[[387580]]

まず最初に質問させてください。あなたは自分が「スイッチャー」だと思いますか、それとも「パラメータ調整者」だと思いますか?

誰もが答える勇気があるわけではないと思いますが、この不安はすべての実践者の心の中に存在します。

大手企業は、ビルディングブロックのようなモジュールを構築することを目指して、機械学習プラットフォームを開発しています。過去2年間に流行したニューラルネットワークアーキテクチャ検索（NAS）に関連する研究の目的も、「ブロックを積み上げてモデルを構築する」ことでした。

最近、Reddit のある男性が、パラメータ操作行為を「寛大に」認め、給料をごまかすために会社に来たと感じたと語りました。彼はソフトウェア開発エンジニア（あるいはスイッチャー？）になるべきだったと何度も後悔した。

この人は学部ではコンピューターサイエンスを専攻し、修士課程ではバイオインフォマティクスを専攻しました。主な研究分野は機械学習、統計、確率です。仕事でよく使う言語はRとPythonです。

私の仕事の意味は何でしょうか？

「産業革命」が人々にもたらした最も重要なことは仕事であり、それによって畑で働く人の数が減った。最低レベルの欲求を満たした後、私たちは仕事の意味について考え始めます。

以下はRedditからの翻訳です:

X は、私の日々の仕事はデータのクリーニング、スクリプトの作成、データの視覚化、基本的な機械学習アルゴリズム (tSNE 次元削減、k-means クラスタリングなど) であると述べましたが、私は先人たちが提案した古典的なアルゴリズムを使用しているだけです。

誰もコードをレビューしに来ませんでした!コードを GitHub にアップロードする必要はなく、コードはチーム内の人だけに表示されるため、ユニットテストを行う必要もありません。

また、Hive、Spark、Kafka、CI/CD、Hadoop、AWS、GCP、Docker など、ユーザーと対話するツールも使用しません。

自分が何をしているのか分からないし、何をしても意味がないように思えます。

ある面接で、「Git またはユニット テストを使用していますか?」と尋ねられました。誰がコードをレビューしますか?コードを配信し、継続的に統合するにはどうすればよいでしょうか?これらの質問のどれにも答えられないことはわかっています。

とても不安です。同僚たちはバブルの中で働いているのかもしれません。彼らは新しいスキルを習得したがらず、私の進取の気性さえ嫌っています。

私はもう4年間働いていますが、卒業したばかりの頃よりも落ち込んでいるように感じます。

その後、私は仕事を探し、面接を受け始めました。面接官からKNNの原理について質問され、その公式を全く知らなかったことに気付きました！はい、習いましたが忘れてしまいました！今必要なのは sklear.neighbors だけです。

悲しいですね。自分の能力が向上していないような気がします。結局のところ、これは科学なので毎年助成金があり、論文も書いていますが、著者が多すぎるため、私は著者リストに載っていません。

機械学習の分野では、誰でも天才になれます。Jupyter でコードを書くだけで、ジュニア データ アナリストとみなされます。

記憶を失ったような気がします。学部生時代に最も得意だった科目である C++/Java も今では完全に忘れ去られています。ソフトウェア開発を選んだ方がよかったのだろうか？

もしかしたら私は負け犬になる運命なのかもしれない！私は、自分自身に満足している人たちに囲まれており、10年後も私たちの仕事はほぼ同じままであると思います。

理想と現実のギャップはどこにあるのでしょうか？

この文章を読んだ後、誰もが共感するかもしれません。教育レベルが高いほど失望は大きくなり、仕事の内容は単調で、目に見える幸福はありません。

業界に入る前、あなたは AI が人類の未来を変えると考えていました。

業界に入ると、AI はブラックボックス モデルになります。より多くの、よりクリーンなデータと、より大きなモデルが欲しいです。

「人間の労働力と同じだけの知能が存在する」これはディープラーニングの時代においても真実である。大手AI企業が真っ先に採用するのはラベラーだ。科学研究機関が新しいデータセットに関する論文を発表する際、使用したラベラーの数や、1時間あたりに稼いだ金額（米ドル）なども発表します。

AI業界への参入は難しいですか？

業界に入るのは難しいと言う人と、コンピュータサイエンスは難しいと言う人は、同じ「勉強をやめさせる」グループのはずです。

コンピュータサイエンスは難しいです。コンパイラ理論、アーキテクチャ、コンピュータネットワークを学び、ネットワークケーブルを手作業で作らなければなりません（素晴らしい思い出です。初めてやったときは大きな達成感を感じました）。そして、ソフトウェアエンジニアリングについて調べます。

シンプルです。さまざまな 7 日間集中講座と、あちこちで見かける「Python 学習クラス」の広告です。

AI業界に入るのは難しい：さまざまな数学の原理を学ばないといけないのではないですか？周志華と李航の作品を30回も読んでいないのに初心者と言えるでしょうか？

AI 業界への参入は簡単です。GitHub で検索するだけで、できないことはありません。

学部生の頃にトップレベルのカンファレンスで複数の論文を発表できる人もいれば、博士号を取得しても論文を発表するのが難しい人もいます。その差は人によって異なるかもしれません。したがって、その難しさは一般化できません。

これについてはネットユーザーもさまざまな意見を持っている。

あなたはどちら側を支持しますか？

しかし、「言いたいことがあるので、よく聞いてください」と、データや特徴が重要だとすると、ディープラーニングの利点の一つが失われてしまうのではないでしょうか。