Als erstes: Ich arbeite genau in diesem Bereich du Scherzkeks. Deswegen schreibe ich das doch.
Auch wenn sich natürlich die Technologie schnell entwickelt, ist Erfahrung dennoch wertvoll, weil man diese Entwicklung eben mitgemacht hat und somit damit besser vertraut ist.
Absoluter Unsinn. Dafür müsstest du ständig die aktuellsten Modelle und ähnliches aktiv im Beruf implementieren. Wenn ich aber nur ein Interface für GPT4 nutze und dabei etwas fine-tuning betreibe habe ich dadurch kein tieferes Verständnis von LLMs. Auch dann nicht, wenn ich GPT4 seit Tag 1 nutze.
Außerdem ist noch immer das A und O ein gutes Gefühl für die Daten und zusammenhänge zu haben, Fehler, ausreißer in den Daten bereinigen...daraus auch evtl gute Features zu schauen.
Da stimme ich dir zu. Dennoch kennt man auch hier irgendwann alle Tricks. Was dann den Unterschied macht ist tiefes Domain-Knowledge. Da stimme ich dir zu.
Programmieren lernt man auch eher by doing als in der Theorie. Oban dann ein toll klingendes NN mit Tensorflow baut oder mit klassischem machine learning model ran geht ist dann in der Praxis vom Ergebnis her gar nicht mehr so entscheidend.
Für viele Data Scientists ist es mehr Scripting denn richtige Software Programmierung. Doch auch hier stimme ich dir zu, dass das mit Praxis zu tun hat.
Meine Aussage bleibt aber die gleiche: Viele Leute arbeiten in einem langsamen Umfeld und arbeiten nicht mit den aktuellen Technologien. Nur weil jemand "10 Jahre Erfahrungen mit CNNs, RNNs in der Bildverarbeitung" drinnen stehen hat, heißt das nicht, dass die Person ein totaler Experte ist. Es steigt noch nicht einmal die Wahrscheinlichkeit, dass es so ist. Ich sage lediglich, dass die Anzahl an Jahren Berufserfahrung erstmal nichts aussagt. Es kommt entscheidend auf die Projekte an. Und das gilt für alle technischen Professionen. Genauso ist Master nicht gleich Master und PhD nicht gleich PhD.
Weststurm schrieb am 22.11.2023:
WiWi Gast schrieb am 22.11.2023:
Ich finde es immer witzig, dass bei technischen Jobs (wo richtig viel Veränderung in kurzer Zeit stattfindet) immer die YOE als Grund für ein bestimmtes Gehalt genommen werden. Als ob man einfach über die Jahre besser / wertvoller wird.
Es ist einfach so dass der Arbeitsmarkt Erfahrung stark bewertet. Ich finde das auch etwas übertrieben wie es ist, aber so läufts halt.
Auch wenn sich natürlich die Technologie schnell entwickelt, ist Erfahrung dennoch wertvoll, weil man diese Entwicklung eben mitgemacht hat und somit damit besser vertraut ist.
Außerdem ist noch immer das A und O ein gutes Gefühl für die Daten und zusammenhänge zu haben, Fehler, ausreißer in den Daten bereinigen...daraus auch evtl gute Features zu schauen. Daher ist Erfahrung hier sicher auch viel wert. Programmieren lernt man auch eher by doing als in der Theorie. Oban dann ein toll klingendes NN mit Tensorflow baut oder mit klassischem machine learning model ran geht ist dann in der Praxis vom Ergebnis her gar nicht mehr so entscheidend.
Jedenfalls man Markt an deinem Kommentar dass du nicht sicher nicht in dem Bereich arbeitest
antworten
