『ゴミ科学者にならない方法』

ゴミ科学者にならない方法

優れたデータサイエンティストになるための方法と、ゴミにならないためのヒントとトリック：正しい方法でデータの旅をスタートさせる

「一週間でデータサイエンティストになる方法はありますか？」

「AI MLを1日で学ぶためのカプセルコンテンツはありますか？」

「1週間後に6桁の収入を得るために一夜でアナリティクスを学ぶためのMoocsはありますか？」

これらは、私が毎日ソーシャルメディアで多くのAIおよびアナリティクス愛好家から受ける最も一般的な質問です。

• データセットの凝縮の潜在能力を解き放つ：SRe^2LがImageNet-1Kで記録的な精度を達成
• シンガポール国立大学の研究者が提案するMind-Video：脳のfMRIデータを使用してビデオイメージを再現する新しいAIツール
• UTオースティンとUCバークレーの研究者が、アンビエントディフュージョンを紹介します：入力としての破損したデータのみを使用してディフュージョンモデルをトレーニング/微調整するためのAIフレームワーク

毎日、非AI/MLのインフルエンサーによって大量のニュースレターやMOOC、コースが立ち上げられ、愚かな夢を示し、価値のない想像や実践を注入して、学習者を騙そうとしています。

最近DSやAIの人々が数多く見かけますが、彼らは最低賃金で仕事を得ることができず、DSの大学のコースやインフルエンサーのMoocsカプセルの競争後に生き延びるのにも役立つことができません。

では、なぜなのでしょうか？

Googleで検索する：「データサイエンスとは何か？」

はい、Googleでの検索は常に非常に重要です。何かを始める前に、常に検索する必要があります。

学ぼうとする対象が何であれ、学習者は学習の道に進む前に3つのことを整理する必要があります：

1. 学習者のバックグラウンドが同じか異なるか。
2. ダイビングする前に科目の前提条件を理解すること。
3. 知識を習得した後、実際の世界でどのように適用するか。

科目について明確な理解を持つことは、学習の成功を高めます。

Googleで検索するか、BardやChatgptに尋ねるかは関係ありません。これらのツールを使用して、学習の旅を進めることができます。

これはどんな科目にも当てはまります。

なぜやるのかを知る

この哲学は非常に重要であり、この世界のあらゆる分野で成功した専門家によってほとんどが従われています。

データサイエンスの分野でキャリアを始めようとしている場合、または他のバックグラウンドからこの分野に転職する予定がある場合、単にコースを購入したりトレーニングクラスに参加したりするだけで始める理由を明確に持つべきです。

私の友人や元同僚の中には、異なる専門分野からこの分野に変わった人々がいます。しかし、彼らはデータサイエンティストになったわけではありませんし、なりたいとも思っていませんでした。彼らは個々の目的に役立つツールとして分析を学びました。

ツールはツールです

PythonやR、他の言語やMLツールを学ぶことは、あなたをデータサイエンティストにはしません。これらは、ビジネスの問題を解決するためにMLプラクティショナーが利用するツールです。それらが顧客の手元に届ける必要があるかもしれませんし、個人的な研究のためかもしれません。

明後日には、簡単に置き換えられるツールが出てくるかもしれません。しかし、それはアナリティクスの形を変えることはありません。それらは問題のテックスタックを変えるだけであり、解決策は変わりません。

特定のドメインの選択とロードマップの作成

特定のドメインを選択し、その中でロードマップを作成することです。

例えば、あなたが航空宇宙エンジニアであり、データサイエンスとAIの技術を学んでいる場合、毎日扱っている装置の種類に焦点を当て、データサイエンスのその部分だけを学ぶことができます。

たとえば、タービン発電システムに適用するためにDSを学んでいるとします。AIが付加価値を提供できるドメインをよく理解し、関連するツールと手法だけを学びます。例えば、タービンで事前に障害を検出し、発電を予測しようとしている場合、時系列技術やセンサーデータの詳細、予測と異常検出のアルゴリズムについてだけを学ぶ必要があります。その時点ではNLPに時間を費やす必要はありません。

「すべてを学ぶ必要はありません。決して！」

非ITからITへのトレンド

DSやAIを学んだ後は、ITに飛び込む必要はありません。この知識はどんな分野でも応用できます。

応用するドメインを選び、学ぶためのツールや技術を選択することで、完全なロードマップを作成することが容易になります。

最近では、月末に6桁の収入を得るためにITの分野に進むことを選ぶ人々を見かけます。しかし、これは単にEd-etch企業や個人によって学習者のポケットを絞るためのカモフラージュです。

単なるシンプルなハンマーで現実の問題を解決できるなら、いつでも6桁以上の収入を得ることができます。

ゼロハイプ：

もし、LLMやChatgptを学んでいる人々がプロンプトエンジニアリングのようなものを使って一晩で数百万を稼いでいるような状況であれば、同じように飛びついて反応する必要はありません。これらは単なる騒音とハイプのトレンドです。

あなたはただのハイプに終わるだけであり、それはあなたの仕事中のリアルタイムのビジネスケースを解決するのにほとんど役立ちません。

学習の過程であらゆるハイプを捨ててください。

今でも、この古い黄金から学ぶことができます：リンク

コンサルティング：

ソーシャルメディアのインフルエンサーではなく、長年この分野で働いてきた専門家と相談してください。多くのソーシャルメディアのインフルエンサーがAIやDSのコースを作成し、販売し、数百万を稼いでいます。一方、学習者は無駄な出費をしています。

この業界で長年活動し、GitHubやLinkedInなどでタイムスタンプ付きの証拠を提供してきた人物を見つけて、学習戦略や目標達成について相談してください。オープンソースのコンテンツから学んでいる場合でも、問題ありません。

従来の方法で学ぶ：

これを行う最良の方法は、3つの方法を学ぶことです。

1. 統計学と機械学習の学習：詳細な概念を含む完全な理論

2. 必要なツールの学習（例：Python、Rapidminer、Juliaなど）

3. レプリゼンテーションの学習：完全なAI ML戦略の開発後、それをビジネスの利害関係者、パートナー、同僚、上司にどのように表現しますか？

Data scienceでの作業の表現は非常に重要です。利害関係者や消費者に理解されないような派手なモデルを構築してしまうと、問題が生じます。

私は常に従来の方法で学ぶことをお勧めします。毎日マーケティングブログを行っているTickTockやInstagramのインフルエンサーから学ぼうとする代わりに。

20分で20のトピックを学ぶことはただのゴミに過ぎません。

是非、LinkedIn、VoAGI、Topmateで私とつながってください。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!