HIROSHI WATANABE/GETTY IMAGES
Ma ka Wealth of Nations, hōʻike ʻo Adam Smith i ke ʻano o ka māhele ʻana o ka hana i kumu nui o ka hoʻonui ʻana i ka huahana. ʻO kahi laʻana ka laina hui o kahi hale hana pine: "Huki kekahi limahana i ka uwea, hoʻopololei kekahi, ʻoki ke kolu, hoʻokala ka hā i ka hopena, wili ka lima i kekahi ʻaoʻao e kūpono i ke poʻo." Mahalo i ka hana kūikawā i kālele ʻia i nā hana kikoʻī, lilo kēlā me kēia limahana i loea koʻikoʻi loa i kāna hana haiki, e alakaʻi ana i ka hoʻonui ʻana i ke kaʻina hana. Hoʻonui pinepine ʻia ka huahana no kēlā me kēia limahana, a ʻoi aku ka maikaʻi o ka hale hana i ka hana ʻana i nā pine.
ʻO kēia māhele o ka hana ma o ka hana i hoʻopaʻa ʻia i loko o ko mākou mau manaʻo a hiki i kēia lā i hoʻonohonoho koke mākou i kā mākou hui e like me ia. ʻAʻole ʻokoʻa ka ʻIkepili ʻIkepili. Pono nā ʻoihana algorithmic paʻakikī i nā hana hana he nui, no laila hana maʻamau nā hui i nā hui loea: nā mea noiʻi, nā ʻenekini data, nā ʻenekini aʻo mīkini, nā ʻepekema kumu-a-hopena, a pēlā aku. Hoʻonohonoho ʻia ka hana a ka poʻe loea e ka luna huahana me ka hoʻololi ʻana o nā hana ma ke ʻano e like me kahi hale hana pine: "loaʻa i kekahi kanaka ka ʻikepili, hoʻohālike kekahi, hoʻokō ke kolu, hana ʻehā" a pēlā aku,
Auwe, ʻaʻole pono mākou e hoʻomaikaʻi i kā mākou mau hui ʻepekema Data e hoʻomaikaʻi i ka huahana. Eia nō naʻe, ʻo kēia ka mea āu e hana ai ke hoʻomaopopo ʻoe i kāu mea e hana nei: nā pine a i ʻole kekahi mea ʻē aʻe, a e hoʻoikaika wale e hoʻonui i ka pono. ʻO ke kumu o nā laina hui e hoʻopau i kahi hana. ʻIke maopopo mākou i kā mākou makemake - nā pine (e like me ka laʻana o Smith), akā hiki ke haʻi ʻia kekahi huahana a lawelawe paha kahi e wehewehe pono ai nā koi i nā ʻano āpau o ka huahana a me kāna ʻano. ʻO ke kuleana o nā limahana e hoʻokō i kēia mau koi e like me ka hiki.
ʻAʻole naʻe ka pahuhopu o Data Science e hoʻopau i nā hana. Akā, ʻo ka pahuhopu ke ʻimi a hoʻomohala i nā manawa ʻoihana hou ikaika. ʻO nā huahana algorithm a me nā lawelawe e like me nā ʻōnaehana paipai, ka launa pū ʻana o nā mea kūʻai aku, ka hoʻokaʻawale ʻana i nā makemake o ke kaila, ka nui, ka hoʻolālā lole, ka loiloi loiloi, ka ʻike ʻana i ka wā a me nā mea hou aku ʻaʻole hiki ke hoʻomohala ma mua. Pono lākou e aʻo. ʻAʻohe papa hoʻolālā e hoʻopili hou, he mau mea hou kēia me ka maopopo ʻole. Pono e aʻo ʻia nā coefficients, models, type models, hyperparameters, nā mea pono a pau ma o ka hoʻokolohua, hoʻāʻo a me ka hewa, a me ka hana hou ʻana. Me nā pine, hoʻomaʻamaʻa ʻia a hoʻolālā ʻia ma mua o ka hana ʻana. Me ka ʻIke ʻIkepili, aʻo ʻoe e like me kāu e hana nei, ʻaʻole ma mua.
