ஒரு AI டெவலப்பர் ஆவது எப்படி

ஒரு AI டெவலப்பராக மாறுவது எப்படி. தாழ்வுநிலை.

நீங்கள் தேவையற்ற விஷயங்களுக்காக இங்கு வரவில்லை. ஒரு AI டெவலப்பராக ஆவது எப்படி . நல்லது. இந்த வழிகாட்டி உங்களுக்குத் திறன்களுக்கான வரைபடம், உண்மையில் அவசியமான கருவிகள், மீண்டும் அழைப்புகள் வரும் ப்ராஜெக்ட்கள், மற்றும் வெறும் பரிசோதனையிலிருந்து திட்டத்தைச் செயல்படுத்துவதைப் பிரிக்கும் பழக்கவழக்கங்கள் ஆகியவற்றை வழங்குகிறது. வாருங்கள், நீங்கள் உருவாக்கத் தொடங்குவோம்.

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 ஒரு AI நிறுவனத்தை எவ்வாறு தொடங்குவது
உங்கள் AI ஸ்டார்ட்அப்பை உருவாக்குவது, அதற்கு நிதி திரட்டுவது மற்றும் அதைத் தொடங்குவது குறித்த படிப்படியான வழிகாட்டி.

🔗 உங்கள் கணினியில் ஒரு செயற்கை நுண்ணறிவை உருவாக்குவது எப்படி
AI மாடல்களை உங்கள் கணினியிலேயே எளிதாக உருவாக்கி, பயிற்சி அளித்து, இயக்குவதைக் கற்றுக்கொள்ளுங்கள்.

🔗 ஒரு AI மாதிரியை எவ்வாறு உருவாக்குவது
கருத்தாக்கம் முதல் செயல்படுத்தல் வரை, செயற்கை நுண்ணறிவு மாதிரி உருவாக்கத்தின் விரிவான விளக்கம்.

🔗 குறியீட்டு AI என்றால் என்ன?
குறியீட்டு செயற்கை நுண்ணறிவு எவ்வாறு செயல்படுகிறது மற்றும் அது இன்றும் ஏன் முக்கியத்துவம் வாய்ந்ததாக இருக்கிறது என்பதை ஆராய்ந்து பாருங்கள்.

ஒரு சிறந்த AI டெவலப்பரை உருவாக்குவது எது?✅

ஒரு சிறந்த AI டெவலப்பர் என்பவர் ஒவ்வொரு ஆப்டிமைசரையும் மனப்பாடம் செய்பவர் அல்ல. அவர், ஒரு தெளிவற்ற சிக்கலை எடுத்து, அதை வரையறுத்து, தரவுகளையும் மாடல்களையும் ஒன்றாக இணைத்து, செயல்படும் ஒன்றை வெளியிட்டு, அதை நேர்மையாக அளவிட்டு, எந்தச் சிக்கலும் இல்லாமல் அதை மீண்டும் மீண்டும் மேம்படுத்தக்கூடியவர். சில அடையாளங்கள்:

  • முழு செயல்முறையிலும் தேர்ச்சி: தரவு → மாதிரி → மதிப்பீடு → செயல்படுத்தல் → கண்காணிப்பு.

  • பழமையான கோட்பாட்டின் மீது விரைவான பரிசோதனைகளுக்கான சார்பு... வெளிப்படையான பொறிகளைத் தவிர்க்க போதுமான கோட்பாடுகளுடன்.

  • உங்களால் வெறும் நோட்புக்குகளை மட்டுமல்ல, செயல்விளைவுகளையும் வழங்க முடியும் என்பதை நிரூபிக்கும் ஒரு செயல்தொகுப்பு.

  • ஆபத்து, தனியுரிமை மற்றும் நேர்மை தொடர்பான பொறுப்பான மனப்பான்மை - வெளிவேடமல்ல, நடைமுறை. NIST AI இடர் மேலாண்மை கட்டமைப்பு மற்றும் OECD AI கோட்பாடுகள் , மதிப்பாய்வாளர்கள் மற்றும் பங்குதாரர்களுடன் ஒரே மொழியில் பேச உங்களுக்கு உதவுகின்றன. [1][2]

ஒரு சிறிய ஒப்புதல்: சில சமயங்களில் நீங்கள் ஒரு மாடலை ஆதரிப்பீர்கள், ஆனால் பின்னர் அடிப்படை மாடலே வெல்கிறது என்பதை உணர்வீர்கள். அந்தப் பணிவு - விசித்திரமாக - ஒரு மீயிறை ஆற்றல்.

