
公開來(lái)源項(xiàng)目和社區(qū)，為開源人工智能項(xiàng)目作出貢獻(xiàn)，讓成都軟件開發(fā)人員接觸現(xiàn)實(shí)世界的應(yīng)用程序和協(xié)作發(fā)展像吉特布這樣的平臺(tái)
卡格爾比賽(基于大眾數(shù)據(jù)科學(xué)平臺(tái)Kagle)，這使得成都軟件開發(fā)人員能夠解決現(xiàn)實(shí)世界中的問題，探索不同的數(shù)據(jù)集，并將他們的技能與他人進(jìn)行對(duì)比。
實(shí)際項(xiàng)目例如從零開始創(chuàng)建AI應(yīng)用程序和項(xiàng)目，幫助加強(qiáng)概念和開發(fā)實(shí)用技能。
協(xié)作學(xué)習(xí)包括加入以AI為重點(diǎn)的社區(qū)、論壇或會(huì)議，并提供向同伴學(xué)習(xí)、分享知識(shí)和在項(xiàng)目上協(xié)作的機(jī)會(huì)。
行業(yè)實(shí)習(xí)和工作經(jīng)驗(yàn)包括確保參與人工智能的組織有實(shí)習(xí)機(jī)會(huì)或工作機(jī)會(huì)，并允許技術(shù)工作者在實(shí)際環(huán)境中運(yùn)用他們的技能。
最后，成都軟件開發(fā)人員必須采取持續(xù)學(xué)習(xí)和專業(yè)發(fā)展的態(tài)度。它包括審查當(dāng)前的研究論文，跟蹤AI的博客和出版物，出席會(huì)議，參加網(wǎng)絡(luò)研討會(huì)或研討會(huì)，以不斷了解技術(shù)的現(xiàn)狀。
文章均為京上云專業(yè)成都軟件開發(fā)公司，專注于成都軟件開發(fā)服務(wù)原創(chuàng)，轉(zhuǎn)載請(qǐng)注明來(lái)自http://hyd365.cn/news/3208.html
