소개
이 기사에서는 AI로 돈을 벌 수 있는 다양한 방법을 탐구합니다.
1. 기업 고객 서비스 지원
방법:
시작하려면 Upwork 및 Fiverr와 같은 몇 가지 프리랜서 플랫폼에 가입하세요. 더 많은 지역 일자리를 찾고 있다면 Craigslist 또는 LinkedIn에서 행운을 시험해 볼 수도 있습니다.
고객을 확보한 후에는 커뮤니케이션이 핵심이라는 점을 명심하세요! 공연을 수락하기 전에 어떤 종류의 제품이나 서비스를 제공하는지 그들이 알고 있는지 확인하십시오. 당신의 기술이 허용하지 않거나 그 반대의 경우라면 너무 복잡한 것에 얽매이고 싶지 않을 것입니다. 당신이 할 수 있는 일에도 한계가 있다는 것을 고객이 알고 있는지 확인하십시오(예: "나는 알레르기가 있어서 고양이에 관한 글만 쓸 수 있습니다.").
2. 기업에 데이터 제공
기업에 데이터 제공
데이터는 귀중한 상품이며 회사는 모델을 교육하기 위해 데이터가 필요합니다. 학습 목적으로 데이터를 제공할 수 있는 방법은 많습니다.
앱 또는 기타 소프트웨어 제품을 만들고 광고가 포함된 무료 서비스로 제공하십시오. 광고는 수익을 창출할 것이며 사람들이 귀하의 앱을 사용하고 있다는 사실은 귀하가 제공하는 서비스(예: 액세스)에 대한 대가로 자신에 대한 귀중한 데이터를 제공하고 있음을 의미합니다.
휴대폰이나 컴퓨터의 센서를 사용하여 사람들이 시간을 보내는 위치(바/레스토랑) 또는 두 지점 사이를 이동하는 빈도(통근)에 대한 정보를 수집합니다. 이 정보를 광고주에게 직접 판매하거나 DataMarket과 같은 플랫폼을 통해 이러한 주제에 대한 집계된 통계를 판매하여 돈을 벌 수 있습니다.
3. AI 엔지니어 되기(AI가 어떻게 작동하는지 정말 이해하는 경우에만 수행)
AI 엔지니어가 되려고 생각하고 있다면 AI가 작동하는 방식을 잘 이해하고 있어야 합니다. 이는 Python 및 Java와 같은 다양한 프로그래밍 언어에 대한 코드를 읽고 쓰는 방법을 알고 있음을 의미합니다. 또한 데이터 문제를 해결할 수 있는 알고리즘을 구축하는 방법과 이러한 알고리즘을 평이한 영어로 설명할 수 있어야 합니다.
또한 기업이 인공 지능(AI)을 사용하여 혜택을 받을 수 있는 시기와 위치를 결정하는 데 도움이 되므로 비즈니스 운영 방식을 잘 파악하고 있어야 합니다. 예를 들어 온라인 또는 전화로 티켓을 판매하고 매년 수십만 명의 고객이 있는 항공사에서 근무하지만 시스템에 충분한 메모리 용량이 장착되어 있지 않아 아직 AI를 사용하지 않는 경우 예: 고용주는 어떤 종류의 AI 솔루션을 구현함으로써 절대적으로 이익을 얻을 수 있습니다!
마지막으로, 이 기술이 오늘날의 세계에서 왜 그토록 중요한지 설명할 수 있어야 하며, 다른 사람들이 따라잡기 전에 신기술을 일찍 채택하는 경쟁사에 뒤처지지 않도록 회사가 더 발전된 형태의 개발에 돈을 투자해야 하는 이유를 설명할 수 있어야 합니다. ...
4. AI가 인간보다 더 나은 일을 하도록 가르치기(올바른 교육과 경험이 있는 경우에만 수행)
AI에게 인간보다 더 나은 일을 하도록 가르치려면 AI가 어떻게 작동하고 솔루션이 작동하는 이유를 잘 이해해야 합니다. 또한 귀하의 솔루션이 다른 솔루션보다 나은 이유를 간단한 용어로 설명할 수 있어야 합니다. 문제가 복잡하거나 해결할 수 있는 방법이 많은 경우(예를 들어, 단일 "최선의" 방법이 없을 수 있음) 어려울 수 있습니다.
AI 시스템에게 특정 문제를 가장 잘 해결하는 방법을 가르칠 때-그것이 체스를 두든 암세포를 탐지하든--당신은 가능한 모든 방법을 더 작은 단계로 나누어 각 단계가 별개이지만 관련된 문제가 되고 다른 방법으로 해결할 수 있도록 해야 합니다. 필요에 따라 알고리즘."
5. 기계 학습 모델의 운영자가 되십시오(무엇을 하고 있는지 아는 경우에만 수행)
어떤 사람들은 기계 학습 모델을 운영하여 돈을 벌 수 있었습니다. 그러나 이는 수행 중인 작업을 알고 모델 작동 방식을 잘 이해하는 경우에만 가능합니다.
