Proyek Besar, Imbalan Besar?
Akhirnya: Setelah berjam-jam, Anda menyelesaikan proyek ini. Dari waktu ke waktu, Anda menjelajahi repositori GitHub, menggulir postingan StackOverflow, dan mencoba menguraikan pesan kesalahan samar TensorFlow.
Dari satu momen ke momen lainnya, proyek selesai; Anda telah melakukan bagian Anda. Di mana sebelum Anda menghabiskan setiap hari dalam kode, optimasi model, dan perpustakaan Machine Learning, Anda sekarang dihadapkan dengan: tidak ada?
Masalah utama dengan semua jenis proyek Pembelajaran Mesin adalah bahwa mereka tidak nyata dan mungkin tidak akan pernah ada. Hanya ketika Anda memulai komputer, membuka IDE, dan membuka basis kode yang sebenarnya, Anda dapat melihat apa yang telah Anda buat. Tidak ada yang nyata untuk dirinya sendiri; Anda harus melakukan langkah-langkah awal untuk melihat kesuksesan Anda. Pada dasarnya, Anda tidak dapat menyentuh perangkat lunak.
Dengan kata lain, hasil dari proyek Machine Learning yang telah selesai terdiri dari bit dan byte dan bukan sesuatu yang dapat dilihat sekilas, dipegang di tangan, atau dialami dengan indra. Ambil Neural Networks, misalnya. Meskipun setiap orang memiliki beberapa visualisasi internal dari konsep ini, tidak ada rekan dunia nyata yang akan terwujud dengan sendirinya. Setelah Anda mengoptimalkan hyperparameter dengan hati-hati, Anda kembali, sebenarnya, dengan tangan kosong.
Reward yourself
Untuk tetap menikmati hadiah menyenangkan yang terhubung ke perangkat lunak Machine Learning, Anda harus mengurusnya sendiri. Kepuasan tersebut berfungsi sebagai kompensasi dunia nyata untuk hasil digital dari proyek Anda. Dengan langsung menghubungkan penyelesaian proyek — hal yang tidak berwujud — dengan hadiah fisik — sesuatu yang nyata —, Anda dapat mengelabui pikiran Anda ke dalamnya. Oleh karena itu, pertanyaannya adalah bagaimana cara menghargai diri sendiri setelah menyelesaikan proyek Machine Learning?
Seperti biasa, jawabannya tergantung. Untungnya, dalam kasus kami, jawabannya terutama tergantung pada dua faktor: durasi dan intensitas pekerjaan.
Waktu sebagai penentu penghargaan
Mari kita bahas hadiah terlebih dahulu berdasarkan waktu yang dibutuhkan untuk menyelesaikan proyek. Sederhananya, kita dapat memperoleh tiga kategori: proyek sore, proyek minggu, dan proyek bulan. Umumnya, keterampilan Anda menentukan di mana usaha Anda jatuh; namun demikian, ini adalah kategori yang cukup luas.
Afternoon projects
Seperti namanya, ini adalah proyek yang membutuhkan waktu hingga beberapa sore untuk diselesaikan. Contoh proyek semacam itu adalah alat ini, yang memungkinkan Anda memvisualisasikan berbagai augmentasi — teknik yang mengubah data secara artifisial — yang diterapkan pada sinyal audio. Secara total, ini membutuhkan dua hingga tiga sore untuk dibuat. Tentu saja, ada contoh lain, tetapi pertanyaannya adalah: penghargaan seperti apa yang kita berikan untuk diri kita sendiri?
Untuk proyek yang begitu singkat, hadiahnya harus dalam skala yang sama tetapi bukan bagian dari kehidupan sehari-hari Anda. Contoh yang baik adalah cokelat berkualitas tinggi. Bukan yang seharga 50 dolar, tapi yang seharga beberapa dolar. Semua indera senang: baunya enak, rasanya enak, kelihatannya enak, rasanya seperti produk premium, dan mengeluarkan suara yang memuaskan saat digigit.
Proyek minggu
Kategori ini menampung semua proyek dari durasi beberapa sore hingga satu bulan. Contohnya, tergantung pada keahlian Anda, adalah mengimplementasikan kembali makalah. Saya menantang diri saya dengan itu setahun yang lalu, dan itu memang memakan waktu beberapa minggu. Jika instruksi (yaitu, tulisan) jelas, Anda dapat mengatasi tantangan ini dengan sangat baik. Jika tidak, maka akan memakan waktu lebih lama.
Bagaimana kita menghargai upaya seperti itu?
Dengan menjadi lebih besar dari sebelumnya. Semakin banyak indera yang disertakan, semakin baik. Namun, sebatang coklat seharga 25 dolar tetaplah itu: sebatang coklat. Jadi, lebih banyak hadiah khusus yang sesuai, seperti membeli baju yang bagus atau buku yang menarik.
