Три тижні в AI, і моя найкраща навичка — закривати вкладки

Вивчення AI — це не одна вершина. Це шари. Кожен новий шар робить попередній незавершеним.

Я думав, що розумію дерева рішень. Потім дізнався, що вони нестабільні. Я думав, що розумію, як це виправити. Потім я відкрив для себе ансамблі. Кожен крок відкриває новий шар.

Це створює пастку. Ви вивчаєте щось одне. Ви почуваєтеся розумними. Потім ви вивчаєте щось, що стоїть над цим. Раптом перше здається лише розминкою.

Це призводить до пастки вкладок.

Ви вивчаєте дерева. Ви чуєте про ансамблі. Ви відкриваєте вкладку. У тій вкладці згадується XGBoost. XGBoost згадує градієнтний бустинг. Через три години у вас відкрито одинадцять вкладок. Ви нічого не створили.

Вам потрібно змінити підхід:

• Запишіть нову концепцію. • Закрийте вкладку. • Доробіть завдання, над яким зараз працюєте.

Запис гарантує, що ви не забудете. Закриття вкладки гарантує, що ви не потонете. Глибина — це добре. Але глибина невчасно — це просто прокрастинація.

Те саме стосується інструментів.

Технологічний світ — це величезний зоопарк інструментів. APIs, REST, GraphQL, gRPC та WebSockets. Початківці часто відчувають, що мають вивчити їх усі, перш ніж почати щось створювати.

Вам це не потрібно.

  • REST справляється з більшістю випадків.
  • gRPC підходить для швидкої взаємодії між бекендами.
  • WebSockets підходять для даних у реальному часі, наприклад, для чатів.

Більшість команд занадто ускладнюють це. Не тягніться до складних інструментів на ранніх етапах. Запитайте себе, що саме потрібно для вирішення конкретної проблеми. Якщо завдання просте — використовуйте простий інструмент.

Спочатку створіть базову версію. Запитайте експертів, що б вони використали. Базова версія ніколи не буває марною. Вона вчить вас розуміти справжню проблему.

Також уникайте пастки хайпу.

Багато хто вважає, що автоматизація потребує LLM. Це не так. Значна частина автоматизації — це просто проста логіка. «Якщо це, то те».

Важлива навичка — знати, коли використовувати звичайний інструмент замість складного.

Нарешті, ставтеся до даних скептично.

Наукові статті часто демонструють ідеальні результати. Вони показують найкращі показники проти найслабших конкурентів. Якщо цифра виглядає занадто бездоганно, запитайте себе, що саме вони не врахували.

Моя порада для початківців:

• Оберіть одну реальну проблему. • Знайдіть найпростіше рішення. • Коли ви потрапляєте в «кролячу нору», запишіть це і закрийте вкладку. • Підбирайте інструмент під завдання, а не під хайп.

Підлога знову піде з-під ніг. Це просто частина роботи.

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