چند سال پیش که یادگیری ماشین مثل الان رو بورس نبود، میدیدیم پیج های معلوم الحال اینستاگرامی کلمه machine learning از زبونشون نمی افتاد!
اون زمان خیلیا از جمله خود من به این فکر کردیم که با یادگرفتن ماشین لرنینگ آیندمون تضمینه و میتونیم بریم سر کار و چن ساله به درآمد میلیاردی برسیم. اما حیطه کاری ماشین لرنینگ با اون چیزی که به ما گفته بودن متفاوت بود.
اگر شما برنامه نویسی وب، موبایل یا بازی کار کنید ، یه چارچوب مشخص دارید و میدونید که چیو یاد بگیرید برای کار و این در حالیه که حیطه یادگیری ماشین با سرعت نور دستخوش تغییره. مثل اینه که شما بعد از کلی سال کار کردن در حوزه یادگیری ماشین و کسب کلی تجربه هنوز در زمینه برخی مسائل تازه کاری و باید حتما مقاله بخونی تا خودت رو ارتقا بدی.
آره درست متوجه شدین! فیلد یادگیری ماشین بر خلاف وب یه فیلد پژوهش محوره و حتی پروژه های موفقی که در این زمینه به سر انجام رسیدن همه به شکل پژوهش محور نطفشون شکل گرفته. پس اگر حوصله آزمایش و خوندن مقاله ندارین دور این حوزه رو خط بکشین چون شغل شما هم در آینده به شدت به پژوهش و آزمایش وابسته هست و این رو بعد از مدتی خواه نا خواه حس میکنین و اگر جذب این حیطه شین پروژه های ساده براتون جذابیت خاصی نداره ( این رو به تجربه دیدم)
یه داستان جالب درباره خودم
اون موقعا که تازه کار بودم فکر میکردم من هر جا برم و تو هر شرکتی کار کنم آخرش پایتون رو دارم و کتابخونه هاش فقط و مثلا یه مسئله رگرسیون یا پردازش تصویر رو حل میکنم و تحویل میدم دیگه. ولی داستان اونجایی جالب میشه که من تکنولوژی AutoML مایکروسافت رو میبینم و امیدمو از دست میدم و به همون بک اند خودم پناه میبرم.
اما بعدا یواش یواش متوجه شدم که من اگر بخوام تو این زمینه موفق شم باید بتونم ابزارهایی مثل AutoML یا تنسورفلو رو بسازم و اونا رو بهبود بدم تا این که فقط یه اپراتور ساده باشم.
و تمام این کارها با خوندن مقاله و آزمایش به سر انجام میرسه. شما هر چی بیشتر بخونین و مهارت کسب کنین باز دست بالای دست زیاده و شما تا مقاله نخونین تا سولوشن ها رو روی بیگ دیتا پیاده نکنین تا زمانی که ذهن ریزبینی نداشته باشین که ایرادات رو بتونه تشخیص بده تو این زمینه به جایگاه مورد علاقتون نمیرسین و این که گول پکیج هایی که رویا فروشی میکنن هم نخورین . طرف میگه در عرض ۶ ماه ماشین لرنینگ رو یاد بگیر و از هفت خان رستم عبور کن :)
.