ஒரு சிறு உதாரணக் காட்சி: ஒரு குழு, உதவி முன்னுரிமைப் பட்டியலுக்காக ஒரு மேம்பட்ட வகைப்படுத்தியை உருவாக்கியது; ஆனால், அதன் அடிப்படை முக்கிய வார்த்தை விதிகள், முதல்-பதில் நேரத்தில் அதை விஞ்சின. அவர்கள் அந்த விதிகளைத் தக்கவைத்துக்கொண்டு, விளிம்புநிலைச் சூழல்களுக்கு அந்த மாதிரியைப் பயன்படுத்தி, இரண்டையும் வெளியிட்டனர். குறைவான மாயாஜாலம், அதிகமான முடிவுகள்.

AI டெவலப்பர் ஆவதற்கான வழிகாட்டி 🗺️

இதோ ஒரு சுருக்கமான, படிப்படியான வழிமுறை. உங்கள் நிலை உயரும்போது இதைச் சில முறை சுழற்சி செய்யுங்கள்:

  1. பைத்தானில் நிரலாக்க சரளம் மற்றும் முக்கிய தரவு அறிவியல் நூலகங்கள்: NumPy, pandas, scikit-learn. அதிகாரப்பூர்வ வழிகாட்டிகளை மேலோட்டமாகப் படித்துவிட்டு, உங்கள் விரல்கள் பழகும் வரை சிறிய ஸ்கிரிப்டுகளை உருவாக்குங்கள். scikit-learn பயனர் வழிகாட்டி வியக்கத்தக்க வகையில் நடைமுறை பாடப்புத்தகமாகவும் செயல்படுகிறது. [3]

  2. இயந்திரக் கற்றலின் அடிப்படைகள் : நேரியல் மாதிரிகள், ஒழுங்குபடுத்தல், குறுக்குச் சரிபார்ப்பு, அளவீடுகள். வழக்கமான விரிவுரைக் குறிப்புகளும் செய்முறைப் பயிற்சியும் இணைந்த கலவை சிறப்பாகச் செயல்படும்.

  3. டீப் லேர்னிங் டூலிங் : PyTorch அல்லது TensorFlow-ஐத் தேர்ந்தெடுத்து, மாடல்களைப் பயிற்றுவிக்கவும், சேமிக்கவும், ஏற்றவும்; தரவுத்தொகுப்புகளைக் கையாளவும்; மற்றும் பொதுவான வடிவப் பிழைகளைச் சரிசெய்யவும் போதுமான அளவு கற்றுக்கொள்ளுங்கள். நீங்கள் "முதலில் குறியீடு" என்பதை விரும்பினால், அதிகாரப்பூர்வ PyTorch டுடோரியல்களுடன் தொடங்கவும். [4]

  4. உண்மையில் அனுப்பப்படும் திட்டங்கள்: டாக்கருடன் தொகுக்கவும், இயக்கங்களைக் கண்காணிக்கவும் (ஒரு CSV பதிவு கூட எதுவும் இல்லாததை விட சிறந்தது), மற்றும் ஒரு குறைந்தபட்ச API ஐ வரிசைப்படுத்தவும். நீங்கள் ஒற்றை-பெட்டி வரிசைப்படுத்தல்களை விட வளரும்போது குபெர்னெட்டஸைக் கற்றுக்கொள்ளுங்கள்; முதலில் டாக்கர். [5]

  5. பொறுப்பான AI அடுக்கு: NIST/OECD ஆல் ஈர்க்கப்பட்ட இலகுவான இடர் சரிபார்ப்புப் பட்டியலை (செல்லுபடியாகும் தன்மை, நம்பகத்தன்மை, வெளிப்படைத்தன்மை, நேர்மை) ஏற்றுக்கொள்ளுங்கள். இது விவாதங்களை உறுதியானதாக வைத்திருக்கிறது மற்றும் தணிக்கைகளை சலிப்பானதாக (நல்ல விதத்தில்) வைத்திருக்கிறது. [1][2]

  6. சிறிதளவு நிபுணத்துவம் பெறுங்கள்: டிரான்ஸ்ஃபார்மர்களுடன் கூடிய NLP, நவீன கன்வெர்ஷன்கள்/ViT-களுடன் கூடிய விஷன், ரெக்கமெண்டர்கள், அல்லது LLM செயலிகள் மற்றும் ஏஜென்ட்கள். ஒரு பாதையைத் தேர்ந்தெடுத்து, இரண்டு சிறிய திட்டங்களை உருவாக்குங்கள், பின்னர் கிளை பிரியுங்கள்.

