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?
Schlecht, das wollen ja schon 90% der Informatiker machen und dann auch noch ein quasi fachfremder E-Ing.?
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.
Beitrag #6133642 wurde von einem Moderator gelöscht.
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.
Beitrag #6139374 wurde von einem Moderator gelöscht.
Bitte melde dich an um einen Beitrag zu schreiben. Anmeldung ist kostenlos und dauert nur eine Minute.
Bestehender Account
Schon ein Account bei Google/GoogleMail? Keine Anmeldung erforderlich!
Mit Google-Account einloggen
Mit Google-Account einloggen
Noch kein Account? Hier anmelden.