I loko o kahi hale hana pin, i ka wā e hele mua ai ke aʻo ʻana, ʻaʻole mākou e manaʻo a makemake ʻole i nā limahana e hoʻomaʻamaʻa i kekahi hiʻohiʻona o ka huahana ma mua o ka hoʻomaikaʻi ʻana i ka hana hana. Maikaʻi nā hana kūikawā no ka mea ke alakaʻi nei ia i ke kaʻina hana pono a me ka paʻa ʻana o ka hana (me ka ʻole o nā loli i ka huahana hope).
Akā i ka wā e ulu mau ana ka huahana a ʻo ka pahuhopu ka hoʻomaʻamaʻa ʻana, hoʻopilikia ka loea i kā mākou mau pahuhopu i kēia mau hihia:
1. Hoʻonui ia i nā kumukūʻai hoʻonohonoho.
ʻO ia hoʻi, kēlā mau kumukūʻai e hōʻiliʻili ana i ka manawa o ke kamaʻilio ʻana, ke kūkākūkā ʻana, ka hōʻoia ʻana a me ka hoʻonohonoho mua ʻana i ka hana e pono ai ke hana. Hoʻohālikelike ʻia kēia mau kumukūʻai me ka nui o ka poʻe i komo. (E like me kā J. Richard Hackman i aʻo mai ai iā mākou, e ulu like ka nui o nā pilina r me ka hana o ka helu o nā huaʻōlelo n e like me kēia hoohalike: r = (n^2-n)/2. A e hōʻike ana kēlā me kēia pilina i kekahi nui o ka pili pili kālā.) Ke hoʻonohonoho ʻia nā ʻepekema data e ka hana, i kēlā me kēia pae, me kēlā me kēia hoʻololi, kēlā me kēia hāʻawi, a me nā mea ʻē aʻe, koi ʻia nā loea he nui, e hoʻonui ai i nā kumukūʻai hoʻonohonoho. No ka laʻana, pono nā mea hoʻohālike helu e makemake e hoʻokolohua me nā hiʻohiʻona hou e hui pū me nā ʻenekini data e hoʻohui i nā pūʻulu ʻikepili i kēlā me kēia manawa a lākou e makemake ai e hoʻāʻo i kahi mea hou. Pēlā nō, ʻo kēlā me kēia kumu hoʻohālike hou i hoʻomaʻamaʻa ʻia ʻo ia ka mea e pono ai ka mea hoʻomohala hoʻohālike i kekahi e hui pū me ia e hoʻokomo i ka hana. ʻO nā kumukūʻai hoʻonohonoho he kumu kūʻai no ka hoʻomaʻamaʻa ʻana, ʻoi aku ka paʻakikī a me ka pipiʻi a ʻoi aku ka nui o ka haʻalele ʻana i ka haʻawina. Hoʻopilikia paha kēia i ke aʻo ʻana.
2. He mea paʻakikī nā manawa kali.
ʻOi aku ka paʻakikī ma mua o ka hoʻonohonoho ʻana i ka manawa i nalowale ma waena o nā hoʻololi hana. ʻOiai e ana ʻia nā kumukūʻai hoʻonohonoho i nā hola - ʻo ka manawa e alakaʻi ai i nā hālāwai, nā kūkākūkā, nā loiloi hoʻolālā - ke ana ʻia ka manawa kali i nā lā, pule a i ʻole mahina! He paʻakikī ke kaulike ʻana o nā papa hana o nā loea no ka mea pono e puʻunaue ʻia kēlā me kēia loea ma nā papahana he nui. ʻO kahi hālāwai hoʻokahi hola e kūkākūkā ai i nā loli e hiki ke lawe i nā pule e hoʻomaʻemaʻe i ke kaʻina hana. A ma hope o ka ʻae ʻana i nā hoʻololi, pono e hoʻolālā i ka hana maoli i loko o ka pōʻaiapili o nā papahana ʻē aʻe e noho ana i ka manawa hana o nā loea. ʻO ka hana e pili ana i ka hoʻoponopono code a i ʻole ka noiʻi ʻana he mau hola a mau lā paha e hoʻopau ai, hiki ke lōʻihi ma mua o ka loaʻa ʻana o nā kumuwaiwai. A hiki i kēlā manawa, hoʻokuʻu ʻia ka ʻike a me ke aʻo ʻana.
