A ChatGPT felváltja az adattudósokat?

Újra kiadta Platón

Követő: 0

A ChatGPT felváltja az adattudósokat?
A kép szerzője

Ha az adatiparban dolgozik, vagy erre vágyik, felmerülhet a kérdés, hogy itt az ideje a pályaváltásnak.

Az olyan generatív modellek, mint a ChatGPT, az adattudósok végét jelentik?

Mint valaki, aki három éve dolgozott az adattudományban, szeretném elmondani a véleményemet erről.

Egy régebben írt cikkemben határozottan nem értettem egyet azzal az elképzeléssel, hogy az automatizált AI-szoftver képes lenne rá valaha is helyettesíti az adattudósokat. Érvelésem az volt, hogy ezek az eszközök bizonyos mértékben javítják a szervezeti hatékonyságot, de nem voltak testreszabhatók, és minden szakaszban emberi közreműködést igényelnek.

De ez még 2022 februárjában történt, jóval azelőtt, hogy megjelent volna a ChatGPT, az OpenAI forradalmi nyelvi modellje.

Amikor a ChatGPT-t először nyilvánosságra hozták, a GPT-3.5-ön alapult, egy olyan modellen, amely képes megérteni a természetes nyelvet és a kódot.

Aztán 2023 márciusában megjelent a GPT-4. Ez az algoritmus felülmúlja elődjét a logikán, kreativitáson és érvelésen alapuló problémák megoldásában.

Íme néhány tény a GPT-4-ről:

Tud kódot írni (például nagyon jól)
Sikerült az ügyvédi vizsgán
A gépi tanulási referenciaértékeken felülmúlta a legtöbb legkorszerűbb modellt

Ez a modell egy vázlatot egy teljes értékű webhelyté alakíthat, és nagyszerű asszisztensként szolgál a programozási és adattudományi feladatokban.

A szervezetek pedig már használják is a hatékonyság javítására.

A Freshworks vezérigazgatója, Girish Mathrubootham, azt mondja, hogy a programozási feladatokat, amelyek végrehajtása az alkalmazottainak egykor 9 hétig tartott, most a pár nap a ChatGPT-vel.

A generatív mesterséges intelligencia segítségével a kódolási munkafolyamatok ennél a vállalatnál a szokásosnál körülbelül 20-szor gyorsabban készülnek el. Ez az átfutási idő jelentős csökkenéséhez fog vezetni, ami azt jelenti, hogy a vállalatok gyorsabban tudnak többet elvégezni.

Termékintegrációk

Eddig csak a programozásról beszéltünk.

Az adattudós munkájának más szempontjai is vannak – például adat-előkészítés, elemzés, vizualizáció és modellépítés.

Tapasztalataim szerint az adatkutatókra jelenleg nagy a kereslet, mivel sokféle készséggel kell rendelkezniük.

A statisztikai modellek építésén és a kódolás megtanulásán kívül ezeknek a szakembereknek SQL-t kell használniuk az adatok kinyerésére, olyan szoftverekkel kell dolgozniuk, mint a Tableau és a PowerBI a vizualizációhoz, és hatékonyan kommunikálniuk kell a betekintést az érdekelt felekkel.

Az olyan LLM-ekkel, mint a ChatGPT, azonban óriási mértékben csökkennek az akadályok az olyan területekre való belépés előtt, mint az adattudomány vagy az analitika. A pályázóknak többé nem kell különféle szoftverekkel kapcsolatos szakértelemmel rendelkezniük, ehelyett kihasználhatják az LLM-ek erejét, hogy percek alatt teljesítsenek, ami általában órákig tart.

Például egy cégnél, amellyel valaha együtt dolgoztam, felkértek egy időzített Excel-értékelés elvégzésére, mivel a szervezet adatbázisának nagy része táblázatokban található. Olyan embert akartak felvenni, aki gyorsan ki tudja gyűjteni és elemezni tudja ezeket az adatokat.

Ez a követelmény azonban, hogy speciális eszközök használatában jártas jelölteket alkalmazzanak, el fog tűnni, ahogy az LLM elterjedtsége növekszik.

Például a ChatGPT-Excel integrációval egyszerűen kiemelheti az elemezni kívánt cellákat, és feltehet olyan kérdéseket az LLM-eknek, mint például: „Mi az eladási számok trendje az elmúlt negyedévben” vagy „Végezhet regressziós elemzést?”

A ChatGPT felváltja az adattudósokat?
A ChatGPT válasza arra, hogy hogyan nézne ki egy Excel-integráció

Az ehhez hasonló termékintegrációk révén az Excel és más hasonló szoftverek elérhetővé válnak azok számára is, akik általában nem használják őket, és csökkenni fog az eszköz iránti kereslet.

