Ich möchte Sie auf ein Geheimnis einlassen: Wenn die Leute sagen " Es gibt zwei, und wenn Unternehmen den Unterschied nicht verstehen, können sie eine Welt der Schwierigkeiten erleben. maschinelles Lernen Eine Geschichte von zwei maschinellem Lernen Stellen Sie sich vor, Sie mieten einen Koch, um Ihnen einen Ofen zu bauen, oder einen Elektroingenieur, um Brot für Sie zu backen. Wenn Sie eine Bäckerei eröffnen, ist es eine großartige Idee, einen erfahrenen Bäcker einzustellen, der die Nuancen der Herstellung von köstlichem Brot und Kuchen gut versteht. Sie möchten auch einen Ofen. Obwohl es ein kritisches Werkzeug ist, wette ich, dass Sie Ihren Top-Küchenchef nicht mit der Aufgabe belasten würden, zu wissen, wie man diesen Ofen baut; also warum konzentriert sich Ihr Unternehmen auf das Äquivalent für maschinelles Lernen? Sind Sie im Geschäft, Brot zu machen oder Ofen zu machen? Leider scheitern zu viele maschinelle Lernprojekte, weil das Team nicht weiß, ob sie den Ofen, das Rezept oder das Brot bauen sollen. Maschinelles Lernen Forschung Was sie Ihnen nicht sagen, ist, dass all diese maschinellen Lernkurse und Lehrbücher darüber sprechen, wie man Ofen (und Mikrowellen, Mixer, Toaster, Kessel ... die Küchenschüssel!) von Grund auf baut, nicht wie man Dinge kocht und mit Rezepten innoviert. Wenn Sie maschinelles Lernen Algorithmen bauen, Ihr Fokus ist allgemeine Zweck-Tools für andere zu verwenden. (Küchengeräte, wenn Sie die Analogie bevorzugen.) und wird typischerweise von Orten wie oder . machine learning research Akademie Google ist Wenn es um maschinelles Lernen geht, sind viele Organisationen im falschen Geschäft. Wenn es um maschinelles Lernen geht, sind viele Organisationen im falschen Geschäft. Du brauchst ziemlich viel Bildung, um in dieser Linie der Arbeit zu sein, weil es hier eine lange Geschichte gibt. seit Jahrhunderten vorhanden sind. Zum Beispiel war die Methode der geringsten Quadraten für die Regression Vertrauen Sie mir, die Menschheit ist in 200 Jahren einen langen Weg gegangen. Algorithmen Veröffentlicht 1805 Heute gibt es einige ziemlich anspruchsvolle Geräte da draußen ... wie werden Sie eine bessere Mikrowelle bauen, wenn Sie nicht wissen, wie diese funktioniert? Natürlich brauchen Sie all diese immersive Studie! Es dauert Jahre, um ein Forscher zu werden, und es gibt einen guten Grund, dass der 101 Kurs mit den Grundlagen der Berechnung beginnt. angewandtes maschinelles Lernen Die meisten Unternehmen wollen nur kochen - um ihre Geschäftsprobleme zu lösen. sie haben kein Interesse am Verkauf von Mikrowellen und machen dennoch oft den Fehler, diese Geräte von Grund auf zu bauen. Wenn Sie mit Rezepten innovieren, erfinden Sie das Rad nicht neu. Diese Mikrowellen gibt es bereits. Und wenn das Einrichten Ihrer eigenen Machine Learning-Küche wie eine Aufgabe klingt, Nutzen Sie Ihre, vollständig mit , der und . Viele Orte Die Google Cloud-Plattform Appliances Zutaten Rezeptur Bücher Wenn du in der Küche innovierst, erfinde das Rad nicht neu. Wenn du in der Küche innovierst, erfinde das Rad nicht neu. Für die meisten Ihr Team muss das nicht verstehen Es gibt jedoch viel, was Sie wissen müssen, wenn Sie planen, eine Küche im industriellen Maßstab zu betreiben, alles von der Kurierung Ihrer Zutaten bis zur Überprüfung, ob Ihre Gerichte gut sind, bevor Sie sie servieren. Anwendungen Mathematik der Backpropagation in neuronalen Netzwerken Welches von diesen verkaufen Sie?Das richtige Team zu mieten hängt von Ihrer Antwort ab. Absturz und Brennen mit maschinellem Lernen Leider sehe ich viele Unternehmen, die keinen Wert aus dem maschinellen Lernen erhalten, weil sie nicht erkennen, dass die angewandte Seite eine sehr andere Disziplin ist als die Algorithmenforschung. Wenn das funktioniert, ist es, weil Sie Glück hatten und versehentlich einen Ingenieur eingestellt haben, der ein guter Koch ist. leaders try to start their kitchens by hiring those folks who’ve been building microwave parts their whole lives but have never cooked a thing. Aber normalerweise haben Sie kein Glück. Es gibt nur so viele Stunden in einem Leben, und wenn Sie sie damit verbringen, zu lernen, wie eine Mikrowelle gekabelt wird, haben Sie weniger Zeit, um sich der Kunst der Gebäckerei oder des Geschäfts zu widmen. Wo - und wann! - hätte Ihr PhD-ausgebildeter Künstlicher Intelligenzforscher die