3. Hoʻemi ia i ka pōʻaiapili.
Hiki i ka mahele o ka hana ke kaupalena i ke aʻo ʻana ma o ka hoʻomaikaʻi ʻana i ka poʻe no ka noho ʻana i kā lākou hana kūikawā. No ka laʻana, ʻo kahi ʻepekema noiʻi e pono e noho i loko o ke ʻano o kāna hana e kālele ana i kona ikaika i ka hoʻokolohua ʻana me nā ʻano algorithms like ʻole: regression, neural networks, random forest, a pēlā aku. ʻOiaʻiʻo, hiki i nā koho algorithm maikaʻi ke alakaʻi i ka hoʻomaikaʻi ʻana, akā ʻoi aku ka nui o nā mea e loaʻa mai nā hana ʻē aʻe, e like me ka hoʻohui ʻana i nā kumu ʻikepili hou. Pēlā nō, e kōkua ia i ka hoʻomohala ʻana i kahi kumu hoʻohālike e hoʻohana i kēlā me kēia mana wehewehe i loko o ka ʻikepili. Eia naʻe, aia paha kona ikaika i ka hoʻololi ʻana i ka hana pahuhopu a i ʻole ka hoʻomaha ʻana i kekahi mau kaohi. He mea paʻakikī kēia e ʻike a hana paha ke kaupalena ʻia kāna hana. No ka mea, ʻo ka ʻepekema ʻenehana loea i ka hoʻoponopono ʻana i nā algorithms, ʻoi aku ka liʻiliʻi o kāna hana i kekahi mea ʻē aʻe, ʻoiai inā e lawe mai ia i nā pōmaikaʻi nui.
No ka inoa ʻana i nā hōʻailona e ʻike ʻia ana i ka wā e hana ai nā hui ʻepekema data ma ke ʻano he ʻoihana pine (no ka laʻana, i nā hoʻonui kūlana maʻalahi): "kali no ka hoʻololi ʻana i ka pipeline data" a me "kali no nā kumuwaiwai ML Eng" he mau blockers maʻamau. Eia naʻe, ke manaʻoʻiʻo nei au ʻoi aku ka pōʻino o ka mea āu e ʻike ʻole ai, no ka mea ʻaʻole hiki iā ʻoe ke mihi i ka mea āu i ʻike ʻole ai. ʻO ka hoʻokō kīnā ʻole a me ka ʻoluʻolu i loaʻa mai ka hoʻokō ʻana i ka pono kaʻina hana hiki ke uhi i ka ʻoiaʻiʻo ʻaʻole ʻike nā hui i nā pono aʻo a lākou e nalo nei.
ʻO ka hoʻonā i kēia pilikia, ʻoiaʻiʻo, e hoʻopau i ke ʻano pin factory. No ka paipai ʻana i ka aʻo ʻana a me ka hoʻomaʻamaʻa ʻana, pono nā kuleana ʻepekema data ma ke ʻano maʻamau akā me nā kuleana ākea kūʻokoʻa i ka hana ʻenehana, ʻo ia hoʻi, hoʻonohonoho i nā ʻepekema ʻikepili i kūpono lākou no ke aʻo ʻana. ʻO ia ke ʻano o ka hoʻolimalima ʻana i "nā loea piha piha" - nā loea maʻamau e hiki ke hana i nā ʻano hana like ʻole, mai ka manaʻo a hiki i ke ʻano hoʻohālike, hoʻokō a hiki i ke ana. He mea nui ia e hoʻomaopopo ʻaʻole wau e ʻōlelo nei i ka hoʻolimalima ʻana i nā talena piha piha e hoʻemi i ka nui o nā limahana. Akā, manaʻo wau inā hoʻonohonoho ʻokoʻa lākou, ʻoi aku ka maikaʻi o kā lākou hoʻoikaika ʻana me nā pono aʻo a me ka hana. Eia kekahi laʻana, e ʻōlelo kākou he hui ʻekolu poʻe me ʻekolu mau mākau ʻoihana. Ma kahi hale hana pine, e hāʻawi kēlā me kēia technician i ka hapakolu o kona manawa i kēlā me kēia hana hana, no ka mea ʻaʻole hiki i kekahi ke hana i kāna hana. I loko o kahi pūʻulu piha, hoʻolaʻa piha ʻia kēlā me kēia generalist i ke kaʻina hana holoʻokoʻa, scale-up, a me ke aʻo ʻana.
