Uczysz się tego piąty rok w szkole i na kursach, i wszystko ..., wszystko wygląda zupełnie inaczej kiedy zaczynasz pracować.

Myśląc o przyszłej pracy jako Inżynier Uczenia Maszynowego wyobrażasz sobie, że większość dnia pracy będziesz spędzał pisząc skrypty do przetwarzania danych, trenując sztuczne sieci neuronowe, dobierając hiperparametry i obserwując stale rosnącą skuteczność modelu podczas trenowania. Generalnie, doskonale się bawiąc w notebookach. I rzeczywiście to robimy, ale zazwyczaj stanowi to 10- 50% czasu pracy.

Podczas wykładu opowiem czym, poza piciem kawy, zajmujemy się przez resztę czasu. Wykład skupia się na takich elementach pracy Inżyniera ML jak: komunikacja z klientem i managerem, definiowanie projektów ML, kwestia analizy, weryfikacji i preprocessingu danych oraz walidacji i testowania modeli. W praktyce okazuje się, że są to kluczowe elementy pracy, które często decydują o sukcesie projeku.