8 AI-скиллов, которые спрашивают у исследователей
Продолжаем делиться результатами исследования про рост требований ИИ навыков в вакансиях. Понедельник - день тяжелый, поэтому контент будет попроще 😁
❗ Ключевое: в вакансиях НЕТ требованиф конкретных ИИ-инструментов. Вместо этого - умение решать прикладные задачи
Лишь в 11% вакансий, где хоть как-то упоминается ИИ, есть названия конкретных инструментов - конкретики мало. Но это и не удивительно. Современные ИИ быстро прогрессируют и сейчас находятся практически на одном уровне, поэтому важен не выбор продукта, а то, что вы умеете им делать: навык решения разных задач с помощью ИИ ценнее знания любого конкретного сервиса.
Вдохновляющий пример: по свежему исследованию, отличать ИИ-текст от человеческого лучше всех получается не у тех, кто профессионально работает с текстами, а у тех, кто много работает с ИИ
В карточках — топ самых распространённых задач из вакансий. А подробнее о том, как меняются требования по ИИ, как и чему учиться — читайте в полных результатах исследования.
В комментариях делитесь, совпадают ли результаты с вашим опытом. Особенно в сфере AI!
Прошлые посты серии: ➖ Требования ИИ в зависимости от грейда и направления исследования
В этом посте были ссылки, но мы их удалили по правилам Сетки
· 22.08
в карточках не хватает самого практичного навыка — умения собрать rag-пайплайн поверх своих датасетов через эмбеддинги и api. без этого «решать прикладные задачи с ии» сводится к промптингу в чат, а исследователь с доменными данными так ничего не автоматизирует. авто-классификация и retrieval — это и есть тот слой, который отличает реальное применение от «спросил у chatgpt»
0
ответить
коммент скрыт — часть юзеров считает его токсичным или некорректным
коммент удалён