நீங்கள் 2 முதல் 6 வரையிலான படிகளை என்றென்றும் மீண்டும் மீண்டும் செய்ய வேண்டியிருக்கும். உண்மையைச் சொன்னால், அதுதான் வேலை.

நீங்கள் பெரும்பாலான நாட்களில் உண்மையில் பயன்படுத்தும் திறன்களின் தொகுப்பு 🧰

  • பைதான் + தரவு கையாளுதல்: அணிகளைப் பிரித்தல், இணைப்புகள், குழுவாக்குதல், திசையனாக்கம். பாண்டாஸை ஆட வைத்தால், பயிற்சி எளிமையாகவும், மதிப்பீடு நேர்த்தியாகவும் இருக்கும்.

  • முக்கிய ML: பயிற்சி-சோதனை பிரிவுகள், கசிவைத் தவிர்த்தல், அளவீட்டு எழுத்தறிவு. ஸ்கிகிட்-லெர்ன் வழிகாட்டி அமைதியாக சிறந்த ஆன்-ராம்ப் உரைகளில் ஒன்றாகும். [3]

  • DL கட்டமைப்பு: ஒன்றைத் தேர்ந்தெடுத்து, முழுமையாக வேலை செய்ய வைத்து, பின்னர் மற்றொன்றைப் பார்க்கவும். PyTorch இன் ஆவணங்கள் மன மாதிரியைத் தெளிவாக்குகின்றன. [4]

  • பரிசோதனை சுகாதாரம்: செயல்பாட்டு ஓட்டங்கள், அளவுருக்கள் மற்றும் கலைப்பொருட்களைக் கண்காணிக்கவும். எதிர்கால நீங்கள் தொல்லியலை வெறுக்கிறீர்கள்.

  • கண்டெய்னரைசேஷன் & ஆர்கெஸ்ட்ரேஷன்: உங்கள் ஸ்டேக்கை பேக்கேஜ் செய்ய டாக்கர்; உங்களுக்கு ரெப்ளிகாக்கள், ஆட்டோஸ்கேலிங் மற்றும் ரோலிங் அப்டேட்கள் தேவைப்படும்போது குபெர்னெட்டஸ். இங்கிருந்து தொடங்குங்கள். [5]

  • GPU அடிப்படைகள்: எப்போது ஒன்றை வாடகைக்கு எடுக்க வேண்டும், தொகுதி அளவு (batch size) செயல்திறனை (throughput) எவ்வாறு பாதிக்கிறது, மற்றும் சில செயல்பாடுகள் ஏன் நினைவகத்தைச் சார்ந்துள்ளன என்பதைத் தெரிந்துகொள்ளுங்கள்.

  • பொறுப்பான செயற்கை நுண்ணறிவு: தெளிவான பண்புகளை (செல்லுபடியாகும் தன்மை, நம்பகத்தன்மை, வெளிப்படைத்தன்மை, நேர்மை) பயன்படுத்தி தரவு மூலங்களை ஆவணப்படுத்துதல், அபாயங்களை மதிப்பிடுதல் மற்றும் தணிப்புகளைத் திட்டமிடுதல். [1]

தொடக்கநிலை பாடத்திட்டம்: தங்களின் திறனுக்கு மீறிய தாக்கத்தை ஏற்படுத்தும் சில இணைப்புகள் 🔗

  • ML அடிப்படைகள்: கோட்பாடு நிறைந்த குறிப்புகளின் தொகுப்பு + ஒரு நேரடி விரைவுப் பயிற்சி. இவற்றை ஸ்கிகிட்-லெர்னில் பயிற்சியுடன் இணைக்கவும். [3]

  • கட்டமைப்புகள்: பைடார்ச் பயிற்சிகள் (அல்லது நீங்கள் கெராஸை விரும்பினால் டென்சர்ஃப்ளோ வழிகாட்டி). [4]

  • தரவு அறிவியல் அடிப்படைகள் : அளவீடுகள், பைப்லைன்கள் மற்றும் மதிப்பீட்டை உள்வாங்குவதற்கான ஸ்கிகிட்-லெர்னின் பயனர் வழிகாட்டி . [3]

  • அனுப்புதல்: டாக்கரின் கெட் ஸ்டார்டட் பாதை, அதனால் "என் கணினியில் வேலை செய்கிறது" என்பது "எல்லா இடங்களிலும் வேலை செய்கிறது" ஆக மாறுகிறது. [5]

இவற்றை குறித்து வைத்துக் கொள்ளுங்கள். தடுமாறும் போது, ​​ஒரு பக்கத்தைப் படித்து, ஒன்றை முயற்சி செய்து, மீண்டும் செய்யவும்.

