By داريا بيداكوفا، مدير البرامج التعليمية في تولوكا.

ضمن المشهد الوظيفي للأدوار المتعلقة بالبيانات ، تتعايش العديد من المهن ، وغالبًا ما تخضع تعريفاتها الدقيقة للنقاش ، حتى بين أولئك الذين لديهم سنوات من الخبرة وراءها. لا ينبغي أن يكون هذا مفاجئًا لأن المشهد الوظيفي للبيانات يتطور باستمرار لمواجهة تحديات الأعمال المتزايدة ، ويتم إضافة أدوار جديدة كل عام تقريبًا.

في الآونة الأخيرة KD nuggets البند، تم شرح عدد قليل من المهن المتعلقة بالبيانات الأكثر شيوعًا:

• مهندس البيانات (المعني بإدارة البيانات وتخزينها).
• مهندس بيانات (معني ببناء وصيانة خطوط أنابيب البيانات).
• محلل بيانات (معني بتحليل وتمثيل البيانات).
• مهندس تعلم الآلة (يهتم بتطوير وتحسين خوارزميات التعلم الآلي).
• عالم البيانات (مهتم بما يمكن أن تقدمه بيانات الرؤى).

في هذه المقالة ، نقوم بتقييم موجز لدور آخر مطلوب - دور مهندس حلول الحشود.

التعهيد الجماعي

اليوم ، المطورين أكثر من أي وقت مضى تطلب كميات كبيرة من البيانات لتغذية نماذج الذكاء الاصطناعي الخاصة بهم في كل مرحلة. نتيجة لذلك ، أصبح تصنيف البيانات أولوية. يوفر التعهيد الجماعي ، قبل كل شيء ، فرصة كبيرة لهذا الغرض. لنفترض أنك بحاجة إلى تصنيف بياناتك: قم بتصنيف مئات الآلاف من مستندات الويب أو نسخ مجموعة ضخمة من التسجيلات الصوتية. لديك طريقتان أساسيتان للتعامل مع مثل هذه المهام:

• يمكنك الحصول على مجموعة صغيرة من المتخصصين في المجال الخاص بالمهمة ، ودفع أجورهم بشكل جيد ، والانتظار لأسابيع أو شهور للتسليم.
• يمكنك جذب مجموعة كبيرة من المستخدمين ، وتصفيتهم حسب مهاراتهم ، وتدريبهم مسبقًا بسرعة على المهمة المطروحة ، وجعل كل منهم يساهم بجزء صغير ، وكخطوة أخيرة ، قم بتجميع ما تمكنت من جمعه. بهذه الطريقة ، تحصل على مهمة مكتملة في فترة زمنية أقصر بكثير وبتكلفة أقل.

في باقة كتاب نشرته مطبعة معهد ماساتشوستس للتكنولوجيا، يعرّف دارين برابهام التعهيد الجماعي ببساطة على أنه "تكامل لطاقات المجتمعات عبر الإنترنت ... مزيج متعمد من عملية إبداعية من أسفل إلى أعلى ومفتوحة مع أهداف تنظيمية من أعلى إلى أسفل." وبالتالي ، فإن التعهيد الجماعي هو في الأساس نوع من الاستعانة بمصادر خارجية واسعة النطاق لتوليد البيانات.

مجموعة ذكاء المجموعة (تمثل نقاط البيانات المختلفة آراء مختلفة أو أجزاء مهمة) المصدر: Toloka.ai

مهندس حلول الحشود (CSA)

الآن للوظيفة الموعودة. لا يمكن التعهيد الجماعي بدون CSA ، الذي يتمثل دوره في فهم مهمة التعهيد الجماعي ووضع نموذج لها وتسهيل تنفيذها في النهاية. على الرغم من أن مدى راحة المرء في هذا الدور قد يعتمد على عدة عوامل (ليس أقلها البنية التحتية لتكنولوجيا المعلومات التي يمكن للمرء العمل معها) ، على نطاق أوسع ، هذه الوظيفة مناسبة لكل من المبتدئين والمحاربين القدامى. سواء كنت وافدًا جديدًا مدربًا بشكل كافٍ ومتشوق لوضع قدمه في الباب ، أو متخصصًا في التعلم الآلي متوسط ​​المستوى يرغب في توسيع مجموعة مهاراته ، أو خبيرًا راسخًا يرغب في الاستفادة من التعهيد الجماعي لتصنيف بيانات شركته - كل هذا هو سيناريوهات مجدية تحدث في كل مكان.

