Wątek przeniesiony 2017-03-11 01:41 z Nietuzinkowe tematy przez somekind.

Czy sądzicie, że to AI itd to są zawody przyszłości?

1

Cześć.
Najpierw artykuł:
http://www.datasciencecentral.com/profiles/blogs/difference-between-machine-learning-data-science-ai-deep-learning

i teraz tak. Czy sądzicie, że programowanie obecnie lekko mówiąc jest mainstream i słabe i porządnymi zawodami przyszłości są te z powyższego linku?

Czy wiecie cokolwiek o tych dziedzinach? Proszę o konstruktywne wypowiedzi ludzi ogarniających temat.

Z pozdrowieniami Karolina

0

Może być i tak, ale deep learning i machine learning potrzebują sporych mocy obliczeniowych i może braknąc zanim na dobre przejmą władzę nad światem:)

0

"Data science" to w 80% oczyszczanie i skladowanie danych (tak wiec czysta developerka i to w dodatku niezbyt ciekawa). W tych 20% mozna sie pobawic modelami matematycznymi (ale do tego czesto sie zatrudnia ludzi z PHD ktorzy maja dobre przygotowanie teoretyczne).

0

Programowanie stało się mainstreamem i rzemiosłem. Masa ciśnie w dół jak to mawiał pewien klasyk. Prawda jest taka, że obecnie najwybitniejsze jednostki z młodego pokolenia lgną do data science, bo to dziedzina która się intensywnie rozwija i daję możliwości tworzenia czegoś nowego, a nie tylko sprawnego używania technologii, które powstały gdzieś w dolinie krzemowej.

https://www.forbes.com/sites/karstenstrauss/2016/04/14/the-best-jobs-in-2016/#3482efc61da3
https://www.forbes.com/sites/drewhansen/2016/10/21/become-data-scientist/#6fd2f56287d3

Przedmówca chyba nie za bardzo ma pojęcie czym jest data science, ale się mocno mądrzy. Zanim zacznie się wygłaszać takie twarde opinie, polecam zapoznać się z linkiem wrzuconym przez @karolinaa , tam to wszystko dokładnie wytłumaczono.

https://futurism.com/80-of-it-jobs-can-be-replaced-by-automation-and-its-exciting/
oczywiście 80% to duża przesada, co nie zmienia faktu, że praca dużej części deweloperów jest zagrożona automatyzacją.

0

Czy Ai jest zagrożeniem dla programistów i może w przyszłości odebrać im pracę?
http://tylkonauka.pl/wiadomosc/sztuczna-inteligencja-nauczyla-sie-programowac

0

Ja się nie boję AI, obronią nas wszyscy ci, którzy konfigurują IoC w XML. Wszakże prawdziwa głupota zawsze pokona sztuczną inteligencję.

0

Tak, podobnie będzie jak z LightSwitch. Można sobie wy-klikać fajną aplikację CRUD ale jak pojawi się bardziej złożony problem to AI rozłoży się. Przy dużych i skomplikowanych aplikacjach często rozwiązuje się nietypowe problemy (także optymalizacyjne).

1
Krwawy Wąż napisał(a):

Czy Ai jest zagrożeniem dla programistów i może w przyszłości odebrać im pracę?
http://tylkonauka.pl/wiadomosc/sztuczna-inteligencja-nauczyla-sie-programowac

Bez przesady, na razie to potrafi kilkulinijkowca skompilować.

0

Przedmówca chyba nie za bardzo ma pojęcie czym jest data science, ale się mocno mądrzy. Zanim zacznie się wygłaszać takie twarde opinie, polecam zapoznać się z linkiem wrzuconym przez @karolinaa , tam to wszystko dokładnie wytłumaczono

Widze ze lubisz cytowac Forbes'a to ja tez zacytuje: https://www.forbes.com/sites/gilpress/2016/03/23/data-preparation-most-time-consuming-least-enjoyable-data-science-task-survey-says/#38fff9456f63
Data scientists spend 60% of their time on cleaning and organizing data. Collecting data sets comes second at 19% of their time, meaning data scientists spend around 80% of their time on preparing and managing data for analysis.