நேர்காணல்களைப் பெற்றுத்தரும் மூன்று போர்ட்ஃபோலியோ திட்டங்கள் 📁

  1. உங்கள் சொந்த தரவுத்தொகுப்பில் மீட்டெடுப்பு-மேம்படுத்தப்பட்ட கேள்வி பதிலளிப்பு

    • ஒரு குறிப்பிட்ட துறை சார்ந்த அறிவுத் தளத்தைச் சுரண்டி/இறக்குமதி செய்து, உட்பொதிவுகளையும் மீட்டெடுப்பையும் உருவாக்கி, ஒரு இலகுவான பயனர் இடைமுகத்தைச் சேர்க்கவும்.

    • தாமதம், ஒதுக்கி வைக்கப்பட்ட கேள்வி-பதில் தொகுப்பின் துல்லியம் மற்றும் பயனர் பின்னூட்டம் ஆகியவற்றைக் கண்காணிக்கவும்.

    • ஒரு சிறிய “தோல்வி நிகழ்வுகள்” பகுதியைச் சேர்க்கவும்.

  2. உண்மையான வரிசைப்படுத்தல் கட்டுப்பாடுகளுடன் கூடிய தொலைநோக்கு மாதிரி

    • ஒரு வகைப்படுத்தி அல்லது கண்டறிவானைப் பயிற்றுவிக்கவும், FastAPI வழியாக வழங்கவும், Docker உடன் கொள்கலனாக்கவும், நீங்கள் எவ்வாறு அளவிடுவீர்கள் என்பதை எழுதவும். [5]

    • ஆவண நகர்வைக் கண்டறிதல் (அம்சங்களின் மீதான எளிய மக்கள்தொகை புள்ளிவிவரங்கள் ஒரு சிறந்த தொடக்கமாகும்).

  3. பொறுப்பான செயற்கை நுண்ணறிவு குறித்த ஒரு ஆய்வு

    • உணர்திறன் அம்சங்களைக் கொண்ட ஒரு பொது தரவுத்தொகுப்பைத் தேர்ந்தெடுக்கவும். NIST பண்புகளுடன் (செல்லுபடியாகும் தன்மை, நம்பகத்தன்மை, நேர்மை) சீரமைக்கப்பட்ட அளவீடுகள் மற்றும் தணிப்புகள் பற்றிய ஒரு விளக்கத்தை எழுதவும். [1]

ஒவ்வொரு திட்டத்திற்கும் தேவைப்படுபவை: ஒரு பக்க README, ஒரு வரைபடம், மீண்டும் பயன்படுத்தக்கூடிய ஸ்கிரிப்டுகள், மற்றும் ஒரு சிறிய மாற்றப் பதிவு. சில எமோஜி அலங்காரங்களையும் சேர்க்கவும், ஏனென்றால், மனிதர்களும் இவற்றைப் படிக்கிறார்கள் அல்லவா 🙂

எம்எல்ஓப்ஸ், டிப்ளாய்மென்ட், மற்றும் யாரும் கற்றுத்தர முடியாத ஒரு பகுதி 🚢

அனுப்புதல் என்பது ஒரு திறமை. ஒரு குறைந்தபட்ச ஓட்டம்:

  • கண்டெய்னரைஸ் செய்யுங்கள் , அதனால் dev ≈ prod. அதிகாரப்பூர்வ 'Getting Started' ஆவணங்களுடன் தொடங்குங்கள்; பல-சேவை அமைப்புகளுக்கு Compose-க்கு மாறவும். [5]

  • சோதனைகளை (உள்ளூரிலும் கூட) கண்காணிக்கவும் . அளவுருக்கள், அளவீடுகள், கலைப்பொருட்கள் மற்றும் ஒரு “வெற்றியாளர்” குறிச்சொல் ஆகியவை நீக்கல்களை நேர்மையானதாகவும் ஒத்துழைப்பைச் சாத்தியமாக்குவதாகவும் ஆக்குகின்றன.