مهما كانت خلفيتك ، لا تزال هناك متطلبات دخول. يمكن القول إن أهم شيء هو مهارة الترميز (Python و SQL و HTML و CSS و JavaScript) وفهم جيد لـ ML والإحصاءات. لكن هذا ليس كل شيء. ما يميز وظيفة CSA عن العديد من وظائف تكنولوجيا المعلومات الأخرى هو أنها تتطلب مهارتين رئيسيتين أخريين: فهم أهداف واستراتيجيات العمل وأيضًا معرفة كيفية العمل ليس فقط مع الكود ولكن مع البشر. في حين أن الأول يشير إلى أن المرء يحتاج إلى فهم كامل للأهداف التجارية (وليس مجرد الجوانب التقنية) لمهمة ما ، فإن الأخير يشير إلى أن المرء يحتاج إلى أن يكون شخصًا موجهًا للأشخاص ومستعدًا لمساعدة المساهمين عند الضرورة. لهذا السبب ، يعتقد البعض أن هذه الوظيفة هي "مهندس البيانات والأشخاص".

التطبيقات

يمكن ملاحظة كل من التعهيد الجماعي و CSAs في العمل عبر مجالات متعددة من البحث وتطوير المنتجات. من بينها معالجة اللغة الطبيعية ورؤية الكمبيوتر وإثراء مجموعة البيانات واسترجاع المعلومات.

تعتمد جميع عمليات تطوير الذكاء الاصطناعي اليوم على ثلاثة نماذج متميزة: الخوارزميات ، والأجهزة / الأداء ، وتصنيف البيانات. في حين أن العنصرين الأولين أصبحا بالفعل "سلعًا" ، مع استخدام العديد من اللاعبين لنفس الأدوات والتقنيات إلى حد ما ، فإن العنصر الأخير في القائمة - وسم البيانات - هو أقل العناصر استكشافًا ، على الرغم من استكمال معظم مشاريع الذكاء الاصطناعي يدينون بجزء كبير من نجاحهم لوضع العلامات الدقيقة.

المصدر: Toloka.ai

أي شخص يمكنه حل مشكلة تصنيف البيانات بشكل أكثر فاعلية وسرعة ، يكون له اليد العليا في الأعمال ، والتي تنبع من بناء خطوط أنابيب توسيم البيانات القابلة للتطوير والحفاظ عليها. كلما تم تخصيص المزيد من القوة البشرية في الشركة لهذا الجانب الحاسم ، زادت فرص التبسيط السريع لتلك الأعمال واحتياجاتها. وهذا يعني استكشاف المزيد من مجموعات البيانات للتعلم الآلي والتجريب المستمر للخوارزميات الجديدة (التجربة والخطأ القديمة الجيدة).

كن CSA

إذا كنت مهتمًا بأن تصبح CSA ، فهناك دورات عالية الجودة متاحة يمكن أن تمنحك السبق في الصناعة - من جامعة ستانفورد دورة تعلم الآلة على كورسيرا لجامعة هارفارد شهادة احترافية في علم البيانات، كورنيل شهادة ML، ومعهد ماساتشوستس للتكنولوجيا برنامج الشهادة المهنية في الذكاء الاصطناعي.

أولئك الذين يفضلون التعلم من ممارسي التعهيد الجماعي خارج عالم الأوساط الأكاديمية يمكنهم الآن التسجيل في دورة جديدة بعنوان التعهيد الجماعي العملي من أجل التعلم الآلي الفعال. هذه الدورة التدريبية العملية عبر الإنترنت مناسبة للمبتدئين ، وتستغرق حوالي 23 ساعة لإكمالها ، وتقدم شهادة قابلة للمشاركة عند الانتهاء. من بين الموضوعات الأخرى ، يتم تدريس جودة ودقة تصنيف البيانات. ستتاح للخريجين الناجحين فرصة لاختبار خوارزمياتهم من خلال تشغيل مشاريع التعهيد الجماعي كاملة الدورة.

هذا الموضوع ذو علاقة بـ:

• التعهيد الجماعي مقابل الفرق المُدارة: دراسة في جودة تسمية البيانات
• الابتكار المفتوح والتعهيد الجماعي في التعلم الآلي - الحصول على قيمة متميزة من البيانات
• 7 طرق للحصول على بيانات تدريب عالية الجودة بتكلفة منخفضة