Machine Learning, AI usw. werden ja gerne von allmöglichen
Nichttechnikern als Buzzwords verwendet, allerdings setzen alle großen
Konzerne tatsächlich ML Technologien ein.
Durch die ganzen Libraries wie TensorFlow ist es auch nicht schwierig
diese Techniken einzusetzen, wobei die effiziente Modellierung der
Datenmengen natürlich schon eine gewisse Expertise und Erfahrung
voraussetzt.
Dass es Sinn macht als junger Ingenieur ein Grundwissen von dem Thema zu
haben steht außer Frage, aber denkt ihr dass es auch Sinn macht sich
sehr tief darin zu spezialisieren?
Wie sehen hier die Chancen für E-Ings verglichen mit Informatikern auf
dem Arbeitsmarkt aus?
Sklaventreiber schrieb:> Schlecht, das wollen ja schon 90% der Informatiker machen und dann> auch noch ein quasi fachfremder E-Ing.?
Das sehe ich ähnlich. Man muss nicht auf jeden Trend aufspringen, nur
weil er gerade in Mode ist.
Sklaventreiber schrieb:> Schlecht, das wollen ja schon 90% der Informatiker machen und dann> auch noch ein quasi fachfremder E-Ing.?
Gerade der. Das bisschen Code schreiben bis mal ein Netz trainiert wurde
kriegen beide hin, die Referenzimplementierungen sind da, YouTube und
Blogs gehen vor Tutorials geradewegs über.
100x schwieriger ist es überhaupt mal einen echten, gewinnbringenden und
kommunizierbaren Anwendungsfall zu finden.
Da würde ich behaupten der E-Ingenieur kann da durchaus mal bessere
Chancen haben was zu entdecken als der Informatiker, weil er auch in
Branchen reinsieht, die noch nicht Software-geprägt sind.
Das gilt natürlich nicht, wenn sich besagter Ingenieur nach dem Studium
direkt in eine Programmiererbude reinhockt und sich hinter seinen
Bildschirmen versteckt.
...also ja, Grundlagen lernen insofern, dass du eine technisch fundierte
Einschätzung treffen kannst, welche Probleme man mit ML erschlagen kann
und (!) WELCHE NICHT.
Gibt nichts schlimmeres als einen Hipsteraffen, der meint ML wäre die
Universallösung für das Verarbeiten von Daten, die er selbst nicht
versteht, dann auf einem völlig verzerrten Datensatz unfassbare
Genauigkeit mithilfe von hoffnungslosem Overfitting präsentiert und im
Produktiveinsatz funktioniert dann genau nichts.
Die gibt's zuhauf, die willst du nicht sein.
Hugo schrieb im Beitrag #6133642:
> Informatiker können nichts außer scheiß Theorie.
Nur die, die sich nicht für Informatik begeistern. Aber das sind die,
die dann vom neuesten Hipster-Startup als Frontend-Designer ausgebeutet
werden und eh nicht an die interessanten Stellen im Machine Learning
kommen. Genau wie die E-Ings. die mit Master noch nie ein Multimeter in
der Hand hatten und sich wundern warum ihnen keiner die Tür einrennt.
Mit zwei Youtube-Videos und 5 Zeilen Python ist es übrigens nicht getan.
Hier sind stark fortgeschrittene mathematische Kenntnisse erforderlich,
kombiniert mit viel Programmierpraxis in C++/Python, alleine schon um
die Daten aufzubereiten. Auch Kenntnisse in der Bildverarbeitung sind
nötig. Wüsste nicht, wo da ein E-Techniker einen Vorteil hätte, wenn er
nicht gerade entsprechende Wahlfächer besucht hat.
Prinz Marcus von Losfahr schrieb:> Mit zwei Youtube-Videos und 5 Zeilen Python ist es übrigens nicht getan.
Nein, aber mit 20 Videos und 500 Zeilen oft schon, so wild ist das
nicht, wie gesagt gibt's ja genügend Anleitungen.
Prinz Marcus von Losfahr schrieb:> alleine schon um die Daten aufzubereiten.
Das ist tatsächlich das größere Problem, als das Implementieren des
eigentlichen Trainings und der Inferenz. Aber wenn man die Daten
versteht auch machbar, idR ohne Mathestudium.
Prinz Marcus von Losfahr schrieb:> Auch Kenntnisse in der Bildverarbeitung sind nötig
ML ist nicht nur Bildverarbeitung. Oft, ja, aber bei Weitem nicht immer.
Bildverarbeitung ist halt anschaulich und deshalb vermutlich in
Nachrichten bzgl. ML überrepräsentiert.
Prinz Marcus von Losfahr schrieb:> Hier sind stark fortgeschrittene mathematische Kenntnisse erforderlich
Das würde ich in sehr vielen Fällen anzweifeln. Ein ordentliches
Grundwissen in Statistik ja, weil man sonst seinen Datensatz nicht
verstehen kann. Aber man muss echt kein NN mit Stift und Papier
berechnen können, um es zu verwenden.
Prinz Marcus von Losfahr schrieb:> Wüsste nicht, wo da ein E-Techniker einen Vorteil hätte, wenn er nicht> gerade entsprechende Wahlfächer besucht hat.
Er hat den Vorteil, dass er evtl. bereits irgendwo in der Industrie
sitzt, wo schon viel Geld fließt, aber keiner über ML nachgedacht hat.
Es ist immer leichter etwas umzusetzen, wenn man ein Einsparpotential
erkennt. Sparen kann man aber nur, wo schon Geld ausgegeben wird.
