Microsoft Image Creator ile benim tarafımdan oluşturulan resim
 

OpenAI, ChatGPT'yi halka sunduğundan beri, çevrimiçi ortamda yeni bir rüya işi hakkında bir dizi tartışma ortaya çıktı: İstem Mühendisliği. “Şöyle lanse ediliyor:Yapay Zekanın En Sıcak İşiAltı haneli maaşlar vaat ediyor programlama deneyimine gerek kalmadan. Meraklılar bunu şöyle tanımlıyor: geleceğin işi, Burada herkes kazanabilir kadar $ 335K her şeyi bilen havalı bir robotla düzgün konuşarak doğru yanıtları vermesini sağlayın. Instagram'da sürpriz yok para kazanma bilgeleri, YouTube kariyeri vaizlerve TikTok'un kendi kendini ilan eden kahinleri bu konuda çok ses çıkardı. Bu bir hayal gibi görünse de gerçekten ulaşılabilir mi? Bunu öğrenmek için bu abartılı reklamın ardındaki iş piyasası gerçeğini inceleyelim.

İş ilanı verilerinin analiz edilmesi, işgücü talebi eğilimleri, sorumluluklar, nitelikler ve maaş beklentileri hakkında değerli bilgiler sağlar. Bu yüzden sözde “reklam verilerine” göz atmaya karar verdim.Yapay Zekanın En Sıcak İşiHiçbir spekülasyon veya varsayım olmadan. Popüler çevrimiçi iş ilanı platformlarından yakın zamanda yayınlanan 73 benzersiz iş ilanı verisini topladım. Veri toplama metodolojim hakkında bilgi edinin ve veri setine erişin okuyun. 73 ideal bir örneklem büyüklüğü olmasa da analizimiz için kapsamlı bir başlangıç ​​noktasıdır. İlk ortaya çıkan açıklama düşündürücü: "hızlı mühendisler" arayan işverenlerin sayısı az.

Şimdi verilere bir göz atalım. En sık bahsedilen iş unvanı “hızlı mühendis”tir. Ancak “BT İnovasyon Analisti”, “Serbest ML/AI Mühendisi”, “Veri Bilimcisi” ve “Yapay Zeka Mühendisi” gibi başka unvanlar da ortaya çıkıyor. Görev tanımlarında belirtilen nitelik ve sorumluluklara yönelik kelime bulutları oluşturdum. Kelime bulutlarının olağanüstü içgörüleri ortaya çıkaracağını düşünmüyorum ancak metindeki önemli noktaların kısa bir versiyonunu temsil edebilirler. Gördüğünüz gibi, iş ilanlarında işverenler bilgisayar bilimi, model geliştirme, python, istem tasarımı, makine öğrenimi, büyük dil modelleri, doğal dil işleme ve yapay zeka konularındaki deneyimlerden diğer konulardan daha fazla bahsediyor.

1. Bu, altı rakamlı maaş hakkındaki tüm argümanlarını hiçbir kodlama olmadan yalnızca tek bir iş ilanına dayandıran eski anekdot niteliğindeki makalelerin çoğuyla karşılaştırırsanız, çok daha büyük bir örneklem boyutudur.
 

 

Daha sonra, en iyi mühendislik vasıflarını ve niteliklerini belirlemek amacıyla toplanan reklam metni külliyatını özetlemek için ChatGPT ve Claude'u kullandım. Kararlı ve geçerli çıktı aldığımdan emin olmak için farklı yaklaşımlarla birden fazla ipucu turu yaptım ve ardından verileri manuel olarak kontrol ettim.

Hızlı Mühendis işi için talep edilen temel nitelikler:

1. Python programlamada yeterlilik (2-5 yıllık deneyim) TensorFlow, PyTorch, Keras gibi yapay zeka/makine öğrenimi çerçeveleriyle ilgili deneyim dahil.
2. NLP ve LLM'ler hakkında çalışma bilgisi (2-5 yıllık deneyim) BERT, GPT-3/4, T5 vb. gibi. Bu modellerin nasıl çalıştığı ve bunlara nasıl ince ayar yapılacağı bilgisi.
3. Güçlü analitik ve problem çözme becerileri. Eleştirel düşünme, etkili istemler tasarlama, model performansını analiz etme ve sorunları giderme becerisi hayati öneme sahiptir.
4. Hızlı mühendislik ilkeleri ve teknikleri konusunda uzmanlık düşünce zinciri, bağlam içi öğrenme, düşünce ağacı vb. gibi. Bu, modellerin istenen sonuçlara yönlendirilmesine olanak tanır.
5. Mükemmel iletişim becerilerihem sözlü hem de yazılı. Bu, ekipler arasında işbirliği yapmak, teknik kavramları açıklamak ve çalışmayı belgelemek için gereklidir.