제대로 작동하려면 모델이 수행하는 작업과 수행 이유를 이해해야 합니다. 또한 기본 알고리즘에 대한 충분한 이해가 있어야 무언가 잘못되었을 때 스스로 디버깅하거나 시스템에서 발생하는 문제를 해결하는 데 도움을 줄 수 있는 다른 사람을 찾을 수 있습니다.
6. 새로운 기계 학습 모델 개발(기계 학습 및/또는 소프트웨어 구축에 대한 정규 교육을 받은 경우에만 수행)
기계 학습 작업에 관심이 있지만 해당 분야에 대한 정식 교육을 받지 않은 경우에도 여전히 돈을 벌 수 있는 방법이 있습니다.
AI 및 기계 학습 도구를 사용하여 새로운 모델을 구축하는 것을 전문으로 하는 데이터 과학자 또는 소프트웨어 엔지니어가 되려면 인공 지능(예: 신경망)에 대한 기본 개념을 포함하여 이러한 기술의 작동 방식을 이해하는 것이 중요합니다. 그리고 그것들이 문제를 해결하기 위해 어떻게 적용될 수 있는지. 위협적으로 들리더라도 걱정하지 마세요! 내가 여기에서 할 수 있는 것보다 더 철저하게 이러한 개념을 설명하는 리소스가 많이 있습니다. 이러한 리소스 중 하나는 Stanford University의 Coursera에 대한 CS224d 과정으로 CNN(Convolutional Neural Networks), RNN(Recurrent Neural Networks), Q-Learning과 같은 강화 학습 알고리즘, Deepmind의 AlphaGo Zero 프로그램과 같은 Monte Carlo Tree Searching 알고리즘과 같은 주제를 다룹니다. 인간 플레이어와 바둑을 두는 것; 다른 유용한 리소스로는 Andrew Ng의 Coursera 기계 학습 과정 또는 Google I/O 2018 컨퍼런스 비디오 페이지에서 Google Brain 창시자 Jeff Dean의 Neural Networks 강의 시리즈가 있습니다.
7. 모델의 성능을 향상시킬 수 있는 알고리즘, 하드웨어 또는 소프트웨어 플랫폼에 대한 실험 설계(통계 및/또는 실험 설계에 대한 정식 교육을 받은 경우에만 수행)
실험을 설계하는 방법을 알아야 합니다.
데이터 분석 방법을 알아야 합니다.
결과를 해석하고 청중(알고리즘 개발자든 고객이든)이 이해할 수 있는 방식으로 전달할 수 있어야 합니다.
8. 데이터 세트 및 결과 시각화 생성
데이터 세트 및 결과의 시각화 생성(그래픽에 대한 경험이 없더라도 누구나 어떤 목적으로든 시각화를 쉽게 생성할 수 있는 많은 도구가 있습니다.)
데이터 세트를 시각화하는 것은 AI로 작업하는 모든 사람에게 중요한 기술입니다. 작업 중인 데이터를 더 잘 이해하는 데 도움이 될 뿐만 아니라 다른 모든 사람이 이해할 수 있는 방식으로 결과를 전달하는 데 도움이 됩니다. 시각화 도구는 지난 몇 년 동안 크게 발전했으며 이제 데이터 세트에서 그래프, 차트 및 다이어그램을 만드는 매우 간단한 방법을 제공합니다.
9. 심층 신경망 구축과 관련된 코드 버그 디버깅(개념 수준에서 심층 학습이 작동하는 방식을 아는 경우에만 수행)
디버깅은 컴퓨터 프로그램에서 버그 또는 결함을 찾아 수정하는 프로세스입니다. 소프트웨어 개발의 일부라고 생각할 수 있지만 단순히 오류가 있는지 확인하는 것이 아니라 문제의 근본 원인에 집중한다는 점에서 테스트와는 다릅니다. 디버깅은 사용자가 문제 없이 코드를 사용할 수 있도록 코드가 의도한 대로 작동하는지 확인하는 데 주로 초점을 맞추는 유효성 검사와도 다릅니다.
디버깅에는 버그 찾기(오류 현지화라고도 함) 및 수정(오류 수정이라고도 함)의 두 가지 유형의 활동이 포함됩니다. 버그는 계층이 많은 복잡한 시스템 내부에서 발생하는 경우가 많기 때문에 찾기가 어려울 수 있습니다.
결론
AI의 부상으로 다양한 기술과 경험을 가진 사람들이 돈을 벌 수 있는 많은 기회가 있습니다. 한 영역에서 경험이 많을수록 해당 기술을 다른 영역에도 적용할 가능성이 높아집니다. 예를 들어, 당신이 고객 서비스 전화를 거는 전문가라면 AI 분야에 당신이 관심을 가질만한 다른 것이 있을 수 있습니다.