Tiga Minggu Dalam AI Dan Kemahiran Terbaik Saya Adalah Menutup Tab

Belajar AI bukanlah sebuah gunung tunggal. Ia adalah lapisan-lapisan. Setiap lapisan baharu membuatkan lapisan di bawahnya kelihatan tidak lengkap.

Saya sangka saya faham tentang decision trees. Kemudian saya belajar bahawa ia tidak stabil. Saya sangka saya faham cara penyelesaiannya. Kemudian saya menemui ensembles. Setiap langkah mendedahkan lapisan baharu.

Ini mewujudkan satu perangkap. Anda belajar satu perkara. Anda rasa bijak. Kemudian anda belajar perkara di atasnya. Tiba-tiba, perkara pertama tadi terasa seperti sekadar pemanasan badan.

Ini membawa kepada perangkap tab.

Anda belajar tentang trees. Anda dengar tentang ensembles. Anda buka satu tab. Tab itu menyebut tentang XGBoost. XGBoost menyebut tentang gradient boosting. Tiga jam kemudian, anda mempunyai sebelas tab yang terbuka. Anda tidak membina apa-apa pun.

Anda mesti mengubah pendekatan anda:

• Tulis konsep baharu tersebut. • Tutup tab tersebut. • Selesaikan tugasan yang sedang anda lakukan sekarang.

Menulisnya memastikan anda tidak lupa. Menutup tab memastikan anda tidak lemas. Kedalaman ilmu itu bagus. Namun, mendalami sesuatu pada masa yang salah hanyalah satu bentuk penangguhan kerja (procrastination).

Peraturan yang sama terpakai kepada alatan.

Dunia teknologi mempunyai "zoo" alatan yang sangat besar. API, REST, GraphQL, gRPC, dan WebSockets. Pemula sering merasa mereka mesti mempelajari kesemuanya sebelum mula membina sesuatu.

Anda tidak perlu melakukannya.

  • REST mengendalikan kebanyakan kes.
  • gRPC berfungsi untuk komunikasi backend yang pantas.
  • WebSockets berfungsi untuk data langsung seperti sembang (chat).

Kebanyakan pasukan terlalu berfikir panjang tentang perkara ini. Jangan terus mencari alatan yang kompleks pada peringkat awal. Tanya apa yang diperlukan oleh masalah khusus tersebut. Jika tugas itu mudah, gunakan alatan yang mudah.

Bina versi asas terlebih dahulu. Tanya pakar tentang apa yang mereka akan gunakan. Versi asas tidak pernah sia-sia. Ia mengajar anda tentang masalah yang sebenar.

Elakkan juga perangkap hype.

Ramai orang menganggap automasi memerlukan LLM. Tidak semestinya. Kebanyakan automasi hanyalah logik mudah. Jika ini, maka itu.

Kemahiran utama adalah mengetahui bila untuk menggunakan alatan biasa berbanding alatan yang canggih.

Akhir sekali, bersikap skeptikal terhadap data.

Kertas penyelidikan sering menunjukkan keputusan yang sempurna. Ia menunjukkan angka terbaik berbanding pesaing yang paling lemah. Apabila sesuatu angka kelihatan terlalu sempurna, tanyalah apa yang mereka telah abaikan.

Nasihat saya untuk permulaan:

• Pilih satu masalah sebenar. • Cari penyelesaian yang paling mudah. • Apabila anda terjerumus ke dalam lubang arnab (rabbit hole), tulisnya dan tutup tab tersebut. • Padankan alatan dengan tugasan, bukan dengan hype.

Lantai akan runtuh lagi. Itulah lumrah kerja ini.

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

Komuniti pembelajaran pilihan: https://t.me/GyaanSetuAi