- Ein Promotionsstudium ist für Machine-Learning-Positionen nicht immer erforderlich; praktische Fähigkeiten und Erfahrung werden hoch geschätzt.
- Die Branchentrends verschieben sich hin zu Kompetenzen und Beiträgen statt zu traditionellen Abschlüssen.
- Startups bieten einen alternativen Weg für angehende Machine-Learning-Ingenieure.
In der sich schnell entwickelnden Welt der künstlichen Intelligenz (KI) und des maschinellen Lernens hat die Debatte über die Notwendigkeit eines Ph.D.-Abschlusses für angehende Machine Learning Engineers an Bedeutung gewonnen. Diese Diskussion wurde durch jüngste Kommentare von Branchenexperten und die sich ändernde Landschaft der KI-Jobanforderungen befeuert. Während einige argumentieren, dass ein Ph.D. nicht wesentlich ist, glauben andere, dass er innovative Perspektiven in das Feld einbringen kann.
Vielfältige Meinungen in der Tech-Community
Eine kürzliche Twitter-Diskussion, die von einem Benutzer initiiert wurde, der sein Dilemma bezüglich der Verfolgung eines Ph.D. zum Machine Learning Engineer zum Ausdruck brachte, hat eineconversation unter Tech-Professionellen entfacht. Viele haben ihre Meinungen geäußert und die Vorstellung herausgefordert, dass ein Doktortitel eine Voraussetzung für den Erfolg in diesem Bereich ist.
Cristian Garcia, ein Machine Learning Engineer bei Googles DeepMind-KI-Abteilung, glaubt, dass ein Ph.D. für eine Rolle als Machine Learning Engineer möglicherweise übertrieben ist.* Laut Garcia decken Ph.D.-Programme oft nicht wesentliche Fähigkeiten wie DevOps, Datenbereinigung, Data Engineering und Backend-Arbeit ab, die für den Job lebenswichtig sind. Er argumentiert, dass maschinelles Lernen nur eine Komponente der Rolle ist und dass praktische Fähigkeiten eine signifikante Rolle für den Erfolg spielen.
Andererseits haben einige Benutzer Bedenken geäußert, dass ein Ph.D. potenzielle Arbeitgeber abschrecken könnte.* Sie argumentieren, dass Rekrutierer Ph.D.-Inhaber möglicherweise als mangelnde Branchenerfahrung, teuer oder zu stark auf theoretische Aspekte fokussiert wahrnehmen. Einige schlagen sogar vor, dass Unternehmen, die einen Ph.D. als strikte Anforderung auflisten, die Rolle, für die sie einstellen, möglicherweise nicht vollständig verstehen.
Branchentrends und Perspektiven
Die Debatte über die Notwendigkeit eines Ph.D. für Machine-Learning-Rollen findet zu einer Zeit statt, in der der KI-Jobmarkt boomt und Unternehmen ihre Einstellungskriterien neu bewerten. Mehrere Branchenexperten und Tech-Giganten haben ihre Perspektiven zu diesem Thema geteilt.
Chris Foltz, Chief Talent Officer bei IBM, betont die Bedeutung von Fähigkeiten und Erfahrungen gegenüber traditionellen Abschlüssen bei der Einstellung für KI-Rollen.* Foltz schlägt vor, dass Kandidaten, die ihr KI-Wissen effektiv nachweisen können, hoch geschätzt werden, unabhängig von ihrem akademischen Hintergrund.
Lindsey Duran, Vizepräsidentin für globales Recruiting bei Nvidia, teilt diese Ansicht und stellt fest, dass Bewerber aus nicht-traditionellen Hintergründen hervorstechen können, indem sie ihre Karrieremeilensteine, Führungsfähigkeiten und die Auswirkungen ihrer vorherigen Projekte betonen.*
Alex Shapiro, Chief People Officer bei Jasper AI, einem KI-Startup, schlägt vor, dass unkonventionelle Hintergründe für Arbeitgeber manchmal attraktiver sein können als technische Abschlüsse.* Shapiros Standpunkt unterstreicht den Wandel der Branche hin zur Wertschätzung praktischer Expertise und realer Beiträge.
Alternative Wege erkunden
Einige Mitwirkende in der Twitter-Diskussion haben alternative Wege für Personen angeboten, die Machine Learning Engineer werden möchten, ohne einen Ph.D. zu verfolgen. Ein Benutzer schlägt vor, bei einem Startup zu beginnen, das eher bereit sein könnte, Chancen auf Kandidaten ohne Doktortitel zu nehmen. Die Erfahrungsgewinnung bei einem Startup kann dann in Zukunft Türen zu größeren Unternehmen öffnen.
Die Debatte darüber, ob ein Ph.D. notwendig ist, um Machine Learning Engineer zu werden, entwickelt sich in der Tech-Community weiterhin. Während einige argumentieren, dass ein Doktortitel ein Vorteil sein kann, glauben andere, dass er nicht immer mit den praktischen Fähigkeiten übereinstimmen kann, die für die Rolle erforderlich sind. Branchentrends zeigen eine wachsende Betonung von Fähigkeiten, Erfahrungen und Beiträgen gegenüber traditionellen Abschlüssen, was auf eine sich ändernde Landschaft in den KI-Einstellungspraktiken hinweist. Letztendlich haben Personen, die in den Bereich des maschinellen Lernens eintreten möchten, verschiedene Möglichkeiten zu erkunden, einschließlich der Erfahrungsgewinnung bei Startups und der Präsentation ihrer praktischen Fähigkeiten gegenüber potenziellen Arbeitgebern. Da sich der KI-Jobmarkt weiterhin ausdehnt, werden sich die Kriterien für den Erfolg in diesem dynamischen Feld wahrscheinlich weiter entwickeln.
Die klügsten Krypto-Köpfe lesen bereits unseren Newsletter. Lust dabei? Mach mit.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com übernimmt keine Haftung für Investitionen, die auf Basis der auf dieser Seite bereitgestellten Informationen getätigt werden. Wir empfehlen dringend eine unabhängige Recherche und/oder Beratung durch einen qualifizierten Fachmann, bevor Sie Anlageentscheidungen treffen.
John Palmer
John Murangiri kam mit Kenntnissen in Marktanalyse zu Cryptopolitan. John (auch bekannt als JP) hat an der Universität Nairobi einen Bachelorabschluss in Massenkommunikation und Medienstudien erworben. Er hat zuvor Crypto-Markt-Einblicke für InsideBitcoins.com und Metacoingraph beigesteuert.
