Otonom araçlar fikri sadece birkaç yıl önce çok uzak görünüyordu, ancak şu an Google mühendisleri kendi kendine sürüş teknolojisinde geçmiş sınırlamaları aşmak için makine öğrenimini kullanıyor. Dahası, araştırmalarıyla ilgili olarak açtıkları ve bulgularını daha geniş bir toplulukla paylaştıklarında, alanda en üst düzey yetenekleri çekiyor.
Gerçek şu ki, günümüzde çoğu kurum yeteneklidir. Hepimiz doğru insanları bulabilirsek çok daha fazlasını yapabileceğimizi biliyoruz. Fakat yetenek nereden geliyor ve daha da önemlisi, yarının sorunları üzerinde bugün çalışabilecek bir takımı nasıl bir araya getireceğiz?
Yazılımın sadece kodlanmış değil, eğitilebileceği bir devrimin ortasındayız. Eğer ekipler tüm zamanlarını geleneksel mühendislik üzerine harcıyor ancak müşterilerinizin yararına olacak verilerinizi kullanmayı ihmal ediyorsa, başarısız oluyorsunuz demektir. Bu sadece bir fırsat değil, yüksek performanslı bir makine öğrenme ekibi kurmak çoğu teknoloji kuruluşu için bir zorunluluk.
İşinizdeki imkânsız sorunların üstesinden gelmek için doğru ekibin beceri, bilgi ve cesaretle birleştirilmesi zor olabilir ama aynı zamanda çok eğlenceli. Peki nereden başlamalı?
Sahada pratik deneyime sahip makine-öğrenme uzmanlarını bulmak zor görünebilir ve gerçekten zor. Belli bir başlangıç noktası, zaten makine öğrenimi ekiplerinin birbirleriyle etkili bir şekilde rekabet eden kurulu organizasyonlara bakmasıdır (örneğin, Facebook, Salesforce, Google, Apple gibi birçok mükemmel organizasyon var). Ama bu sadece işin bir parçası. Onları bulmuş olsanız bile, yine de ekibinize katılmayı istemeleri gerekiyor.
Akademide ya da kariyerlerinde geçiş yapan insanlar var: matematikçiler, fizikçiler ve veri bilimcileri. Bu grupta yetenek bulmak daha kolay olsa da, yeni doktora öğrencileri sıklıkla pratik deneyime sahip değildir. Yine de, akademiden çıkan en iyi adaylar, pratik iş deneyimi ve yayın kaydı olan kişilerdir.
İnsanlar aptal değil. Makine öğreniminin fantastik tazminatın üstesinden gelmek ve büyüleyici problemler üzerinde çalışmak için sıcak bir alan olduğunu biliyorlar.
Organizasyonunuzda, bu çalışanlardan bazıları bu becerileri kendi başlarına veya yöneticilerin cesaretlendirmeleriyle öğrenmeye zaman ayırmaktadır. Bu insanları bulmak ve ödüllendirmek gerekiyor!
Makine-öğrenme yetenekleri için kendi teknoloji personelinize bakmanın bir yararı, bu kişilerin kendi seçtikleridir. Çoğu durumda, ODTÜ,İTÜ,BOĞAZİÇİ veya Coursera’da ders alıyorlar – ya da kendilerine ders veriyorlar. Bu insanların çoğu henüz uygulayıcı değil ve yayınlanmış makaleleri yok. Tutkuları var ve işlerini biliyorlar. Bu kritik.
Makine öğrenim becerilerini geliştiren mevcut bir tutku takımına bir ya da iki çalışan ekleyebiliyorsanız, bu, iyi bir makine öğrenme ekibinin başlangıcıdır. Grubunuzun kompozisyonu yüzde 100 makine öğrenimi olmayabilir. Ancak, ekibin aslında yaptığı işin çoğu, işlerin yürümesini, ölçeklenmesini ve ölçeklenebilir bir şekilde varlığını içerir.
Verilerle çözülebilecek problemler açısından düşünerek bir makine öğrenme takımı için kültür oluşturmak gerekiyor.
Makine öğrenimi uzmanlığı karmaşık, görünüşte zor durumda olan sorunları çözer. Ancak, sahip olduğunuz yetenekle ilgili sorunları çözme fırsatını kaçırmayın. Giriş seviyesindeki insanların çözebileceği birçok makine öğrenme problemi var. Makine öğrenen bir ürün yöneticisi diye bir şey yoktur. Bunun yerine, her ürün yöneticisi ve her yöneticinin kendi ekibine sorması gerekiyor, “Müşterilerimize baktığınızda ürünü geliştirmek için verileri nasıl kullanabiliriz?”
Yüksek performanslı, makine-öğrenme ekibinin gelişmesi için yenilikçi, açık bir kültürün olması gerekmektedir. Aslında, doğru takıma sahip ve hayali problemlerle uğraşmıyorsanız, çalışanlar işten ayrılır. Bir yıldan beri yaptıkları iş hakkında konuşabilmeli ve üst düzey konferanslarda yayınlayabilmelidirler. Kurumlar, sonuçları yayınlamayı teşvik etmeli. Bu düzeyde yapılan işi özel olarak görmemeli ve katkıda bulunmaktan mutluluk duyulmalı. Bilimsel makale, nasıl bir itibar inşa ettiğini anlatmak için güzel bir fikir.
Eğer çalışanlarımızı yayın konusunda teşvik edersek çalışmak için cazip bir yer ve yetenek için bir mıknatıs haline geliriz.
Yolculukta takım üyelerini bulduğunuzda, kendini seçmeyenler bile, makine-öğrenme becerilerini de öğrenmeye ihtiyaç duyar. Buradaki zorluk şudur: Takımınız makine öğrenme taktiklerini öğrendiğinde, genellikle ürün yol haritasında çıkış olmadığı için bunları uygulayamazlar. İnsanlar bana geldiğinde “Bu konuda çalışmaya hazırım, kursu aldım.”diyor. Ne yazık ki, bu her zaman mümkün değildir, çünkü yol haritasının sorduğu şey bu değil.
İnsanlar bugün bu alanda gerçekten çalışmak istiyor. Ayrıca, organizasyonun makine öğrenme kabiliyetinin merkezi olmayan ve tüm kuruluş çapında dağıtılmış olması kritik öneme sahip.
Yüksek performanslı, makine öğrenen bir takım oluşturma süreci zor olabilir, ama aynı zamanda gerçekten eğlenceli. Tasarımcıların, ürün yöneticilerinin ve yöneticilerin hepsi rol oynayan bütünsel bir süreç. Pazarlamacılar, yöneticiler ve diğerleri çözülecek sorunları düşünmeli. Makine öğrenmeyi öğrenmesi gereken önceden var olan personelinizi alın, şirket içinde yeni beceriler öğrenebilecekleri kurslar veya oturumlar sunun ve bunları uygulamaya koymak için kolaylaştırın.
Ne diyelim daha ilerisi danışmanlık 🙂