Acil mühendislik işlerinin temel sorumlulukları şunlardır:

1. Hızlı Tasarım ve Optimizasyon: Çeşitli uygulamalar için verimliliği en üst düzeye çıkarmak amacıyla yapay zeka tarafından oluşturulan metin istemlerini tasarlama, geliştirme, test etme ve iyileştirme. Bu, yüksek kaliteli ve çeşitli yönlendirmeler oluşturmak için transfer öğrenimi ve dil uzmanlığından yararlanma gibi teknikleri kullanmayı içerir.
2. Entegrasyon ve Dağıtım: Optimize edilmiş istemlerin genel ürün veya sisteme kusursuz entegrasyonunun sağlanması. İstemleri ve modelleri üretim ortamlarına uygulamak için mühendislerle işbirliği yapmak.
3. Performans Değerlendirmesi ve İyileştirme: Metrikleri ve kullanıcı geri bildirimlerini kullanarak hızlı performansı titizlikle değerlendirmek. Optimizasyon ve hızlı yineleme alanlarını belirlemek için sürekli test ve analiz yürütmek.
4. İşbirliği ve İhtiyaç Toplama: Gereksinimleri anlamak ve istemlerin iş hedefleri ve kullanıcı gereksinimleriyle uyumlu olmasını sağlamak için veri bilimcileri, içerik yaratıcıları ve ürün yöneticileri gibi işlevler arası ekiplerle yakın işbirliği içinde çalışmak.
5. Bilgi paylaşımı: Hızlı mühendislik süreçlerini ve sonuçlarını belgelemek. Ekipleri hızlı en iyi uygulamalar konusunda eğitmek. Yenilikçilik sağlamak için en son yapay zeka gelişmelerinden haberdar olmak 

Hızlı mühendislik pazarında en çok talep edilen beceriler programlama yeterliliği ve NLP ve LLM deneyimi olduğundan, "Yapay Zekanın En Sıcak İşi" olarak adlandırılan "programlama deneyimi yok" önermesinin gerçeklikten uzak olduğunu söylemek doğru olur. Ve Micky Mouse programlama becerilerinden bahsetmiyorlar, ML ve AI çerçevelerine aşina olan uzmanlar arıyorlar. İşverenler sadece Yüksek Lisans ve kodlamaya "aşinalık" talep etmiyor, aynı zamanda ortalama olarak yapılandırılmış ve yapılandırılmamış veriler, kodlama, NLP, ML ve AI ile çalışma konusunda 2-5 yıllık deneyime sahip uzmanlar arıyorlar.

Üst düzey sorumlulukları okumak, bu iş unvanının neden bu kadar yüksek düzeyde programlama ve Yüksek Lisans becerileri gerektirdiğini daha açık hale getirir. Profesyonel bir iş olarak hızlı mühendislik, bir bilgisayarın başında oturup size doğru cevabı vermek için Üretken Yapay Zeka modelleriyle oynamak değildir. Girdileri optimize eden, bunları diğer bilgi sistemleri ve ürünleriyle sorunsuz bir şekilde entegre eden ve kullanıcılara ve müşterilere değer sunan iş bilgi sistemleri oluşturmakla ilgilidir. Yani işletmeler ChatGPT ile sohbet edebilecek birini aramıyor, GPT benzeri modelleri optimize edip kendi ürünlerine entegre edebilecek uzmanları işe almak istiyor.

Derece gereksinimlerine ilişkin iş ilanları veri analizi, bilgisayar bilimi, matematik, analitik, mühendislik, fizik veya dilbilim alanındaki teknik eğitim geçmişlerine yönelik bir tercihi gösterir. Bilgisayar bilimi veya ilgili bir alanda lisans derecesi genellikle gereklidir; daha ileri dereceler tercih edilir veya üst düzey roller için gereklidir. Maaşlar sorumluluklara ve kıdeme bağlı olarak çok farklıdır. Yılda 30 bin kadar düşük, yarım milyon dolar kadar yüksek olabilir. Maaş bilgilerinin yer aldığı iş ilanları ortalama olarak yılda 90 bin ila 195 bin arasında ödeme yapıyor.

