שלושה שבועות בתוך עולם ה-AI והמיומנות הכי טובה שלי היא לסגור טאבים

למידת AI היא לא הר אחד בודד. היא שכבות. כל שכבה חדשה גורמת לשכבה שמתחתיה להיראות לא שלמה.

חשבתי שהבנתי decision trees. ואז למדתי שהם לא יציבים. חשבתי שהבנתי את הפתרון. ואז מצאתי ensembles. כל שלב חושף שכבה חדשה.

זה יוצר מלכודת. אתה לומד דבר אחד. אתה מרגיש חכם. ואז אתה לומד את הדבר שנמצא מעליו. פתאום הדבר הראשון מרגיש כמו חימום.

זה מוביל למלכודת הטאבים.

אתה לומד עצים. אתה שומע על ensembles. אתה פותח טאב. הטאב הזה מזכיר את XGBoost. XGBoost מזכיר gradient boosting. שלושה שעות מאוחר יותר יש לך אחד עשר טאבים פתוחים. לא בנית כלום.

אתה חייב לשנות את הגישה שלך:

• תכתוב את המושג החדש. • תסגור את הטאב. • תסיים את המשימה שאתה עושה כרגע.

הכתיבה מבטיחה שלא תשכח. סגירת הטאב מבטיחה שלא תטבע. עומק הוא דבר טוב. עומק בזמן הלא נכון הוא פשוט דחיינות.

אותו כלל תקף גם לגבי כלים.

עולם הטכנולוגיה הוא גן חיות ענק של כלים. APIs, REST, GraphQL, gRPC, ו-WebSockets. מתחילים מרגישים לעיתים קרובות שהם חייבים ללמוד את כולם לפני שהם מתחילים לבנות.

אתה לא חייב.

  • REST מטפל ברוב המקרים.
  • gRPC מתאים לתקשורת backend מהירה.
  • WebSockets מתאימים לנתונים בזמן אמת כמו צ'אט.

רוב הצוותים חושבים על זה יותר מדי. אל תרוץ לכלים מורכבים מוקדם מדי. שאל מה הבעיה הספציפית דורשת. אם המשימה פשוטה, השתמש בכלי פשוט.

בנה גרסה בסיסית תחילה. שאל מומחים במה הם היו משתמשים. גרסה בסיסית היא אף פעם לא בזבוז. היא מלמדת אותך מהי הבעיה האמיתית.

הימנע גם ממלכודת ההייפ.

אנשים רבים מניחים שאוטומציה דורשת LLM. זה לא נכון. חלק גדול מהאוטומציה הוא פשוט לוגיקה פשוטה. "אם זה, אז זה".

מיומנות מרכזית היא לדעת מתי להשתמש בכלי פשוט במקום בכלי מפואר.

לבסוף, היה סקפטי לגבי נתונים.

מאמרים מחקריים מציגים לעיתים קרובות תוצאות מושלמות. הם מציגים את המספרים הטובים ביותר מול המתחרים החלשים ביותר. כשמספר נראה "נקי" מדי, שאל מה הם השמיטו.

העצה שלי להתחלה:

• בחר בעיה אמיתית אחת. • מצא את הפתרון הפשוט ביותר. • כשאתה נכנס ל-rabbit hole, תכתוב את זה ותסגור את הטאב. • התאם את הכלי למשימה, לא להייפ.

הרצפה תרד שוב. זה פשוט חלק מהעבודה.

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

Optional learning community: https://t.me/GyaanSetuAi