  • ஒருங்கிணைக்கவும் . முதலில் டிப்ளாய்மென்ட்ஸ், சர்வீசஸ் மற்றும் டிக்ளரேட்டிவ் கான்ஃபிக் ஆகியவற்றைக் கற்றுக்கொள்ளுங்கள்; தேவையற்றவற்றை நீக்கும் ஆசையைத் தவிர்க்கவும்.

  • கிளவுட் ரன்டைம்கள்: முன்மாதிரி உருவாக்கத்திற்கு கோலாப்; மாதிரி செயலிகளைத் தாண்டிய பிறகு நிர்வகிக்கப்படும் தளங்கள் (சேஜ்மேக்கர்/அஸூர் எம்எல்/வெர்டெக்ஸ்).

  • GPU அறிவு: நீங்கள் CUDA கெர்னல்களை எழுதத் தேவையில்லை; ஆனால், டேட்டா லோடர் எப்போது உங்கள் செயல்திறனுக்குத் தடையாக இருக்கிறது என்பதை நீங்கள் அடையாளம் கண்டுகொள்ள வேண்டும்.

ஒரு சிறிய குறைபாடுள்ள உவமை: MLOps-ஐ ஒரு புளித்த மாவு ஸ்டார்ட்டர் போல நினைத்துப் பாருங்கள் - அதற்குத் தானியக்கத்தையும் கண்காணிப்பையும் கொண்டு ஊட்டமளியுங்கள், இல்லையெனில் அது துர்நாற்றம் வீசும்.

பொறுப்பான செயற்கை நுண்ணறிவு உங்கள் போட்டி அரணாகும் 🛡️

அணிகள் தங்கள் நம்பகத்தன்மையை நிரூபிக்க வேண்டிய அழுத்தத்தில் உள்ளன. இடர், ஆவணப்படுத்தல் மற்றும் நிர்வாகம் பற்றி உங்களால் திட்டவட்டமாகப் பேச முடிந்தால், அந்த அறையில் மக்கள் விரும்பும் நபராக நீங்கள் ஆகிவிடுவீர்கள்.

  • நிறுவப்பட்ட கட்டமைப்பைப் பயன்படுத்தவும்: தேவைகளை NIST பண்புகளுடன் (செல்லுபடியாகும் தன்மை, நம்பகத்தன்மை, வெளிப்படைத்தன்மை, நேர்மை) பொருத்தி, பின்னர் அவற்றை PRகளில் சரிபார்ப்புப் பட்டியல் உருப்படிகள் மற்றும் ஏற்றுக்கொள்ளும் அளவுகோல்களாக மாற்றவும். [1]

  • உங்கள் கொள்கைகளை நிலைநிறுத்துங்கள்: OECD AI கோட்பாடுகள் மனித உரிமைகள் மற்றும் ஜனநாயக விழுமியங்களை வலியுறுத்துகின்றன - பரிமாற்றங்களைப் பற்றி விவாதிக்கும்போது இது பயனுள்ளதாக இருக்கும். [2]

  • தொழில்முறை நெறிமுறைகள்: வடிவமைப்பு ஆவணங்களில் நெறிமுறைக் குறியீட்டைச் சுருக்கமாகக் குறிப்பிடுவது, பெரும்பாலும் “நாங்கள் அதைப் பற்றி யோசித்தோம்” என்பதற்கும் “நாங்கள் அதை மேம்போக்காகச் செய்தோம்” என்பதற்கும் இடையிலான வேறுபாடாக அமைகிறது.

இது தேவையற்ற விதிமுறைகளல்ல. இது ஒரு கைவினைத்திறன்.

சிறிதளவு நிபுணத்துவம் பெறுங்கள்: ஒரு துறையைத் தேர்ந்தெடுத்து அதன் உத்திகளைக் கற்றுக்கொள்ளுங்கள் 🛣️

  • LLM-கள் மற்றும் NLP: டோக்கனைசேஷன் சிக்கல்கள், கான்டெக்ஸ்ட் விண்டோக்கள், RAG, BLEU-க்கு அப்பாற்பட்ட மதிப்பீடு. உயர்-நிலை பைப்லைன்களுடன் தொடங்கி, பின்னர் தனிப்பயனாக்கவும்.

