AI engineer, makine öğrenmesi mühendisi değildir

Yapay zeka mühendisi nasıl olunur diye arayın; aynı listenin yedi sürümünü alırsınız. Python, sonra lineer cebir ve istatistik, sonra klasik makine öğrenmesi, sonra derin öğrenme, sonra bir evrişimli ağ eğitmek, sonra TensorFlow ile PyTorch arasında seçim, sonra bir uzmanlık. On iki ay. Türkçe sonuçlarda buna bir de "önce Bilgisayar Mühendisliği ya da Matematik mezunu olmak" ekleniyor.

Şimdi AI engineer vs ML engineer diye arayın. Aynı arama motoru ilk sonuçta size bir AI engineer'ın başkasının eğittiği modellerin üstüne ürün kurduğunu (API'ler, getirme, agent'lar) ve bunun için doktoraya ya da derin matematik altyapısına ihtiyaç olmadığını söyleyecek.

İkisi birden doğru olamaz. Doğru olan ikincisi.

İki meslek, birer cümleyle

Makine öğrenmesi mühendisi modeli kurar: veriyi toplar ve temizler, mimariyi tasarlar, eğitimi çalıştırır ve sonucu işletir. Matematik orada süs değildir: işin kendisidir. Lineer cebir, istatistik, optimizasyon ve GPU'lara karşı hatırı sayılır bir sabır.

AI engineer ise zaten var olan bir modelin etrafına ürünü kurar. Bir modele istek gönderirsiniz, dönen şeyi programınızın kullanabileceği bir biçime sokarsınız, kendi belgelerinizi verirsiniz ki cevap uydurmayı bıraksın, araç verirsiniz ki anlatmak yerine yapabilsin, bunların çalışıp çalışmadığını ölçersiniz ve sonra tüm bu düzeneği iflas etmeden işletirsiniz.

Çok Python yazacaksınız. Bir eğitim döngüsü yazmayacaksınız.

Yanlış cevap neden sıralanıyor

Kimse yalan söylediği için değil. O yol haritaları, "AI engineer" ile "ML engineer" gerçekten aynı şeyi ifade ederken yazıldı; ifade eski içeriğini korudu, altındaki meslek ise değişti. Sonra herkes zaten sıralanan yol haritasını yeniden yazdı. Bir arama sonucunun, kimse kontrol etmeden uzlaşıya dönüşme biçimi budur.

Hatanın bedeli soyut değil. Sıralanan cevabı kabul eden biri, ilk iki ayını kendisinden hiç istenmeyecek bir iş için matris hesabına harcıyor ve asıl ilgilendiği kısma varmadan bırakıyor, ki o kısım neredeyse her zaman bir şey inşa etmekti.

İş gerçekte neyden oluşuyor

Kabaca canını yakma sırasıyla altı şey:

Model çağırmak. Gövdesi, başlıkları ve durum kodu olan bir HTTP isteği. İlk bakıştan sonra hiçbir gizemi kalmıyor. Bariz olmayan şey etrafındaki her şey: 429 geldiğinde ne olur, bir timeout size neye mal olur ve hemen yeniden denemek zaten yüklü bir servisi neden daha kötü yapar.

Programın kullanabileceği çıktı almak. Model varsayılan olarak düzyazı döndürür ve kodunuz düzyazı tüketemez. Modeli sizin belirlediğiniz bir biçimde cevap vermeye zorlamak ve sonra gerçekten öyle yaptığını doğrulamak, bir AI demosu ile bir AI özelliği arasındaki çizgidir.

Kendi verinizi vermek. Modeller sizin el kitabınızı, ürününüzü ya da sözleşmelerinizi bilmez; sorduğunuzda akıcı ve yanlış bir şey üretirler. Getirme, ilgili pasajları bulup içeri vermek, standart cevaptır ve zorluğun çoğu zekice olan kısımda değil, gerçek dosyaları temiz metne çevirmektedir.