Kódbővítmények

A ChatGPT kódértelmező bővítmény egy másik példa arra, hogy az adattudományi munkafolyamatok hogyan demokratizálódnak. Lehetővé teszi Python kód futtatását és adatok elemzését a csevegésben.

A ChatGPT felváltja az adattudósokat?
Kép: "A legújabb most” a Médiumon

Feltölthet CSV-fájlokat, és letöltheti a ChatGPT-t, hogy megtisztítsa, elemezze és statisztikai modelleket építsen rájuk.

Miután elemezte az adatokat, és elmondja neki, hogy mit szeretne tenni (például előrejelzett értékesítési számokat a következő negyedévre), a ChatGPT elmondja, milyen lépéseket tehet a végső eredmény elérése érdekében.

Ezután elvégzi a tényleges elemzést és modellezést, és elmagyarázza a kimenetet a folyamat minden szakaszában.

In ezt cikkében a szerző arra kéri a ChatGPT kódértelmezőjét, hogy a Federal Reserve Economic Data (FRED) segítségével előre jelezze a jövőbeli inflációs trendeket. Az algoritmus az adatok aktuális trendjének megjelenítésével indult.

Ezután ellenőrizte az adatok stacionaritását, átalakította azokat, és úgy döntött, hogy az ARIMA-t használja a modellezéshez. Még az optimális paramétereket is meg tudta találni az előrejelzések készítéséhez az ARIMA-val:

A ChatGPT felváltja az adattudósokat?
Kép: "A legújabb most” a Médiumon

Ezek olyan lépések, amelyek végrehajtása egy adattudósnak általában 3-4 órát vesz igénybe, és a ChatGPT percek alatt meg tudta tenni a felhasználó által feltöltött adatok egyszerű feldolgozásával.

Ez lenyűgöző teljesítmény, és drámaian csökkenti a modellépítési folyamat megkönnyítéséhez szükséges szakértelem mennyiségét.

Természetesen függetlenül attól, hogy a mesterséges intelligencia mennyire jó a kódolásban és a modellépítésben, humán szakértőkre továbbra is szükség van a folyamat felügyeletére.

A ChatGPT gyakran hibás kódot generál, és rossz döntéseket hoz statisztikai modellek felépítése során. A vállalatoknak továbbra is olyan alkalmazottakat kell felvenniük, akik jók a statisztikákban és a programozásban, hogy felügyeljék az adattudományi folyamatot, hogy biztosítsák a modell helyes kérését.

Az LLM-ek nem hozhatnak létre teljes értékű adattermékeket, mivel az embereknek továbbra is el kell végezniük olyan feladatokat, mint a követelmények összegyűjtése, hibakeresés és a modell kimenetének érvényesítése.

A cégek azonban megteszik nem kell annyi ember hogy ezeket a feladatokat a korábbiakhoz hasonlóan végezzék.

Az LLM-ekhez hasonló jelentős hatékonyságnövekedés azt jelentené, hogy a csapatok megkezdhetik a létszámleépítést.

Ahelyett, hogy például 10 adattudóst végeztetnének el, a vállalatok egyszerűen ötöt alkalmazhatnak.

Úgy gondolom, hogy a belépő szintű adattudományi munkák lesznek az elsők, amelyeket ez a fejlesztés érint, mivel az LLM-ek már képesek középszintű kódolási és elemzési munkafolyamatokat végezni.

A munkaerő-felvétel lefagy az AI miatt már zajlik a nagytechnológiában, és tanúi lehetünk egy olyan forgatókönyvnek, amelyben az adattudományi munkaerő meghaladja az erre a készségre vonatkozó keresletet.

Szerencsére nekünk, technológiai és adattudományi szakembereknek nem minden a végzet és a szomorúság. Bár az LLM-ek gyorsan fejlődnek az olyan feladatok terén, mint a programozás és az adatelemzés, nem helyettesíthetik az emberi kreativitást és döntéshozatalt.

Íme néhány módszer a mesterséges intelligencia bizonyítására az LLM-ek korában:

Szerezzen üzleti szakértelmet

A szervezetek továbbra is olyan embereket vesznek fel, akik bevételt termelnek a vállalkozásnak.

Ha rendelkezik szakértelemmel egy adott területen, és megérti a vállalat műveleteinek és ügyféligényeinek bonyolultságát, akkor egyedülálló helyzetben van a növekedési lehetőségek azonosításához.