Me ka liʻiliʻi o ka poʻe e kākoʻo ana i ka pōʻaiapili hana, hoʻemi ʻia ka hoʻonohonoho ʻana. Ke neʻe mālie nei ka mea generalist ma waena o nā hiʻohiʻona, e hoʻonui i ka pipeline data e hoʻohui i nā ʻikepili hou aʻe, e hoʻāʻo ana i nā hiʻohiʻona hou i nā hiʻohiʻona, e kau ana i nā mana hou i ka hana ʻana no nā ana kumu, a me ka hana hou ʻana i nā ʻanuʻu e like me ka hikiwawe o nā manaʻo hou. ʻOiaʻiʻo, hana ke kaʻa kaʻa i nā hana like ʻole ma ka sequentially a ʻaʻole like. Ma hope o nā mea a pau, hoʻokahi wale nō kanaka. Eia nō naʻe, ʻo ka hoʻopau ʻana i kahi hana maʻamau e lawe wale i kahi hapa o ka manawa e pono ai ke komo i kahi kumuwaiwai kūikawā. No laila, e emi ana ka manawa hoʻomaʻamaʻa.
ʻAʻole hiki i kā mākou mea lapaʻau ke akamai e like me ka loea i kahi hana ʻoihana, akā ʻaʻole mākou e hoʻoikaika no ka hoʻokō pono a i ʻole nā hoʻomaikaʻi liʻiliʻi. Akā, hoʻoikaika mākou e aʻo a ʻike i nā luʻina ʻoihana hou aʻe me ka hopena mālie. Me kahi pōʻaiapili holoʻokoʻa no kahi hoʻonā piha, ʻike ʻo ia i nā manawa e nalo ai kahi loea. Loaʻa iā ia nā manaʻo a me nā mea hiki. Hāʻule nō hoʻi ʻo ia. Eia naʻe, he haʻahaʻa ke kumukūʻai o ka hāʻule ʻole a he kiʻekiʻe nā pono o ke aʻo ʻana. Hoʻoikaika kēia asymmetry i ka hoʻololi wikiwiki a hoʻomaikaʻi i ke aʻo ʻana.
He mea nui e hoʻomaopopo i ka nui o ka mana kūʻokoʻa a me ka ʻokoʻa o ka mākaukau i hāʻawi ʻia i nā ʻepekema hoʻopaʻa piha e hilinaʻi nui ʻia i ka paʻa o ka paepae ʻikepili kahi e hana ai. Hoʻopili ʻia kahi paepae ʻikepili i hoʻolālā maikaʻi ʻia i nā ʻepekema ʻikepili mai ka paʻakikī o ka hoʻopili ʻana i ka pahu, ka hoʻoili ʻana i hoʻoili ʻia, ka hoʻoheheʻe ʻana, a me nā manaʻo hoʻomohala holomua ʻē aʻe. Ma waho aʻe o ka abstraction, hiki i kahi paepae ʻikepili koʻikoʻi ke hāʻawi i ka pilina paʻa ʻole i ka ʻōnaehana hoʻokolohua, hoʻomaʻamaʻa i ka nānā ʻana a me ka makaʻala, hiki i ka scaling maʻalahi a me ka ʻike ʻana i nā hopena algorithmic a me ka debugging. Hoʻolālā ʻia a kūkulu ʻia kēia mau ʻāpana e nā ʻenekini kahua ʻikepili, ʻo ia hoʻi, ʻaʻole ia i hāʻawi ʻia mai ka ʻepekema data i ka hui hoʻomohala ʻikepili. ʻO ia ka mea lapaʻau ʻEpekema ʻIkepili nona ke kuleana no nā code āpau i hoʻohana ʻia e holo i ka paepae.
