TL;DR
2023年技术产业发现一波裁员 很可能持续到2024年
由于LLMs上升并转向预培训模型和即时工程,传统NLP方法专家尤其面临风险。
无论是概念验证项目团队或生产ML系统都无法免去裁员
数据科学家和NLP专家可转向分析作用或工程作用以保持关联性无论如何,他们应精通基本通信技能、商业技能和技术技能
如果牛津宣布2023年词为“裁量 ”全球数以万计的人并不会大吃一惊经济挑战迫使公司精简作业、机器学习专家及邻接角色并不受大规模裁员趋势的影响。
大语言模型快速提高正在改变ML实践者日常工作以及公司领导层对AI的思考方式LLMs完全覆盖AI和自然语言处理范式转换可导致大规模裁员吗?哪些人最易被解雇
Piotr NiedZieve年份复习事件集ML平台播客.重想一下关键点
现代LMS兴起
2023年,现代LLMs的主导权日益显露,挑战主用经典NLP模型即使是小弱LLMs像切分GPT2并5小超经典NLP模型理解上下文并生成一致性文本拥有稳定互联网连接者可以向LLM提供文本并获取综合摘要,从中提取解答或重写
预培训模型普遍存在,微调正越来越多地由提示式学习取代,甚至软件工程师现在可以在没有专业数据科学家支持的情况下管理精密NLP搭建
开发数据科学家身处难关:他们的NLP技能几年后对雇主是否仍然适用?或应开始寻找新的职业机会
十大事物你需要知道 关于BERT和变换架构 重构AI
NLP项目生命周期:POCs制作
技术产业面临一波裁员, 值得理解NLP项目生命周期动态评估 裁员风险
我们认为区分原创NLP项目和概念验证阶段项目很有教益
PoC项目试运行,旨在证明新技术对企业的价值往往不立即显示实效,管理者快速裁剪项目时尤其如此 而不立即对底线产生可测效果菲律宾凯时国际官网开户C级执行官可能发现,向投资者提供时尚GenAI解决方案比获取回购更容易推理
NLP生产项目面临自身挑战自LMs兴起后,应用传统NLP方法的团队必须决定是否继续投资当前栈或切换LLMs这一决定影响作业和项目延续性对沉浸于这些项目的专家来说,项目方向越来越不确定
如你所见,尚不清楚做POC或生产项目的人是否有更高的裁员风险Piotr警告说,有很多灰色区域, 我们同意现在判断LLMs上升对全球技术裁员有多大影响为时尚早
演化或下沉
那么,我们从这里向何处发展?并没有什么直截了当的路径图,数据科学家可能需要转换角色翻转描述一种可能的变换方式是向企业智能或企业分析角色转移,接受他们的分析技巧
另一种可能性是转向软件工程工程师不自认为机器学习工程师 每天工作ML技术
不论方向选择 裁剪基本技巧总是个好主意 尽可能保护自己免裁员其中包括:
- 一号菲律宾凯时国际官网开户笔试和口试:实践向同事和非技术利益攸关方有效传递技术解决方案和分析洞见
- 2业务熟练度:学习理解并交流你的工作对企业总体成功的影响经济挑战时代,管理层重视那些知道如何优先选择和识别成本削减机会的员工。
- 3持续学习和专业开发:通过参加会议、参加在线课程以及通过论坛和相会与社区积极接触,不断更新最新进展
未来预测和考量
Piotr和我都同意几件关键开销ML裁员当前风景
- LLMs的兴起不可否认,挑战经典NLP模型的固定作用,但全面替换传统NLP模型可能比某些预测耗时更长。
- 全球经济需求、效率需求以及经价值证明的生产系统与实验POC项目之间的区别,很可能在决定机器学习职业未来轨迹方面发挥重大作用。
- 仍在POC阶段的项目更有可能裁剪,而已经使用的项目则必须决定是否合并LLMS或进一步投资当前技术栈
- 各行各业的专业人员都等待在座位边缘观察AI革命的轮廓同时,他们可能需要实现技能组合多样化,在裁员时保持基本状态。
你可以看全集YouTube:
ML平台播客
相关文章