Başlangıçtaki coşkuya rağmen, hızlı mühendisliğin rüya gibi bir iş olarak uygulanabilirliğine ilişkin şüpheler su yüzüne çıktı. Wharton Okulu profesörü Ethan Mollick'in bir yazısında yazdığı gibi twitter sonrası geçen yıl "bilgi istemi mühendisliği geleceğin işi değil" çünkü "yapay zeka kolaylaşıyor" ve temel istemleri yorumlamak daha akıllı hale geliyor. Bir ay önce Coursera iyi düşünülmüş bir makale yayınladı kariyer rehberi hızlı mühendislik için (ayrıca bkz. Re-Tweet). Görünüşe göre ilk Nesil Yapay Zeka moda yavaş yavaş kayboluyorYapay zekanın mevcut durumunu ve gelecekteki eğilimlerini anlamak için daha iyi bir konumdayız. Beni yanlış anlamayın. Gen AI çıktılarının kalitesi büyük ölçüde girdilere bağlıdır. Bu karmaşık modellerin nasıl kullanılacağını ve bunlarla nasıl etkileşime girileceğini öğrenmek neredeyse herkes için önemli bir beceri haline geliyor. Yönlendirmeye yönelik sistematik bir yaklaşımın bu modellerin sonuçlarını önemli ölçüde iyileştirebileceğini öne süren artan sayıda bilimsel çalışma vardır (bkz. 1, 2, 3, 4, 5, 6, 7). Ancak "hızlı mühendislik" bazı insanların olmasını istediği rüya gibi bir iş değildir (ve hiçbir zaman da olmamıştır). Programlama, doğal dil işleme, makine öğrenimi, ürün geliştirme ve yazılım entegrasyonu konularında kayda değer bir deneyimi olmayan hiç kimse, ChatGPT'yi düzgün bir şekilde konuşarak doğru bir cevaba dönüştürdüğünüz için size altı haneli bir maaş ödemez.

Anında mühendislik ve Gen AI uygulamalarının bugünü ve geleceği, iki önemli trendden etkilenmiş gibi görünüyor: Birincisi, Ethan Mollick'in de belirttiği gibi, Gen AI modelleri, belki de İnternet'in nasıl olduğu gibi, karmaşık olmayan basit istemlerden iyi çıktılar üretme konusunda daha becerikli hale geliyor. Arama motorları, basit arama sorgularından daha alakalı sonuçlar döndürme konusunda daha iyi hale geldi. İkincisi, Gen AI modelleri işletmenin ürünlerine, hizmetlerine ve platformlarına giderek daha fazla entegre ediliyor. Bu adaptasyon yapay zeka ekonomisinin başarısı için çok önemlidir. Bu nedenle, Gen AI modellerinin nasıl optimize edileceğini, ince ayar yapılacağını, özelleştirileceğini ve mevcut bilgi sistemleri ve ürünleriyle nasıl entegre edileceğini bilmek değerli bir beceri setidir ve öyle kalacaktır. Bu nedenle mevcut hızlı iş ilanlarında programcılara, sistem tasarımcılarına ve diğer ürün geliştirme ekibi üyeleriyle işbirliği yapabilecek kişilere büyük bir talep var.
 
 

Mehdi Ahmedi Kuzey Teksas Üniversitesi Bilgi Teknolojileri ve Karar Bilimleri bölümünde veri madenciliği, iş zekası ve veri analitiği dersleri verdiğim klinik yardımcı doçenttir. Başlıca araştırma alanım makine öğrenimi ve veri madenciliği tekniklerinin işletmelerde uygulanmasıdır. Ayrıca işletmelere, yüksek öğrenim kurumlarına ve kar amacı gütmeyen kuruluşlara veri analitiği sorunları konusunda danışmanlık veriyorum.

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
• PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
• PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
• PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
• Kaynak: https://www.kdnuggets.com/prompt-engineering-an-integrated-dream?utm_source=rss&utm_medium=rss&utm_campaign=prompt-engineering-an-integrated-dream