나는 당신에게 한 가지 비밀을 알려주고 싶다: 사람들이 말할 때 두 가지가 있고, 기업이 차이를 이해하지 못한다면, 그들은 문제의 세계를 경험할 수 있습니다. 기계 학습 2 기계 학습의 이야기 당신을위한 오븐을 만들기 위해 셰프를 고용하거나 당신을 위해 빵을 굽기 위해 전기 엔지니어를 고용한다고 상상해보십시오. 당신이 빵집을 열고 있다면, 맛있는 빵과 케이크를 만드는 뉘앙스를 잘 알고있는 경험이 풍부한 베이커를 고용하는 것이 좋습니다.당신은 또한 오븐을 원할 것입니다.그것은 중요한 도구이지만, 나는 당신이 그 오븐을 만드는 방법을 아는 임무로 당신의 최고 케이크 셰프를 부담하지 않을 것이라고 내기합니다.그래서 왜 당신의 회사는 기계 학습에 해당하는 것에 집중하고 있습니까? 당신은 빵을 만드는 사업을 하고 있습니까?또는 오븐을 만드는 사업입니까? 불행히도, 너무 많은 기계 학습 프로젝트가 실패하기 때문에 팀은 그들이 오븐, 조리법 또는 빵을 만드는 것인지 알지 못합니다. 기계 학습 연구 그들이 당신에게 말하지 않는 것은 모든 기계 학습 코스와 교과서가 무언가를 요리하고 요리법으로 혁신하는 방법이 아니라 (마이크로 와이프, 믹서, 토스터, 케이블 ... 부엌 소금을 만드는 방법에 관한 것입니다. 당신이 기계 학습 알고리즘을 구축하는 경우, 당신의 초점은 다른 사람들이 사용할 수있는 일반적인 목적 도구입니다. (위치가 있다면 부엌 장비.) 그리고 그것은 일반적으로 같은 장소에서 이루어집니다 또는 . machine learning research 아카데미 구글 기계 학습에 관해서는 많은 조직이 잘못된 사업에 있습니다. 기계 학습에 관해서는 많은 조직이 잘못된 사업에 있습니다. 당신은이 라인에서 일하기 위해 꽤 많은 교육이 필요합니다, 왜냐하면 여기에 오랜 역사가 있기 때문입니다. 예를 들어, 최소한의 사각형의 회귀 방법은 나를 믿으라, 인류는 200년 동안 먼 길을 갔다. 알고리즘 1805년 출판 오늘날, 거기에 꽤 정교한 장비가 있습니다 ... 당신은이 하나가 어떻게 작동하는지 알지 못하면 어떻게 더 나은 마이크로파를 구축 할 것인가? 물론 당신은 그 모든 몰입 연구가 필요합니다! 연구자가되기 위해 수년이 걸리며 101 코스가 계산의 기초와 함께 시작하는 좋은 이유가 있습니다. 기계 학습 Applied Machine Learning 대부분의 비즈니스는 단지 자신의 비즈니스 문제를 해결하기 위해 요리를하고 싶어합니다.그들은 마이크로 와이어를 판매하는 것에 관심이 없으며, 그럼에도 불구하고 종종 그 장비를 처음부터 구축하려는 실수를합니다.그들을 비난하는 것은 어렵습니다.현재의 히프 및 교육주기는 주로 응용 프로그램 대신 연구에 초점을 맞추고 있습니다. 당신이 조리법으로 혁신한다면, 바퀴를 다시 발명하지 마십시오.이 마이크로파는 이미 존재합니다. 그리고 자신의 기계 학습 부엌을 설정하는 것이 작업처럼 들리면, 공급자는 그들의 사용을 허용, 완전한 , 그리고 . 많은 장소 구글 클라우드 플랫폼 장비 재료 레시피 책 당신이 부엌에서 혁신한다면, 바퀴를 다시 발명하지 마십시오. 당신이 부엌에서 혁신한다면, 바퀴를 다시 발명하지 마십시오. 대부분의 경우 , 당신의 팀은 이해할 필요가 없습니다 그러나 당신이 산업 규모의 부엌을 실행하려는 경우에 알아야 할 것이 많습니다., 재료를 요리하는 것에서부터 요리를 제공하기 전에 요리가 좋은지 확인하기까지 모든 것이 있습니다. 응용 프로그램 신경 네트워크의 Backpropagation in Neural Networks 이 중 어느 것을 판매하고 있습니까? 고용하는 올바른 팀은 귀하의 답변에 달려 있습니다. 기계 학습을 통해 충돌 및 화재 불행히도, 나는 많은 기업들이 기계 학습에서 가치를 얻지 못하는 것을 보았는데, 그들은 응용 측면이 알고리즘 연구 측면과 매우 다른 분야라는 것을 깨닫지 못하기 때문입니다. 그것이 잘못되면, 그것은 당신이 운이 좋았고 우연히 훌륭한 요리사 인 엔지니어를 고용했기 때문입니다. 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. 그러나 보통 당신은 운이 좋지 않습니다. 