0

Nadziany Mleczarz

Próba losowa 80 "data scientistów" jest śmieszna biorąc pod uwagę, że zawód ten wykonuje obecnie pewno parenaście tysięcy osób. Druga sprawa to jaką definicję przyjęto definiując "data scientista" w tym badaniu,
http://visit.crowdflower.com/rs/416-ZBE-142/images/CrowdFlower_DataScienceReport_2016.pdf sądząc po podrozdziale "Whats next for data science?", wrzucili zupełnie nieuzasadnienie do jednego worka deweloperów zajmujących się obróbką danych czy innymi sqlami/hadoopami, analityków biznesowych, a nie data scientistów w ścisłym tego słowa znaczeniu, czyli ludzi zajmujących się implementacją i rozwojem rozwiązań opartych na uczeniu maszynowym, sieciach neuronowych czy uczeniu ze wzmocnieniem w róznych dziedzinach życia +oczywiście statystyka ( oczywiście, bo te dziedziny są nierozerwalnie połączone na gruncie teoretycznym i praktycznym w sumie też). Często niestety popełniany jest w różnych publikacjach ten błąd, wynika z młodości tej dziedziny ( w pewnym sensie oczywiście, bo samo uczenie maszynowe jest z nami od wielu dekad) i po prostu z niedouczenia osób, które takie artykuły piszą.
Wiele osób niestety nadal nie rozróżnia data scientista od data engineera, deweloperów zajmujących się bazami danych, statystyków, matematyków, analityków biznesowych. Dlatego jeszcze raz radzę dokładnie przeczytać artykuł wrzucony przez @karolinaa , gdzie wszystko jest wyjaśnione (też w podartykułach).

Co do umiejętności matematycznych, to oczywiście jest to totalną brednią. Teoria sieci neuronowych i uczenia maszynowego jest spokojnie do opanowanie dla przeciętnego studenta politechniki, statystyki, ekonomi matematycznej itp. To półka niżej niż matematyka czy fizyka teoretyczna.

1

Jak chcecie z perspektywy kodziarza zrozumieć jak wygląda i rozwija się w tej chwili środowisko data science, to otwórzcie sobie jakiś film dokumentalny o początkach rozwoju linuxa i środowiska open source. Tak właśnie teraz wygląda data science. Atmosfera rozwoju, kooperacji, trochę wolnej amerykanki, większośc rozwiązań jeszcze nie jest skomercjalizowana, a nawet korporacje takie jak znienawidzony Microsoft publikują dokładne specyfikacje techniczne swoich odkryć w tej dziedzinie.

Data science to rozwój, jak macie trochę oleju w głowie, to zainteresujcie się tą dziedziną, albo na poważnie, albo przynajmniej z persektywy czysto użytkowo - kodziarskiej, zamiast się unosić honorem i ignorować albo deprecjonować tą dziedzinę i ludzi którzy się nią zajmują.

0

a nawet korporacje takie jak znienawidzony Microsoft publikują dokładne specyfikacje techniczne swoich odkryć w tej dziedzinie.

Ano z tym racja
https://www.microsoft.com/en-us/research/publication/sequential-minimal-optimization-a-fast-algorithm-for-training-support-vector-machines/
Ale bez przesady, prawda jest taka że nawet jak komputery kwantowe zaczną być popularne to przeniosą na nie jave i ze strony springowc-a nic się nie zmieni :)
Każda większa firma musi sobie radzić z naporem informacji ale od tego są specjalne działy.

0

Chodzi mi o to że ML daje nowe stanowiska pracy a nie zastępuje obecne. To że jest sporo niewiadomych i wiele można odkryć to inna sprawa :) Zresztą jak już mówiłem wejdą komputery kwantowe to powstaną nowe dziedziny nauki, nowe algorytmy do odkrycia etc. ale dla kogoś od webówek to niewiele zmienia, jasne sposoby zabezpieczeń nowe ograniczenia/brak starych ale tak samo jak teraz webmaster nie musi znać wyższej matematyki dyskretnej tak i wtedy nie będzie musiał.

