비 기술 배경에서 AI로 전환하는 5 가지 방법
저자의 이미지 | 캔버
수학자와 소프트웨어 엔지니어 만 AI에서 일할 수 있다고 생각하십니까? 글쎄, 당신이 그렇게한다면 당신은 틀 렸습니다. 데이터 과학에 성공한 많은 사람들과 AI에는 기술 배경이 없습니다.
예, 마케팅, 심리학, 법률, 디자인 등과 같이 경력을 시작하더라도 AI로 전환 할 수 있습니다.
다음은 그렇게하는 5 가지 방법이 있습니다.
1. 팀의 AI 사람이 되십시오
팀에서 AI 사용을 시작할 권한이 필요하지 않습니다. 글쎄, 대부분의 경우, 당신은 그렇지 않습니다. 한 가지 문제는 회사 데이터를 AI 도구와 공유하는 것일 수 있습니다. 그럼에도 불구하고, 그 도구를 탐색하고, 그들에게 익숙해지며, 팀에 더 많은 효율성을 가져다 줄 사람이 되십시오.
모든 팀에서 Excel 챔피언이나 SQL 신이 어떻게 있는지 알고 있습니까? 당신은 AI의 그 사람이 될 수 있습니다. 아이디어는 예를 들어 작게 시작하는 것입니다.
2. 기술 기본 사항을 배우십시오
기계 학습 모델 코딩을 즉시 시작할 필요가 없습니다. 기계 학습과 AI의 기본 사항부터 시작하십시오. 기본 용어 및 도구에 익숙해 지십시오.
다음은 알아야 할 기술에 대한 개요입니다.
다음은 익숙해지기 시작할 수있는 도구도 있습니다.
추가 정보를위한 리소스 :
3. AI 번역기로 자신을 배치하십시오
AI는 진공 상태로 존재하지 않습니다. 실제 문제를 해결하기 위해 있습니다. 비즈니스 문제에 대해 이야기하고 있다면 기계 학습 및 AI가 적절한 솔루션을 제공하려면 도메인 전문 지식이 필요합니다. 누가 그 전문 지식을 제공하는지 추측합니까? 좋아요. 너!
그 지식을 사용하여 기술을 AI 번역기, 기술 및 비 기술 이해 관계자 사이의 다리로 배치하십시오. 당신은 할 수 있습니다 :
- 비즈니스 문제를 데이터 문제로 번역하십시오
- AI가 그들에게 어떻게 맞는지 알아보십시오
- 머신 러닝 모델 가정의 스팟 결함
- 비 기술적 이해 관계자에게 모델 출력을 설명하십시오
이렇게하면 기계 학습 모델링의 특정 측면을 이해하는 것으로 시작하여 혼란 매트릭스 및 정확도와 같은 모델 결과를 실제 영향으로 변환합니다. AI에 대한이 높은 수준의 이해를 통해 실제 모델 구축으로 천천히 전환 할 수 있습니다.
4. 코드가없는 코드 또는 로우 코드 도구로 시작하십시오
덜 복잡한 기계 학습 모델을 구축하기 전에 파이썬 숙련도에서 수년간 일할 필요가 없습니다. 오늘날, 이미 드래그 앤 드롭 인터페이스를 사용하여 코드가 없거나 낮은 코드로 AI 프로젝트를 구축 할 수있는 많은 도구가 있습니다.
또한 번역기로 자신을 배치하는 데 도움이됩니다. 이러한 도구 + 도메인 지식은 다음을 보여줄 수 있습니다.