ʻO wau hoʻi, ua makemake wau i ka mahele hana o ka hana me ka hoʻohana ʻana i ke kaʻina hana, akā ma o ka hoʻāʻo ʻana a me ka hewa (ʻaʻohe ala maikaʻi aʻe e aʻo ai), ʻike wau ʻoi aku ka maikaʻi o nā hana maʻamau i ke aʻo ʻana a me ka hana hou a hāʻawi i nā ana kūpono: ʻike a ke kūkulu ʻana i nā manawa ʻoihana ʻoi aku ka nui ma mua o ke ala kūikawā. (ʻO kahi ala ʻoi aku ka maikaʻi e aʻo ai e pili ana i kēia ala i ka hoʻonohonoho ʻana ma mua o ka hoʻāʻo a me ka hewa aʻu i hele ai, ʻo ia ka heluhelu ʻana i ka puke a Amy Edmondson Team Collaboration: How Organizations Learn, Innovate, and Competi in the Knowledge Economy).
Aia kekahi mau manaʻo koʻikoʻi e hiki ke hana i kēia ala i ka hoʻonohonoho ʻana i ʻoi aku ka hilinaʻi a emi ʻole paha i kekahi mau ʻoihana. ʻO ke kaʻina hana hou e hoʻemi i ke kumukūʻai o ka hoʻāʻo a me ka hewa. Inā kiʻekiʻe ke kumu kūʻai o ka hewa, makemake paha ʻoe e hōʻemi iā lākou (akā ʻaʻole ʻōlelo ʻia kēia no nā noi lāʻau lapaʻau a i ʻole ka hana ʻana). Eia kekahi, inā ʻoe e pili ana i nā petabytes a i ʻole exabytes o ka ʻikepili, pono paha ka ʻike loea i ka ʻenekinia data. Pēlā nō, inā ʻoi aku ka nui o ka mālama ʻana i nā ʻoihana ʻoihana pūnaewele a me ko lākou loaʻa ʻana ma mua o ka hoʻomaikaʻi ʻana iā lākou, ʻoi aku ka maikaʻi o ka hana i ke aʻo ʻana. ʻO ka hope, hilinaʻi ke kumu hoʻohālike piha i ka manaʻo o ka poʻe i ʻike e pili ana iā ia. ʻAʻole lākou he unicorn; hiki iā ʻoe ke loaʻa iā lākou a hoʻomākaukau iā ʻoe iho. Eia nō naʻe, koi nui lākou a me ka huki ʻana a me ka mālama ʻana iā lākou e koi i ka uku hoʻokūkū, nā waiwai ʻoihana ikaika a me nā hana paʻakikī. E hōʻoia e hiki i kāu moʻomeheu ʻoihana ke kākoʻo i kēia.
ʻOiai me nā mea a pau i ʻōlelo ʻia, ke manaʻoʻiʻo nei au e hāʻawi ke kumu hoʻohālike piha i nā kūlana hoʻomaka maikaʻi loa. E hoʻomaka me lākou, a laila neʻe me ka noʻonoʻo i kahi mahele hana o ka hana inā pono wale nō.
Aia kekahi mau hemahema o ka hana kūikawā. Hiki i kēia ke alakaʻi i ka nalowale o ke kuleana a me ka passivity ma ka ʻaoʻao o nā limahana. ʻO Smith ponoʻī ka hoʻohewa ʻana i ka mahele o ka hana, me ka manaʻo e alakaʻi ia i ka hoʻopau ʻana o ke kālena, ʻo ia hoʻi. lilo nā limahana i naʻaupō a haʻalele ʻia no ka mea ua kaupalena ʻia kā lākou kuleana i kekahi mau hana hou. ʻOiai hiki ke hāʻawi i ka hana kūikawā i ka hana kūpono, ʻaʻole hiki ke hoʻoulu i nā limahana.
Ma ka huli ʻana, hāʻawi nā hana maʻamau i nā mea āpau e hoʻokau i ka ʻoluʻolu o ka hana: autonomy, mastery, a me ke kumu. ʻO ke kūʻokoʻa ʻaʻole lākou e hilinaʻi i kekahi mea e loaʻa ai ka kūleʻa. Aia ka mastery i nā pono hoʻokūkū ikaika. A aia ka manaʻo o ke kumu i ka manawa e loaʻa ai ka hopena i ka ʻoihana a lākou e hana ai. Inā hiki iā mākou ke hauʻoli i ka poʻe i kā lākou hana a loaʻa ka hopena nui i ka ʻoihana, a laila e hāʻule nā mea a pau.
Source: www.habr.com