  • நோக்கம்: தரவு விரிவாக்கம், குறியீட்டு முறை தூய்மை, மற்றும் தாமதமே பிரதானமாக உள்ள எட்ஜ் சாதனங்களில் செயல்படுத்துதல்.

  • பரிந்துரைப்பவை: மறைமுகப் பின்னூட்டத்தின் விசித்திரங்கள், தொடக்ககால உத்திகள், மற்றும் RMSE உடன் பொருந்தாத வணிக முக்கிய செயல்திறன் குறிகாட்டிகள்.

  • முகவர்கள் மற்றும் கருவிப் பயன்பாடு: சார்பு அழைப்பு, கட்டுப்படுத்தப்பட்ட குறியீட்டு நீக்கம், மற்றும் பாதுகாப்பு வழிமுறைகள்.

உண்மையாகச் சொன்னால், ஞாயிற்றுக்கிழமை காலைகளில் உங்களுக்கு ஆர்வத்தைத் தூண்டும் துறையைத் தேர்ந்தெடுங்கள்.

ஒப்பீட்டு அட்டவணை: AI டெவலப்பர் ஆவதற்கான வழிகள் 📊

பாதை / கருவி சிறந்தது செலவு சூழல் அது ஏன் வேலை செய்கிறது - மற்றும் ஒரு விசித்திரம்
சுய படிப்பு + ஸ்கிட்லெர்ன் பயிற்சி சுயமாக இயங்கும் கற்பவர்கள் சுதந்திரமான ஸ்கிகிட்-லெர்னில் உறுதியான அடிப்படைகள் மற்றும் ஒரு நடைமுறை ஏபிஐ; நீங்கள் அடிப்படைகளை அதிகமாகக் கற்றுக்கொள்வீர்கள் (இது ஒரு நல்ல விஷயம்). [3]
பைடார்ச் பயிற்சிகள் கோடிங் மூலம் கற்றுக் கொள்பவர்கள் இலவசம் உங்களை விரைவாகப் பயிற்சிக்கு அழைத்துச் செல்கிறது; டென்சர்கள் + ஆட்டோகிராட் மன மாதிரி வேகமாகப் பொருந்துகிறது. [4]
டாக்கர் அடிப்படைகள் அனுப்பத் திட்டமிடும் கட்டுநர்கள் இலவசம் மீண்டும் உருவாக்கக்கூடிய, எடுத்துச் செல்லக்கூடிய சூழல்கள் இரண்டாம் மாதத்தில் உங்களை மனநிறைவுடன் வைத்திருக்கும்; பின்னர் இயற்றுங்கள். [5]
பாடநெறி + திட்ட சுழற்சி காட்சி மற்றும் செய்முறை சார்ந்த நபர்கள் இலவசம் 20 மணிநேர செயலற்ற வீடியோவை விட, குறுகிய பாடங்களும் 1–2 உண்மையான ரெப்போக்களும் சிறந்தவை.
நிர்வகிக்கப்பட்ட ML தளங்கள் நேர நெருக்கடியில் உள்ள பயிற்சியாளர்கள் மாறுபடும் உள்கட்டமைப்பை எளிமையாக்கி பணத்தை செலவிடுங்கள்; விளையாட்டுப் போன்ற செயலிகளைத் தாண்டிவிட்ட பிறகு இது மிகவும் சிறந்தது.

ஆம், இடைவெளி சற்று சீரற்று இருக்கிறது. உண்மையான மேசைகள் அரிதாகவே கச்சிதமாக இருக்கும்.

உண்மையில் மனதில் பதியும் படிப்பு சுழற்சிகள் 🔁

  • இரண்டு மணி நேர சுழற்சிகள்: 20 நிமிடங்கள் ஆவணங்களைப் படித்தல், 80 நிமிடங்கள் நிரல் எழுதுதல், 20 நிமிடங்கள் பழுதடைந்ததைக் குறித்து வைத்தல்.

  • ஒரு பக்கக் குறிப்புகள்: ஒவ்வொரு சிறு திட்டத்திற்கும் பிறகு, சிக்கலை வரையறுத்தல், அடிப்படைகள், அளவீடுகள் மற்றும் தோல்வி முறைகளை விளக்கவும்.

