mehr als acht Jahre, die ich mit maschinellem Lernen verbracht habe. Je mehr ich mich mit diesem Fachgebiet beschäftige, desto mehr erstaunt es mich, wie vielfältig es ist. Als ich mein Studium des maschinellen Lernens begann, wusste ich damals nur über die klassischen Techniken des maschinellen Lernens wie KNN oder Clustering-Algorithmen. Jetzt, nach mehr als acht Jahren weiterer Erfahrung, denke ich, dass das Feld so weit gefasst ist, dass kein einzelner Mensch das alles verstehen kann.
Ich denke jedoch, dass es immer noch einige Lektionen gibt, die unabhängig davon anwendbar sind, in welchem Bereich man tatsächlich maschinelle Lernforschung oder maschinelle Lernpraktiken betreibt. Oft nutze ich die Gelegenheit, ein weiteres halbes Jahr Fortschritte auf meiner Reise zum maschinellen Lernen zu machen, um einen Second zurückzutreten und einen Blick auf die vergangenen Jahre zu werfen. Was habe ich gelernt? Welche Lehren scheinen bestehen zu bleiben?
In dieser Ausgabe meines Artikel über gewonnene Erkenntnisse Ich schaue auf die letzten acht Jahre zurück und versuche, Lehren herauszuarbeiten, die immer wieder auftauchen. Dieses Mal habe ich herausgefunden, dass Fortschritte im maschinellen Lernen oder in anderen Bereichen oft auf die folgenden fünf Dinge zurückzuführen sind. Sie sind Geduld, Disziplin, OptimismusIntestine Projekteund intestine Mannschaften. Im weiteren Verlauf dieses Artikels werde ich näher darauf eingehen.
Geduld
Niemand wird als Experte geboren, auf keinem Gebiet. Wenn jemand nicht mit der Fähigkeit eines Genies geboren wird – und selbst dann –, wird Geduld Wunder bewirken. Ich vergleiche die Fortschritte beim maschinellen Lernen oft mit den Fortschritten, die man bei sportlichen Aktivitäten macht. Oftmals scheitert man als Anfänger sehr, sehr oft am Anfang; in den ersten Tagen und Monaten der neuen Aktivität.
Nehmen wir zum Beispiel das Erlernen des Handstandes. Bis man das Gleichgewicht, um sein Gewicht über dem Kopf zu halten, beherrscht und überhaupt Kraft aufgebaut hat, dauert es eine ganze Weile. Und wenn Sie das lernen, werden Sie auch auf viele Misserfolge stoßen. Wahrscheinlich werden Sie in den ersten Tagen überhaupt keine Fortschritte sehen.
Beim maschinellen Lernen ist es dasselbe. Es wird einige Iterationen eines Projekts dauern, bis es intestine genug ist. Unterwegs wird Ihre Arbeit abgelehnt und kritisiert, bis sie für intestine genug befunden wird. Das ist mir natürlich auch passiert. Ein Beitrag von mir wurde innerhalb von zwei Jahren viermal abgelehnt, bis er schließlich auf einer A*-Konferenz angenommen wurde.
Während dieser Zeit musste ich die Arbeit immer wieder neu einreichen und die Geschichte, das Experiment, quick alles wiederholen. Ich würde lügen, wenn ich sagen würde, dass ich immer positiv battle. Nein, von Zeit zu Zeit hätte ich gerne die Zeitung fallen lassen und mich auf andere Dinge konzentriert. Aber – Geduld. Ich konzentrierte mich darauf, das zu tun, was ich in diesem Second tun konnte, und das battle, es noch einmal zu machen und erneut einzureichen. Und dann warten.
Jetzt Es wird akzeptiert, aber wenn ich nicht geduldig genug gewesen wäre, würde es jetzt sicherlich NICHT veröffentlicht.
Optimismus
Das bringt mich zur nächsten Lektion. Sie müssen einen gesunden Optimismus pflegen (oder gesunde Unwissenheit). Wenn Sie an einem Projekt arbeiten, beispielsweise an einer Forschungsarbeit oder einem Einsatz, werden Sie zwangsläufig auf Hindernisse stoßen. Beharren ist notwendig, aber Sie brauchen mehr als nur Beharren.
Ich denke, dass Sie in Bezug auf Ihre Arbeit stillschweigend optimistisch sein müssen. Andere können ihre Meinung sagen und Sie können zuhören, aber am Ende ist es Ihre Arbeit. Solange Sie dem Fortschritt vertrauen, geht es Ihnen im Allgemeinen intestine. Oder genauer gesagt: Solange Sie dem Prozess die meiste Zeit vertrauen, ist alles in Ordnung.