0

Dorzucę jeszcze wątek z hn w temacie: https://news.ycombinator.com/item?id=13711910

0

Tak tylko gwoli uściślenia. Teoria uczenia maszynowego, sieci neuronowych itp. jak już wcześniej wspomniano to nie wyższa matematyka, tylko poziom przeciętnego studenta jakiegokolwiek ścisłego kierunku (od automatyki, przez informatykę do statystyki,matematyki finansowej i ekonometrii).

Druga ważna rzecz to to że teoria uczenia maszynowego i pochodnych ma bardzo mało wspólnego z matematyką dyskretną, a bardzo dużo ze statystyką, rachunkiem prawdopodobieństwa, analizą i algebrą. Dlatego też chyba najwazniejsza ksiązka w historii dotycząca uczenia maszynowego nazywa się "The elements of Statistical Learning", a do niedawna termin Statistical Learning był używany tak samo często jak Machine Learning (w odniesieniu do tej samej dziedziny, którą dziś utarło się nazywać Uczenie Maszynowe).

Ale to tak tylko chciałem dodać dla uściślenia ;)

0

Po pierwsze, dzięki za link ;)
Po drugie, szum o AI był w latach 80 i teraz ;) różnice każdy widzi. Kiedyś, może nawet w tym stuleciu, liczba programistów zacznie spadać, ale i tak nie mamy na to wpływu, jak inne zawody.

0

Tak tylko gwoli uściślenia. Teoria uczenia maszynowego, sieci neuronowych itp. jak już wcześniej wspomniano to nie wyższa matematyka, tylko poziom przeciętnego >studenta jakiegokolwiek ścisłego kierunku (od automatyki, przez informatykę do statystyki,matematyki finansowej i ekonometrii).

To jest osobna sprawa. Jako że metody uczenia maszynowego często naśladują naturalne zjawiska łatwo je opisać, nawet laikowi, naiwna implementacja nie jest taka trudna. Jednak nie powiedziałbym żeby ktoś po studiach był specjalistą od ML.

Druga ważna rzecz to to że teoria uczenia maszynowego i pochodnych ma bardzo mało wspólnego z matematyką dyskretną,

A więc uważasz że ML ma mało wspólnego z matematyką dyskretną ?:) Bez komentarza.

0

"A więc uważasz że ML ma mało wspólnego z matematyką dyskretną ?:) Bez komentarza."
Bez komentarza:)

0

@krzywy Ogórek

nigdzie nie napisałem że osoba po studiach jest specjalistą od uczenia maszynowego. chociaż oczywiście jest to możliwe, zależy po jakich studiach i jak definiujesz specjalistę od uczenia maszynowego.

jeśli chodzi o działy matematyki, to https://pl.wikipedia.org/wiki/Matematyka#G.C5.82.C3.B3wne_dzia.C5.82y to oczywiście że teoria uczenia maszynowego, sieci neuronowych i uczenia ze wzmocnieniem wywodzi się bezpośrednio ze statystyki i rachunku prawdopodobieństwa (też procesów stochastycznych), a nie z matematyki dyskretnej. Oczywiście są jakieś elementy matematyki dyskretnej, ale w 95% AI to statystyka, rachunek prawdopodobieństwa, analiza i algebra.

0

ale w 95% AI to statystyka

Samo przeszukiwanie grafów to 10% :/
A tak serio to kogo to obchodzi? W ML używa się różnych metod, w niektórych matematyka dyskretna jest wypisana w tytule jak w drzewkach decyzyjnych a w niektórych jest jej mniej i to mi jakoś nie przeszkadza. Zresztą matematyki rozmytej jest jeszcze mniej a i tak musisz ją znać :/

0

jak nikogo nie obchodzi to po co się czepiasz?

AI to w 95% statystyka,rachunek prawdopodobieństwa,procesy stochastyczne,algebra i analiza . oczywiście matematyka to jedna dziedzina i różne poddziedziny matematyki czerpią od siebie nawzajem.

http://fastml.com/math-for-machine-learning/
http://statweb.stanford.edu/~tibs/ElemStatLearn/printings/ESLII_print10.pdf
http://cs229.stanford.edu/materials.html

1

Ach te wspaniałe roboty:

0

O to chodzi w matematyce. Wystawiasz teorię że 95% a ja twierdzę że nawet systemy ekspertowe się w tych 5% nie mieszczą.