Fähigkeiten erworben, die für angewandtes maschinelles Lernen erforderlich sind? Wenn Sie versuchen, ein Restaurant zu gründen, indem Sie Leute einstellen, die ihr ganzes Leben lang Mikrowellenbauteile gebaut haben, aber noch nie etwas gekocht haben ... was könnte schief gehen? Wie in einer industriellen Küche benötigen Sie ein interdisziplinäres Team mit Führung, das diesen Raum versteht. Das richtige Team für den Job einstellen Wenn Sie in Rezepten innovieren, um Lebensmittel im Maßstab zu verkaufen, benötigen Sie Menschen, die herausfinden, was es wert ist, zu kochen / was die Ziele sind ( , Menschen, die Lieferanten und Kunden verstehen ( , Menschen, die Zutaten in der Größe verarbeiten können ( ), Menschen, die viele verschiedene Zutaten-Geräte-Kombinationen schnell ausprobieren können, um potenzielle Rezepte zu generieren ( ), Menschen, die überprüfen können, ob die Qualität des Rezepts gut genug ist, um zu servieren ( Menschen, die ein potenzielles Rezept in Millionen von Gerichten verwandeln, wurden effizient serviert ( ), Menschen, die das interdisziplinäre Team auf dem Weg halten ( ), und Leute, die sicherstellen, dass Ihre Gerichte top-notch bleiben, auch wenn der Lieferwagen Ihnen eine Tonne Kartoffeln anstelle des Reis bringt, den Sie bestellt haben ( der ) Entscheidungsträger und Produktmanager Domain-Experten und Sozialwissenschaftler Dateningenieure und Analysten Angewandte ML Ingenieure Statistiken Software Ingenieure Projekt- und Programmmanager Zuverlässigkeit Ingenieure Statistiken Während dies keine separaten Personen sein müssen, stellen Sie sicher, dass Sie jede Rolle abgedeckt haben. Und bevor Sie Ihre verdorbene Tomate an mich werfen, weil Sie eine solche unvollständige Karikatur liefern, werde ich frei zugeben, dass es viel mehr über die Einstellung für angewandtes maschinelles Lernen zu sagen gibt. . Diese eine Wenn Sie von Outsourcing sprechen, wenn Ihr Team alle vorhandenen Werkzeuge ausprobiert hat und kein Rezept herstellen kann, das Ihren Geschäftszielen entspricht, ist es sinnvoll, über das Hinzufügen von Fähigkeiten beim Bau von Geräten nachzudenken ( Ob Sie diese Person an Ihren ständigen Mitarbeitern einstellen oder den Job an ein erfahrenes Algorithmusforschungsunternehmen ausstellen, hängt vom Umfang und der Reife Ihres Betriebs ab. Forscherin Ein weiterer Grund, sich mit Forschern zu verbinden, ist, dass Ihr Prototyp so erfolgreich ist, dass die Verwendung benutzerdefinierter Geräte im massiven Maßstab sinnvoll ist, auf dem Sie Glück haben, zu arbeiten. (Was für ein großes Problem zu haben!) Entscheidungsintelligenz Sie besitzen nicht die Tatsache, dass es hier wirklich zwei maschinelle Lernmethoden gibt, und so trainiert die Welt Menschen, all diese Algorithmen zu bauen, aber nicht, sie zu verwenden. Wir haben eine neue Disziplin geschaffen, um die angewandte Seite zu decken, und wir haben bereits über 15.000 Mitarbeiter darin geschult. , und erstreckt sich auf alle angewandten Aspekte des maschinellen Lernens und der Datenwissenschaft. decision intelligence engineering Wenn Forschung maschinelles Lernen Mikrowellen baut und angewandtes maschinelles Lernen Mikrowellen verwendet, Sie verwenden Mikrowellen sicher, um Ihre Ziele zu erfüllen und etwas anderes zu verwenden, wenn Sie keine Mikrowelle benötigen. Entscheidungskompetenz Ingenieurwesen Good luck and have fun! Viel Glück und viel Spaß! Wenn es um angewandtes maschinelles Lernen geht, ist der schwierigste Teil zu wissen, was Sie kochen möchten und wie Sie planen, es zu überprüfen, bevor Sie es Ihren Kunden servieren. . Vergessen Sie nicht, es zu tun Was den Rest betrifft, ist die Lösung von Geschäftsproblemen mit maschinellem Lernen viel einfacher, als die meisten Leute denken. Diese glitzernde Küchen warten auf Sie, um in ihnen zu spielen. Tauchen Sie ein, wie Sie es in einer echten Küche tun würden. Beginnen Sie mit Tinkering! Jedes Mal, wenn ich jemanden treffe, der glaubt, dass sie einen traditionellen Maschinellen Lernalgorithmuskurs absolvieren müssen - oder, Gott sei Dank! ein ganzes Maß - um zu beginnen, kann ich mir nicht vorstellen, dass sie sich weigern, Mikrowellen zu benutzen, bis sie eine selbst gebaut haben. Fall nicht für die Lüge, dass Sie einen PhD brauchen, um erstaunliche Dinge mit maschinellem Lernen zu tun. Viel Glück und viel Spaß! menschliche Kreativität