Disziplin
Auch dies führt direkt zur nächsten Lektion, die meinen vergangenen Jahren zugrunde liegt: Disziplin. In unserem täglichen Leben gibt es sicherlich Dinge, die im Second spannender sind. Nun, es ist interessant, sich hinzusetzen und einen anderen Artikel zu lesen, aber ein Blick auf Twitter oder YouTube ist spannender. Aber das bringt Sie weder voran, noch zieht es Sie aktiv zurück.
Um Fortschritte zu machen, müssen Sie Ablenkungen und tägliche Ablenkungen ignorieren. Sie benötigen die Qualität, die in allen Disziplinen der meisten Menschen gelobt wird: Disziplin. Wenn Sie für eine Prüfung lernen, tun Sie dies unabhängig von den Umständen. Wenn Sie einen Laborbericht schreiben, tun Sie dies, unabhängig davon, ob Ihre Kollegen feiern gehen. Wenn Sie eine Abschlussarbeit verfassen, tun Sie dies unabhängig davon, ob andere in den Urlaub fahren.
Es zählt nicht, beinahe einen Bericht geschrieben zu haben. Eine quick schon geschriebene Abschlussarbeit auch nicht. Nur wenn Sie sich konzentrieren und diszipliniert vorgehen können, können Sie vorankommen. Mein „Geheimnis“ besteht darin, Tag für Tag die wichtigen Dinge an die erste Stelle zu setzen. Ich versuche, diesen Zeitplan zu 80 % einzuhalten, um ihn realistisch umsetzbar zu machen. Ich fand, dass es ganz intestine funktioniert.
Projekte
Dies ist eine Lektion speziell für Leute, die an einer (Doktor-)Arbeit arbeiten: Sie brauchen ein ausreichend gutes Projekt, an dem Sie arbeiten können. Wenn Sie clever genug sind, spielt das vielleicht keine allzu große Rolle. Was wichtiger sein könnte, ist, dass Ihr Thema ausreichend nischenorientiert/neu und stabil genug ist, sodass andere sich dafür interessieren und Sie Ihre Stärken darin einsetzen können.
Vor einigen Jahren hatte ich einen Kollegen, der sich mit den neuen Fähigkeiten von LLMs befasste. Das ist ein recht interessantes Thema, und ich bin auf der ICLR 2024 in Wien darauf gestoßen, wo ich einige Poster dazu gesehen habe. Mein Kollege battle in seinen Transformatormodellkenntnissen und Programmierkenntnissen recht versiert. Allerdings battle das Feld ZU neu, zu instabil. Die Modelle kamen zu schnell voran und er konnte sich mit dem Thema nicht befassen. Am Ende hat es ihn ausgebrannt und er hat sich anderen Dingen zugewandt. (Jetzt geht es ihm intestine!)
Mannschaften
Die wichtigste Lektion habe ich mir für den Schluss aufgehoben. Oft ist es wichtiger, mit wem Sie zusammenarbeiten, als woran Sie arbeiten. (Wenn Sie beides ankreuzen, additionally eine gute Gruppe haben UND Ihre Arbeit cool ist, dann haben Sie besonders viel Glück). Wenn Sie in dem, was Sie tun, intestine sind, Ihr Umfeld es Ihnen aber nicht erlaubt, dies zu nutzen, dann sind Sie am falschen Ort. Wenn Sie keine Fehler machen können, sind Sie am falschen Ort. Wenn Sie Angst haben, aufzutauchen, dann sind Sie hier falsch.
Es gibt diese Terminologie für die Effektivität eines Groups. Sie (und das Crew) müssen sich zunächst in einer Komfortzone befinden. Das bedeutet, dass es uns intestine geht und wir intestine zusammenarbeiten. Erst danach gelangt man in die Hochleistungszone, wo man unter Druck gute Arbeit leistet. Stellen Sie sicher, dass auch Sie dabei sind.
Abschließende Gedanken
Wenn man sich die Lektionen ansieht, ist keine davon einzigartig für maschinelles Lernen. Es handelt sich vielmehr um dieselben alten Dinge, die in den letzten Jahrtausenden den guten Fortschritt der Menschheit definiert haben. Das ist nicht schlecht, ganz im Gegenteil: Wenn eine Technologie alles überarbeiten würde, was uns seitdem begleitet hat, dann wären wir verloren. Daher ist es beruhigend zu sehen, dass die klassischen Lehren wieder auftauchen:
- Sei geduldig
- Seien Sie optimistisch
- Seien Sie diszipliniert
und auch die eher leidenschaftlichen Lektionen
- Arbeiten Sie an etwas, bei dem Sie Ihre Stärken einsetzen können
- Wählen Sie gute und gesunde Groups
Nichts Neues und alles related.