Az utolsó dolog, amit tenni szeretnél, hogy versenyben legyél a mesterséges intelligencia terén – nem akarsz a táblázatkezelő ember lenni, vagy az a személy, akihez mindenki felkeres egy negyedéves teljesítményjelentést. Ezek a munkák könnyen automatizálhatók, és a ChatGPT korszakában ezek lesznek az elsők.

Azzal érvelnék, hogy ahelyett, hogy erőfeszítéseit arra összpontosítaná, hogy megtanuljanak olyan speciális szoftvereket használni, amelyeket az LLM-ek sokkal gyorsabban tudnak elsajátítani, mint Ön, inkább tanuljon meg átfogóbb képet nézni. Fejlessze a vezetői és menedzseri készségeket, és értse meg, hogyan lehet az AI-t kihasználni a vállalat céljainak eléréséhez adatokkal.

Öleld az AI-t

A Pew Research Center szerint csak A felnőttek 14% -a valóban kipróbálták a ChatGPT-t. Ha olvassa ezt a cikket, használja a ChatGPT-t új dolgok elsajátítására, és folyamatosan figyelemmel kíséri a mesterséges intelligencia fejlődését, akkor Ön korai alkalmazó.

Azt javaslom, hogy építse be az LLM-eket a munkafolyamataiba, használjon AI-val integrált termékeket, és tanulja meg a legjobb gyakorlatokat a hatékonyság maximalizálása érdekében ezekkel a modellekkel.

Így az élen maradhat, és jobban megértheti, hogy munkája mely részei automatizálhatók, és melyek igényelnek emberi beavatkozást.

Ettől nemcsak jobb adattudós lesz, hanem amikor a szervezetek elkezdik beépíteni a mesterséges intelligenciát különböző üzleti területekbe, Ön a legjobb helyzetben lesz ahhoz, hogy tanácsot adjon arról, hogyan használható fel a termelékenység növelésére.

Valójában van egy új szerep, az ún gyors tervezés amely a közelmúltban jelent meg, és akár 335,000 XNUMX dollárt is elérhet. A gyors mérnök szakértő abban, hogy a generatív AI-alkalmazásokat arra késztesse, amit akarnak.

A jó mérnök az, aki képes „projektmenedzselni” az AI-t olyan feladatok elvégzésére, mint a webalkalmazások tervezése.

Függetlenül attól, hogy azonnali mérnökként szeretne-e dolgozni, a mesterséges intelligencia integrálása a meglévő munkafolyamataiba versenyelőnyt biztosít azokkal szemben, akik jelenleg nem végzik ezt.

Diverzifikálja jövedelmét

A szervezetek hamarosan megkezdik a szerkezetátalakítást, ahogy fejlődésnek indulnak új üzleti stratégiák amelyek tartalmazzák az AI-t.

Ha ez tömeges elbocsátásokat eredményez, az egyetlen módja annak, hogy megvédje magát, ha különféle bevételi forrásokkal rendelkezzen, amelyek nem kizárólag a teljes munkaidős állásán múlnak.

Azt javaslom, hogy hozzon létre egy szabadúszó portfóliót – ha több szervezetnél dolgozik és passzív jövedelemhez jut, akkor a jövője nem függ egyetlen munkáltató döntéseitől.

Személyes márka létrehozása

Végül a Harvard Business Review javasolja személyes márka létrehozása hogy kiemelkedjen a tömegből.

A közepes írók kedvelik Tim Denning és a Jessica Wildfirepéldául továbbra is elkötelezett követői és termékeiket fogyasztó emberek lesznek, még akkor is, ha a mesterséges intelligencia képes utánozni az írási stílusukat.

Ennek az az oka, hogy a nap végén az emberek élvezik a valós történeteket, és szeretnének más egyénekhez kapcsolódni, és ezt a mesterséges intelligencia egyszerűen nem tudja biztosítani.

Hasonlóképpen, a szervezetek továbbra is olyan iparági vezetőket vesznek fel, akik elismertek a területen, a minőség és a márkaépítés nyilatkozataként. A személyes márka felépítésének néhány módja az a adattudományi portfólió, tartalom létrehozása és folyamatos készségfejlesztés.

A generatív modellek átalakítják a munkakörnyezetet, és az olyan területekre, mint az adattudomány, az analitika és a programozás, hatással lesz az ezen eszközök által biztosított hatékonyságnövekedés.

Ez azonban nem jelenti a végét az adattudósok számára. A fent vázolt stratégiák követése segíthet abban, hogy a görbe előtt maradjon, és biztosítsa, hogy ne versenyezzen az AI-val.

Natassha Selvaraj egy autodidakta adattudós, akinek szenvedélye az írás. Kapcsolatba léphet vele LinkedIn.