Cześć, jestem w sumie zielony w tym temacie i zastanawiam się czy właściwie w dziedzinach typu Data science ( a w tym uczenie maszynowe, bo to się chyba łączy ) łatwo czy ciężko znaleźc pracę, i jaki jest próg wejścia. Znam teraz podstawy java + spring, i nieźle front-end z angularem, ale nigdy w sumie nie zagłębiałem się w temat uczenia maszynowego chociaż zawsze wydawało mi się to ciekawe i dlatego pytam, bo chciałbym się dowiedzieć jaki jest potencjalnie próg wejścia do takiej dziedziny, i jak potem wygląda rynek.
Z góry dzięki
0
0
Masz na myśli sztuczne sieci neuronowe ? bo z tym tematem to mi się kojarzy.
Co jakiś czas widzę że samsung szuka do działu związanego z sztuczną inteligencją, ale ogólnie ogłoszeń jest bardzo niewiele w porównaniu do ogłoszeń związanych z programowaniem zwykłych aplikacji, więc pewnie i z pracą ciężko.
0
Tak coś takiego, machine learning / praca jako data scientist / big data ( albo pseudo-big data :) ), bo to chyba wszystko bardzo blisko powiązane dziedziny . Pracy jest mniej to widać, natomiast zastanawia mnie jaki jest realny próg wejścia do czegoś takiego, czy jest naprawdę ciężko czy jednak idzie dostać tę pierwszą prace, i czy wcześniejsze doświadczenie z front-endem ma jakiś wpływ na to czy jest po prostu olewane.
0
Żeby zajmować się uczeniem maszynowym, trzeba być w tym oblatanym choć trochę. Co komu po tym, że znasz Springa i angulara (chyba, że będziesz pracował w warstwie prezentacji tychże danych)? Tutaj w grę wchodzi bardziej matematyka (często metody numeryczne), statystyka i sama wiedza o tym jak to działa na poziomie zarządzania danymi (Data Warehousing and Data Mining). Pojęcia takie jak chociażby clustering i cała otoczka z nim powiązana.
Sieci neuronowe, drzewa decyzyjne to narzędzia stosowane, ale muszą być stosowane umiejętnie.
Próg wejścia do czegoś takiego jest "ciut" wyższy niż dla zwykłego Juniora.
1
Uczenie maszynowe to przede wszystkim matematyka. Niezależnie od tego pod jakim kątem na to spojrzeć (sztucznej inteligencji, czy stricte inteligencji obliczeniowej) jest w tym jej więcej lub mniej. Jeżeli chcesz pracować przy big data, to skup się na statystyce i metodach probabilistycznych. Uczenie maszynowe to nic innego jak dopasowywanie czegoś do klas określonych na podstawie danych z przeszłości. Najczęściej są to po prostu statystyki, lub prawdopodobieństwo wyciągnięte właśnie z dużych zbiorów treningowych. Zdarzają się również sieci neuronowe zapuszczone na obraz, a dopiero później następują te wszystkie wyliczenia statystyczne na podstawie innych wyników. Zdarzają się również skomplikowane szeregi równań różniczkowych wykonywane na superkomputerach. W związku z tym niestety, ale bez wiedzy matematycznej ani rusz, a umiejętność tworzenia aplikacji na popularnych frameworkach nic nie da. Powodzenia!