- 실제 문제를 이해하십시오
- AI 솔루션을 식별 할 수 있습니다
- 이 AI 솔루션을 사용하여 문제를 해결하십시오
다음은 유용한 도구가 있습니다.
| 범주 | 도구 | 당신이 할 수있는 일 |
|---|---|---|
| 코드 없음 AI 빌더 | 로브.ai | 드래그 앤 드롭 UI로 이미지 분류기를 훈련시킵니다. |
| 가르치는 기계 | 브라우저에서 간단한 분류 모델을 구축하십시오. | |
| Monkeylearn | 정서, 주제 또는 의도에 대한 사용자 정의 NLP 모델을 만듭니다. | |
| 분명히 AI/Zams | CSV를 업로드하고 이진 분류 또는 회귀를 실행하십시오. | |
| 저 코드 AI 빌더 | Knicer | 시각적 노드를 사용하여 ML 워크 플로를 구축합니다 (저 코드, 표 형 데이터에 적합). |
| 컴퓨터 로봇 | 데이터를 업로드하고 모델을 선택하고 최소한의 코딩으로 배포하십시오. | |
| Microsoft Azure ML 디자이너 | 데이터 준비, 교육 및 평가를 위해 드래그 앤 드롭 모듈을 사용하여 기계 학습 모델을 구축하고 배포합니다. | |
| AI 기반 창의력 및 생산성 도구 | 활주로 ML | 비디오 배경을 제거하고 텍스트에서 이미지를 생성합니다. |
| 튼튼한 | 비즈니스를위한 방문 페이지를 몇 초 만에 구축하십시오. | |
| 재스퍼 ai | 광고 사본, 제품 설명, 블로그 intros를 작성하십시오. | |
| 당신은 가지고 있습니다 | 자동 생성 캡션, 이미지 배경을 제거하십시오. | |
| 개념 ai | 메모, 컨텐츠 초안, 추출 핵심 요점을 요약하십시오. | |
| 설명 | 텍스트 문서와 같은 팟 캐스트 나 비디오를 편집합니다. | |
| chatgpt | 아이디어를 브레인 스토밍하고 보고서 요약, 컨텐츠 초안. |
5. Ai-adjacent 역할에 대한 피벗
AI에 피벗하기위한 훌륭한 시작은 AI 지식이 필요한 역할로 이동하지만 실제 모델을 구축 할 필요는 없습니다. 그러한 입장은 다음과 같습니다.
- 프로젝트 관리자 – 이해 관계자와 기계 학습 엔지니어/데이터 과학자 간의 조정
- 기술 작가 – 워크 플로 문서화 및 사용자 안내서 작성
- 제품 디자이너 – 사용자가 AI 시스템과 상호 작용하는 방법을 이해하기 위해
- 정책 분석가 – AI 시스템의 공정성 및 설명과 같은 위험을 표시하기 위해
이 모든 직책은 또한 당신이 갈 때 배울 수있는 기회를 줄 것입니다. AI가 점점 더 많은 직무 역할의 일부가되면서 실제 모델 빌딩으로 전환하기위한 견고한 토대를 제공 할 수 있습니다.
결론
데이터 과학자와 기계 학습 엔지니어만이 AI에서 작동하는 유일한 위치는 아닙니다. 비 기술적 배경을 가진 많은 사람들도 그렇게합니다.
전환하는 동안 이미 쓸모없는 것으로 이미 알고있는 것을 기록하지 마십시오. 머신 러닝과 도메인 지식 사이의 교차점을 찾고 그 시점부터 시작하십시오. 그런 다음 AI에 대해 자세히 알아 보면 실제 머신 러닝 모델을 구축 할 것인지 또는 기술적 인 이해 관계자와 비 기술적 이해 관계자 사이의 다리로 남아 있는지 결정할 수 있습니다.
네이트 로시디 데이터 과학자이자 제품 전략입니다. 그는 또한 겸임 교수 교육 분석이며, 데이터 과학자들이 최고 회사의 실제 인터뷰 질문과의 인터뷰를 준비하는 플랫폼 인 Stratascratch의 창립자입니다. Nate는 커리어 시장의 최신 트렌드에 대해 글을 쓰고, 인터뷰 조언을 제공하고, 데이터 과학 프로젝트를 공유하며, 모든 SQL을 다룹니다.
Post Comment