AI માં ત્રણ અઠવાડિયા પછી અને મારું શ્રેષ્ઠ કૌશલ્ય ટેબ્સ બંધ કરવાનું છે

AI શીખવું એ કોઈ એક પહાડ નથી. તે સ્તરો છે. દરેક નવું સ્તર નીચેના સ્તરને અધૂરું બનાવે છે.

મને લાગ્યું કે હું decision trees સમજી ગયો છું. પછી મને ખબર પડી કે તેઓ અસ્થિર છે. મને લાગ્યું કે હું તેનો ઉકેલ સમજી ગયો છું. પછી મને ensembles વિશે જાણવા મળ્યું. દરેક પગલું એક નવું સ્તર પ્રગટ કરે છે.

આ એક જાળ બનાવે છે. તમે એક વસ્તુ શીખો છો. તમને લાગે છે કે તમે હોશિયાર છો. પછી તમે તેની ઉપરની વસ્તુ શીખો છો. અચાનક પહેલી વસ્તુ માત્ર એક વૉર્મ-અપ જેવી લાગે છે.

આ 'ટેબ ટ્રેપ' તરફ દોરી જાય છે.

તમે trees વિશે શીખો છો. તમે ensembles વિશે સાંભળો છો. તમે એક ટેબ ખોલો છો. તે ટેબમાં XGBoost નો ઉલ્લેખ છે. XGBoost માં gradient boosting નો ઉલ્લેખ છે. ત્રણ કલાક પછી તમારી પાસે અગિયાર ટેબ ખુલ્લા છે. તમે કંઈ જ બનાવ્યું નથી.

તમારે તમારા અભિગમમાં ફેરફાર કરવો જોઈએ:

• નવા ખ્યાલને લખી લો. • ટેબ બંધ કરો. • તમે અત્યારે જે કાર્ય કરી રહ્યા છો તે પૂર્ણ કરો.

તેને લખી લેવાથી તમે ભૂલી ન જશો તેની ખાતરી થાય છે. ટેબ બંધ કરવાથી તમે ડૂબી નહીં જાઓ તેની ખાતરી થાય છે. ઊંડાઈ સારી છે. પણ ખોટા સમયે ઊંડાઈમાં ઉતરવું એ માત્ર કામ ટાળવાની વૃત્તિ છે.

આ જ નિયમ સાધનો (tools) ને પણ લાગુ પડે છે.

ટેક જગતમાં સાધનોનો વિશાળ સંગ્રહ છે. APIs, REST, GraphQL, gRPC, અને WebSockets. શરૂઆત કરનારાઓને ઘણીવાર લાગે છે કે કંઈપણ બનાવતા પહેલા તેમણે આ બધા શીખવું જ પડશે.

તમારે જરૂર નથી.

  • REST મોટાભાગના કિસ્સાઓ સંભાળે છે.
  • gRPC ઝડપી backend સંવાદ માટે કામ કરે છે.
  • WebSockets ચેટ જેવા લાઈવ ડેટા માટે કામ કરે છે.

મોટાભાગની ટીમો આ બાબતે વધુ પડતું વિચારે છે. શરૂઆતમાં જ જટિલ સાધનો તરફ ન દોડો. પૂછો કે ચોક્કસ સમસ્યાને શેની જરૂર છે. જો કામ સરળ હોય, તો સરળ સાધનનો ઉપયોગ કરો.

પહેલા એક મૂળભૂત આવૃત્તિ બનાવો. નિષ્ણાતોને પૂછો કે તેઓ શું ઉપયોગ કરશે. મૂળભૂત આવૃત્તિ ક્યારેય નકામી હોતી નથી. તે તમને વાસ્તવિક સમસ્યા શીખવે છે.

'હાઈપ ટ્રેપ' થી પણ બચો.

ઘણા લોકો માને છે કે ઓટોમેશન માટે LLM જરૂરી છે. તે જરૂરી નથી. ઓટોમેશનનો મોટો ભાગ માત્ર સાદું લોજિક છે. જો આ, તો તે.

એક મુખ્ય કૌશલ્ય એ જાણવાનું છે કે ક્યારે આધુનિક સાધનને બદલે સાદું સાધન વાપરવું.

અંતે, ડેટા પ્રત્યે શંકાશીલ રહો.

રિસર્ચ પેપર્સ ઘણીવાર સંપૂર્ણ પરિણામો બતાવે છે. તેઓ નબળા સ્પર્ધકો સામે શ્રેષ્ઠ આંકડા બતાવે છે. જ્યારે કોઈ આંકડો ખૂબ જ આદર્શ લાગે, ત્યારે પૂછો કે તેઓએ શું છોડી દીધું છે.

શરૂઆત કરવા માટે મારી સલાહ:

• એક વાસ્તવિક સમસ્યા પસંદ કરો. • સૌથી સરળ ઉકેલ શોધો. • જ્યારે તમે કોઈ જટિલ વિષયમાં ઊંડા ઉતરી જાઓ, ત્યારે તેને લખી લો અને ટેબ બંધ કરી દો. • સાધનને કામ સાથે જોડો, હાઈપ સાથે નહીં.

પાયો ફરીથી હલી જશે. તે માત્ર કામનો એક ભાગ છે.

સ્ત્રોત: https://dev.to/asfiya_tech/three-weeks-into-ai-and-my-best-skill-is-closing-tabs-1lkj

વૈકલ્પિક લર્નિંગ કોમ્યુનિટી: https://t.me/GyaanSetuAi