0
tester445 napisał(a):

Ach te wspaniałe roboty:

Fajne, przydałby się taki mniejszy do porannych przebieżek. Przynajmniej ewentualne psy na drodze obszczekiwałyby nie mnie. ;)

0

"To jest osobna sprawa. Jako że metody uczenia maszynowego często naśladują naturalne zjawiska łatwo je opisać, nawet laikowi, naiwna implementacja nie jest taka trudna. Jednak nie powiedziałbym żeby ktoś po studiach był specjalistą od ML."

Chyba to jakiś żart. Teoria uczenia maszynowego, sieci neuronowych i uczenia ze wzmocnieniem, to poziom licencjatu ścisłego kierunku (od automatyki, przez informatykę do ekonomii matematycznej,finansów matematycznych, statystyki itp.)

Wskaż mi zagadnienie matematyczne, które w tej znanej publikacji na temat sieci neuronowych i uczenia maszynowego przekrzacza poziom licencjatu (czasami magisterki) jakiegoś przeciętnego ścisłego kierunku:
http://www.deeplearningbook.org/
http://statweb.stanford.edu/~tibs/ElemStatLearn/printings/ESLII_print10.pdf
(chyba dwie najbardziej znane publikacje w historii ML)

Co do matematyki itp. Po pierwsze rozmawialiśmy od początku konkretnie o uczeniu maszynowym ("Druga ważna rzecz to to że teoria uczenia maszynowego i pochodnych ma bardzo mało wspólnego z matematyką dyskretną,"), a nie o AI jako całości. Z tego co widzę to po pierwsze systemy ekspertowe to nie poddziedzina uczenia maszynowego, po drugie ich praktyczne aplikację są w postaci Sieci Bayesowskich, czyli statystycznych modeli probabilistycznych.

0

wrzucili zupełnie nieuzasadnienie do jednego worka deweloperów zajmujących się obróbką danych czy innymi sqlami/hadoopami, analityków biznesowych, a nie data scientistów w ścisłym tego słowa znaczeniu

Data scientist w ścisłym tego słowa znaczeniu to możesz co najwyżej spotkać na uczelni. W komercyjnym kontekście, jak myślisz, ze będziesz zajmował się tylko algorytmiczną/matematyczną częścią, a dane będą przygotowywane przez tych wyrobników programistów to spotka cię tylko rozczarowanie.

0
Czarny Kura napisał(a):

wrzucili zupełnie nieuzasadnienie do jednego worka deweloperów zajmujących się obróbką danych czy innymi sqlami/hadoopami, analityków biznesowych, a nie data scientistów w ścisłym tego słowa znaczeniu

Data scientist w ścisłym tego słowa znaczeniu to możesz co najwyżej spotkać na uczelni. W komercyjnym kontekście, jak myślisz, ze będziesz zajmował się tylko algorytmiczną/matematyczną częścią, a dane będą przygotowywane przez tych wyrobników programistów to spotka cię tylko rozczarowanie.

Zależy od specyfiki konkretnej pracy, w dużej mierze. Nikt nie powiedział, że dane będą przygotowywane przez programistów, aczkolwiek lepiej jakby zajmowali się tym kodziarze, bo od tego w SPACJA końcu jesteście ;)

1

Elityzm bije z twoich postów. Programowanie jest dla masy, która ciągnie w dół. 'data science' jest ambitne i nie dla pospólstwa. Już jest tu taki jeden, który uważa, że R podbije świat; dobrze się dogadacie :)

0

"Elityzm bije z twoich postów."

Powiedział przedstawiciel zawodu, który uważa się za pępek świata.

http://www.kierunki.net/o-kierunkach/4378-informatyka-najpopularniejszym-kierunkiem-studiow-podsumowanie-rekrutacji-2015-2016

1 użytkowników online, w tym zalogowanych: 0, gości: 1