  • திட்டமிட்ட கட்டுப்பாடுகள்: CPU-வில் மட்டும் பயிற்சி அளிப்பது, அல்லது முன்செயலாக்கத்திற்கு வெளிப்புற நூலகங்களைப் பயன்படுத்தாமல் இருப்பது, அல்லது சரியாக 200 வரிகளுக்குள் கட்டுப்படுத்துவது. கட்டுப்பாடுகள் ஏதோ ஒரு வகையில் படைப்பாற்றலை உருவாக்குகின்றன.

  • காகிதச் சோதனைகள்: இழப்பு அல்லது டேட்டா லோடரை மட்டும் செயல்படுத்துங்கள். நிறைய கற்றுக்கொள்ள உங்களுக்கு SOTA தேவையில்லை.

கவனம் சிதறுவது இயல்புதான். எல்லோருக்கும் தடுமாற்றம் ஏற்படுவதுண்டு. சிறிது தூரம் நடந்துவிட்டுத் திரும்பி வாருங்கள், ஏதாவது சிறிய பொருளை அனுப்புங்கள்.

ஆர்ப்பாட்டங்கள் இல்லாத நேர்காணல் தயாரிப்பு 🎯

  • முதலில் போர்ட்ஃபோலியோ: ஸ்லைடு தொகுப்புகளை விட உண்மையான ரெப்போக்கள் சிறந்தவை. குறைந்தபட்சம் ஒரு சிறிய டெமோவையாவது வெளியிடுங்கள்.

  • சாதக பாதகங்களை விளக்குங்கள்: அளவீட்டுத் தேர்வுகள் மற்றும் ஒரு தோல்வியை எவ்வாறு பிழைதிருத்தம் செய்வீர்கள் என்பதை எடுத்துரைக்கத் தயாராக இருங்கள்.

  • அமைப்புசார் சிந்தனை: தரவு → மாதிரி → ஏபிஐ → கண்காணிப்பு வரைபடத்தை வரைந்து, அதை விவரிக்கவும்.

  • பொறுப்பான AI: NIST AI RMF உடன் சீரமைக்கப்பட்ட ஒரு எளிய சரிபார்ப்புப் பட்டியலை வைத்திருங்கள் - இது முதிர்ச்சியைக் குறிக்கிறது, பகட்டான வார்த்தைகளை அல்ல. [1]

  • கட்டமைப்பு சரளம்: ஒரு கட்டமைப்பைத் தேர்ந்தெடுத்து அதில் துணிச்சலாக இருங்கள். நேர்காணல்களில் அதிகாரப்பூர்வ ஆவணங்கள் ஏற்றுக்கொள்ளப்படும். [4]

குட்டி சமையல் புத்தகம்: ஒரு வார இறுதியில் நீங்கள் செய்து முடிக்கும் முதல் முழுமையான படைப்பு 🍳

  1. தரவு: ஒரு தெளிவான தரவுத்தொகுப்பைத் தேர்ந்தெடுக்கவும்.

  2. அடிப்படை: குறுக்கு-சரிபார்ப்புடன் கூடிய ஸ்கிகிட்-லெர்ன் மாதிரி; அடிப்படை அளவீடுகளைப் பதிவு செய்யவும். [3]

  3. DL பாஸ்: PyTorch அல்லது TensorFlow இல் ஒரே பணி; ஆப்பிள்களை ஆப்பிள்களுடன் ஒப்பிடுங்கள். [4]

  4. கண்காணித்தல்: ஓட்டங்களைப் பதிவு செய்யுங்கள் (ஒரு எளிய CSV கோப்பு மற்றும் நேரக்குறிப்புகள் கூட). வெற்றியாளரைக் குறியிடுங்கள்.

  5. சேவை: கணிப்பை ஒரு FastAPI வழித்தடத்தில் இணைத்து, டாக்கரைஸ் செய்து, உள்ளூரில் இயக்கவும். [5]

  6. சிந்திக்கவும்: பயனருக்கு எந்த அளவீடு முக்கியமானது, என்ன அபாயங்கள் உள்ளன, மற்றும் வெளியீட்டிற்குப் பிறகு நீங்கள் எதைக் கண்காணிப்பீர்கள் - சுருக்கமாக வைத்திருக்க NIST AI RMF இலிருந்து சொற்களைப் பயன்படுத்தவும். [1]

இது கச்சிதமானதா? இல்லை. ஒரு கச்சிதமான கோர்ஸுக்காகக் காத்திருப்பதை விட இது சிறந்ததா? நிச்சயமாக.