Proyek bulan
Proyek-proyek ini membuat Anda terlibat paling lama dan pantas mendapatkan imbalan paling signifikan. Satu pendekatan adalah meningkatkan nilainya secara linier (biasanya diukur dalam satuan uang), jadi kita sekarang berada di 50 dolar. Namun, peningkatan durasi proyek dari minggu ke bulan mungkin tidak linier. Dalam hal ini, hadiah yang lebih berharga secara eksponensial adalah sebuah pilihan. Berikut calon-calonnya:
Wewangian yang bagus (dan mahal).
Kunjungan ke taman yang menyenangkan.
Malam yang baik dengan teman-teman Anda.
Bahkan proyek yang lebih lama?
Menurut pendapat saya, proyek yang lebih panjang tidak memerlukan imbalan yang lebih besar. Sebaliknya, mereka dapat dibagi menjadi beberapa sub-proyek dengan durasi yang bervariasi. Dengan cara ini, Anda dihargai di seluruh proyek, insentif untuk tetap menggunakannya.
Intensitas sebagai penentu penghargaan
Serupa dengan sebelumnya, kita dapat menggunakan intensitas subjektif dari upaya kita untuk mengkategorikan sebuah proyek. Selain itu, kami dapat kembali membuat tiga kategori: proyek dengan intensitas rendah, sedang, dan tinggi. Bahkan lebih dari sebelumnya, tingkat keahlian Machine Learning Anda menentukan posisi pekerjaan Anda.
Low-intensity projects
Kategori ini menampung semua tugas yang telah Anda lakukan berkali-kali atau dengan cara lain siap untuk ditangani. Contohnya adalah mem-parsing dataset. Setelah Anda melakukannya beberapa kali, seringkali beberapa langkah yang sama diterapkan, dalam bentuk yang sedikit dimodifikasi, ke data baru. Ini sama sekali tidak menantang secara intelektual, dan kemungkinan imbalannya mencerminkan hal ini: Secangkir kopi, teh, atau sesuatu yang serupa.
Mid-intensity projects
Untuk menggambarkan kategori ini, mari kita tetap pada contoh penguraian data. Kali ini, kami juga ingin menerapkan berbagai operasi yang mirip dengan augmentasi audio yang disebutkan sebelumnya. Biasanya, operasi ini membagi data menjadi kereta, pengujian, dan validasi, atau menjadi lipatan. Untuk mencapai ini, Anda harus memikirkan proses ini, karena beberapa peringatan menunggu untuk membatalkan pekerjaan Anda (petunjuk: kebocoran data). Sampai batas tertentu, ini mengharuskan Anda untuk menyelami topik baru (pemisahan data), yang membutuhkan konsentrasi. Hasilnya, imbalannya lebih memuaskan: makanan enak, buku bagus, atau sejenisnya.
High-intensity projects
Kategori ini menampung semua proyek Machine Learning yang lebih menuntut daripada yang diizinkan kategori sebelumnya. Misalnya, ini adalah saat Anda mengakses domain yang tidak dikenal, membuat kode sesuatu dari awal, atau mengerjakan ide-ide Anda yang menantang. Contoh yang baik adalah membuat arsitektur jaringan baru yang mirip dengan keluarga model ResNet. Kemungkinan imbalan mencerminkan tantangan ini: Pergi mendaki, bertamasya, atau, favorit saya, mengambil cuti.
Meskipun ada beberapa tumpang tindih antara durasi proyek dan intensitasnya, ini tidak sama. Ambil contoh, menulis tesis. Umumnya, ini adalah usaha yang panjang, biasanya tiga sampai enam bulan. Saat mengerjakannya, Anda akan memiliki fase yang membutuhkan konsentrasi total dan tahapan pekerjaan kasar Anda. Oleh karena itu, ini adalah proyek sebulan tetapi tidak selalu cocok dengan proyek intensitas tinggi.
Hal sebaliknya juga dimungkinkan: pada hari Jumat, Anda ditugaskan untuk menyampaikan sesuatu yang penting pada hari Senin berikutnya. Meskipun ini termasuk dalam kategori proyek sore, ini jelas merupakan proyek berintensitas tinggi.
Singkatnya, Anda dapat — dan harus — menghargai diri sendiri saat menyelesaikan semua jenis proyek Machine Learning. Tergantung pada durasi dan intensitas pekerjaan yang diselesaikan, Anda dapat memilih hadiah di antara saran-saran ini: sebatang coklat, secangkir kopi, kaos, wewangian, makanan enak, waktu bersama teman, kunjungan ke taman yang menyenangkan, hiking.
Comments
Post a Comment