한 인생에 그렇게 많은 시간을 가지고 있으며, 만약 당신이 마이크로 와이어를 케이블로 만드는 방법을 배우는 데 소비한다면, 당신은 패키지 또는 비즈니스의 예술을 마스터하는 데 덜 헌신 할 필요가 있습니다. 어디에서 - 그리고 언제! - 박사 과정에서 훈련받은 인공 지능 연구원이 응용 기계 학습에 필요한 기술을 습득했을까요? 만약 당신이 평생 마이크로파 부품을 만들었지만 아무것도 요리하지 않은 사람들을 고용함으로써 레스토랑을 시작하려고 한다면, 무엇이 잘못 될 수 있을까? 대신 누구를 고용해야합니까? 산업 부엌과 마찬가지로이 공간을 이해하는 리더십을 갖춘 학제 간 팀이 필요합니다. 직업을위한 올바른 팀을 고용 만약 당신이 최첨단 장비를 판매하고 있다면, 연구원을 고용하십시오.당신이 규모에 식품을 판매하기 위해 조리법을 혁신한다면, 당신은 요리 가치가 무엇인지 / 목표가 무엇인지 알아내는 사람들을 필요로합니다 ( 공급자와 고객을 이해하는 사람들 ( , 재료를 규모로 처리 할 수있는 사람들 ( , 많은 다른 재료와 장비 조합을 빠르게 시도 할 수있는 사람들은 잠재적 인 조리법을 생성 할 수 있습니다 ( , 사람들은 요리법의 품질이 충분히 좋은 것을 확인할 수 있습니다 ( 수백만 개의 접시로 잠재적 인 조리법을 변환하는 사람들은 효율적으로 제공됩니다 ( (인터테인먼트 팀을 유지하는 사람들) , 그리고 당신이 주문한 쌀 대신에 배달 트럭이 당신에게 톤의 감자를 가져 오는 경우에도 당신의 요리를 최고 수준에 유지하는 사람들 ( ) 의사 결정 및 제품 관리자 도메인 전문가 및 사회 과학자 데이터 엔지니어 및 분석가 ML 엔지니어 통계사 소프트웨어 엔지니어 프로젝트/프로그램 관리자 신뢰성 엔지니어 통계사 이들은 별도의 개인이 될 필요는 없지만, 각 역할을 다루는 것을 확인하십시오.그리고 불완전한 만화를 제공하기 위해 나에게 썩은 토마토를 던지기 전에, 나는 응용 기계 학습을위한 고용에 대해 더 많은 것을 말할 것이라고 자유롭게 인정 할 것입니다. . 이 하나 당신의 팀이 모든 기존 도구를 시도하고 당신의 비즈니스 목표를 충족하는 조리법을 만들 수없는 경우, 그것은 장비를 구축에 기술을 추가 생각하는 것이 합리적입니다 ( 당신이 그 사람을 당신의 영구 직원을 고용하거나 경험이 풍부한 알고리즘 연구 회사에 일자리를 outsourcing하는지 여부는 당신의 운영의 규모와 성숙에 달려 있습니다. 연구원 연구원들과 연결하는 또 다른 이유는 프로토 타입이 너무 성공적이므로 사용자 정의 장비를 사용하면 운이 좋을 정도의 대규모 규모에서 합리적입니다. 의사결정 정보 전문가들은 여기서 실제로 두 가지 기계 학습이 있다는 사실을 소유하고 있지 않으며, 따라서 세계는 이러한 모든 알고리즘을 구축하지만 사용하지 않도록 사람들을 훈련하고 있습니다. 우리는 응용 측면을 다루기 위해 새로운 분야를 만들었으며 이미 15,000 명이 넘는 직원들을 훈련 시켰습니다. , 그리고 그것은 기계 학습 및 데이터 과학의 모든 응용 측면을 다룹니다. decision intelligence engineering 다른 말로하면, 연구 기계 학습이 마이크로파를 구축하고 응용 기계 학습이 마이크로파를 사용하는 경우, 마이크로파를 안전하게 사용하여 목표를 달성하고 마이크로파를 필요로하지 않을 때 다른 것을 사용합니다. Decision Intelligence 엔지니어 Good luck and have fun! 행운과 즐거움을 누리세요! 응용 기계 학습에 관해서는, 가장 어려운 부분은 당신이 요리하고 싶은 것을 알고 당신이 당신의 고객에게 그것을 제공하기 전에 어떻게 그것을 확인할 계획이다. . 그냥 그것을하는 것을 잊지 마세요 나머지에 관해서는 대부분의 사람들이 생각하는 것보다 비즈니스 문제를 해결하는 것이 훨씬 쉽습니다. 그 빛나는 부엌은 당신이 그들에 놀기 위해 기다리고 있습니다. 진짜 부엌에있는 것처럼 다이빙하십시오. tinkering을 시작하십시오! 내가 전통적인 기계 학습 알고리즘 과정을 받아야한다고 믿는 사람을 만날 때마다 - 또는, 선생님! 전체 정도 - 시작하기 위해, 나는 그들이 스스로 하나를 만들 때까지 마이크로파일을 사용하는 것을 거부하는 것을 상상할 수 없습니다. 당신이 기계 학습으로 놀라운 일을 할 박사 학위를 필요로한다고 말하는 거짓말에 빠지지지 마십시오. 행운을 빌고 재미있게! 인간의 창의성