Araç vermek. Bir model hiçbir şey yapamaz; yalnızca sizden isteyebilir. Ona isteyebileceği fonksiyonların listesini vermek, onları kendiniz çalıştırmak ve döngünün ne zaman duracağına karar vermek: "agent" denen şeyin tamamı budur.

Çalışıp çalışmadığını bilmek. Yayına alanları demo yapanlardan ayıran kısım burası. Doğru cevabı üzerinde uzlaşılmış yirmi kayıtlı örnek ve her değişiklikten sonra bunları çalıştırmak; bir prompt'u iyileştirmekle onu yalnızca oynatmak arasındaki fark bu.

İşletmek. Token başına maliyet ay başına maliyete dönüşür ve bir mimariye karar veren sayı aylık olandır. Önbellek, ucuz istekleri ucuz modellere yönlendirmek ve kendi dayattığınız sert bir harcama tavanı, çünkü sağlayıcınız ne olduysa onu faturalandırır, yazmayı düşünmediğiniz bir döngü dâhil.

Gerçekten atlayabilecekleriniz

Geri yayılım. Gradyan inişi. Sıfırdan sinir ağı kurmak. Yanlılık–varyans dengesi. TensorFlow ile PyTorch arasında seçim. Kedi veri setiyle evrişimli ağ eğitmek.

Bunların hiçbiri işe yaramaz bilgi değil ve hepsi birilerinin işi. Sizinle çalışan bir ürün arasında duran ilk şey değiller, ve ilk şey sanmak, bu kadar çok insanın ikinciye hiç varamamasının sebebi.

Atlayamayacaklarınız, ki muhtemelen atlamak istiyordunuz

Burada sıralanan yol haritalarıyla bu sayfa hemfikir ve bu, işin sıkıcı yarısı:

• Terminal, bir proje klasörü ve sanal ortam. Bu alandaki her araç önce komut olarak belgelenir.
• Git. Sürüm kontrolü teorisi için değil: işverene gösterdiğiniz nesne bir depo olduğu için ve çalışan sürüme geri dönmeniz gerekeceği için.
• Yazmadığınız kodu okuyacak kadar Python. Bir modelin sizin için yazdığı kod dâhil; kimsenin öğretmediği ve artık herkesin ihtiyaç duyduğu beceri tam olarak bu.
• Bir web uygulamasının nasıl kurulduğu. İstemci ve sunucu, durum kodları, bir veritabanı, kimin neyi görebildiği. Etrafında uygulama olmayan bir AI özelliği, dizüstünüzdeki bir betiktir.

Ne kadar sürer

Üçüncü taraf tahminleri, hâlihazırda yazılım yazan biri için bunu üç ila altı ay koyuyor; yol haritalarının makine öğrenmesi yolu için verdiği on iki aya karşılık. Bu bizim ölçümümüz değil ve ne olduğu gibi ele alınmalı: başkalarının, başkalarının ilerlemesine dair tahmini.

Kesin olarak söyleyebileceğimiz şey bu kursun içinde ne olduğu, çünkü iddia edilmiyor sayılıyor: 17 modül, 98 ders, yaklaşık 34 saat ders süresi ve bu rakama dâhil olmayan 17 proje, çünkü bir proje ne kadar sürerse o kadar sürer ve bir tahmini sessizce manşet rakamına katmak, kurs pazarlamasının güvenilirliğini kaybetme yoludur.

Nereden başlamalı

Hiçbir şeye bağlanmadan alanın şeklini görmek isterseniz, bilgi haritası onun tamamı: 105 kavram, her biri bir cümleyle tanımlı, ücretsiz ve kaydolunacak hiçbir şey yok. İnsanları en çok şaşırtan kısmı hissetmek isterseniz, maliyet oyunu aritmetiği açılmış tek bir gerçek karar.

Sonrasında nelerin ters gittiğinin dürüst hâlini isterseniz, vaka kütüphanesi bu ürünün kendi tarihinden yedi gerçek arıza: testlerin yeşil olduğu ve sayfanın cevapları sızdırdığı vaka dâhil.