ஆரம்பத்திலேயே நீங்கள் தவிர்க்கக்கூடிய பொதுவான தவறுகள் ⚠️

  • உங்கள் கற்றலை பயிற்சிக் கையேடுகளுக்கு மட்டுமே பொருத்துவது: தொடங்குவதற்கு நல்லது, ஆனால் விரைவில் சிக்கலை முதலில் அணுகும் சிந்தனை முறைக்கு மாறுங்கள்.

  • மதிப்பீட்டு வடிவமைப்பைத் தவிர்த்தல்: பயிற்சிக்கு முன் வெற்றியை வரையறுத்தல். பல மணிநேரங்களைச் சேமிக்கிறது.

  • தரவு ஒப்பந்தங்களைப் புறக்கணித்தல்: மாதிரிகளை விட ஸ்கீமா விலகல் அதிக அமைப்புகளைச் சீர்குலைக்கிறது.

  • வரிசைப்படுத்தல் பற்றிய பயம்: டாக்கர் தோற்றத்தை விட நட்பானது. சிறியதாகத் தொடங்குங்கள்; முதல் உருவாக்கம் சிக்கலாக இருக்கும் என்பதை ஏற்றுக்கொள்ளுங்கள். [5]

  • நெறிமுறைகள் நிலைத்திருக்கும்: பின்னர் அதைச் சேர்த்தால், அது ஒரு இணக்கப் பணியாக மாறிவிடும். அதை வடிவமைப்பிலேயே இணைத்துவிடுங்கள் - இலகுவானது, சிறந்தது. [1][2]

சுருக்கம் 🧡

நீங்கள் ஒன்றை நினைவில் கொள்ள வேண்டும்: ஒரு AI டெவலப்பராக ஆவது என்பது கோட்பாடுகளைச் சேமித்து வைப்பதோ அல்லது கவர்ச்சியான மாடல்களைத் துரத்துவதோ அல்ல. அது, ஒரு ஒழுங்கான செயல்முறை மற்றும் பொறுப்பான மனநிலையுடன், உண்மையான சிக்கல்களைத் திரும்பத் திரும்பத் தீர்ப்பதாகும். டேட்டா ஸ்டேக்கைக் கற்றுக்கொள்ளுங்கள், ஒரு டீப் லேர்னிங் (DL) கட்டமைப்பைத் தேர்ந்தெடுங்கள், டாக்கர் (Docker) மூலம் சிறிய விஷயங்களைச் செயல்படுத்துங்கள், நீங்கள் செய்வதைக் கண்காணிக்கவும், மேலும் உங்கள் தேர்வுகளை NIST மற்றும் OECD போன்ற மதிக்கப்படும் வழிகாட்டுதல்களுடன் இணைத்துக்கொள்ளுங்கள். விரும்பத்தக்க மூன்று சிறிய ப்ராஜெக்ட்களை உருவாக்குங்கள், மேலும் அவற்றைப் பற்றி ஒரு மந்திரவாதியைப் போல அல்லாமல், ஒரு சக ஊழியரைப் போலப் பேசுங்கள். அவ்வளவுதான் - பெரும்பாலும்.

ஆம், அது உங்களுக்கு உதவியாக இருந்தால், “எனக்கு ஒரு AI டெவலப்பர் ஆவது எப்படி என்று தெரியும்” என்ற சொற்றொடரை சத்தமாகச் சொல்லிப் பாருங்கள் . பிறகு, இன்று ஒரு மணி நேரம் முழு கவனத்துடன் அதை நிரூபியுங்கள்.

குறிப்புகள்

[1] NIST. செயற்கை நுண்ணறிவு இடர் மேலாண்மை கட்டமைப்பு (AI RMF 1.0). (PDF) - இணைப்பு
[2] OECD. OECD AI கோட்பாடுகள் - கண்ணோட்டம் - இணைப்பு
[3] scikit-learn. பயனர் வழிகாட்டி (நிலையானது) - இணைப்பு
[4] PyTorch. பயிற்சிகள் (அடிப்படைகளைக் கற்றுக்கொள்ளுங்கள், முதலியன) - இணைப்பு
[5] Docker. தொடங்குங்கள் - இணைப்பு

அதிகாரப்பூர்வ AI உதவியாளர் கடையில் சமீபத்திய AI ஐக் கண்டறியவும்

எங்களை பற்றி

வலைப்பதிவிற்குத் திரும்பு