লার্জ ল্যাঙ্গুয়েজ মডেলের উত্থান AI কীভাবে পৃথিবীকে নতুনভাবে গড়বে তা আগেভাগে বলা কঠিন করে তুলেছে, আর চাকরির বাজার ইতোমধ্যেই বদলাচ্ছে। ডেটা সায়েন্সের চাকরির তালিকা না দিয়ে, এই লেখাটি দেখে এই ক্ষেত্রে কী বদলেছে, কেন নতুন ভূমিকা তৈরি হচ্ছে এবং পেশাজীবীরা কীভাবে এর জন্য প্রস্তুতি নিতে পারেন।
ট্রান্সফর্মার যুগের আগে, ডেটা সায়েন্স মূলত দুই ভাগে বিভক্ত ছিল। ডেটা সায়েন্টিস্টরা প্রোডাক্ট দিকের কাছাকাছি থাকতেন, পরিসংখ্যান, পরীক্ষানিরীক্ষা, ডেটা বিশ্লেষণ ও অন্তর্দৃষ্টি বের করার ওপর মনোযোগ দিতেন, যেখানে Python ও SQL ছিল মূল হাতিয়ার। মেশিন লার্নিং ইঞ্জিনিয়াররা মডেলের আরও কাছে কাজ করতেন, ট্রেনিং পাইপলাইন, অপ্টিমাইজেশন, নিউরাল নেটওয়ার্ক, পারফরম্যান্স ও ডিপ্লয়মেন্ট সামলাতেন, সাধারণত TensorFlow ও PyTorch-এর মতো লাইব্রেরি দিয়ে। ডেটা অ্যানালিস্ট ও ডেটা ইঞ্জিনিয়ারদের সীমারেখা ছিল আরও স্পষ্ট।
অ্যাপ্লাইড সায়েন্টিস্ট পদবিটি, যা Amazon ও Microsoft-এর মতো কোম্পানির মাধ্যমে জনপ্রিয় হয়, এই দুইয়ের মাঝখানের জায়গা পূরণ করত। অ্যাপ্লাইড সায়েন্টিস্টরা নতুন মডেল ও অ্যালগরিদম নিয়ে পরীক্ষা করতেন, কিন্তু তাদের কোড যেন প্রোডাকশন সিস্টেমে চলতে পারে তাও নিশ্চিত করতে হতো। ভূমিকাগুলোর মধ্যে রেখা টিকে ছিল, কারণ প্রোটোটাইপিংয়ে সপ্তাহের পর সপ্তাহ ম্যানুয়াল কোডিং, পরীক্ষা ও ডিবাগিং লাগত, আর সাহায্যের জন্য কোনো কোডিং অ্যাসিস্ট্যান্ট ছিল না।
২০১৭ সালে Google-এর "Attention Is All You Need" পেপারের মাধ্যমে সবকিছু বদলে যায়, যা GPT-এর মতো LLM-এর ভিত্তি ট্রান্সফর্মার আর্কিটেকচার চালু করে। GPT-3-এর পর এই ক্ষেত্রের মানুষ গুরুত্ব দিয়ে মনোযোগ দিতে শুরু করে, কিন্তু GPT-4 ছিল প্রকৃত মোড়, কারণ কোম্পানিগুলো মডেল কীভাবে তৈরি ও ডিপ্লয় হবে তা নতুন করে ভাবতে শুরু করে। এই পরিবর্তনই লেখার বাকি অংশে আলোচিত নতুন ভূমিকাগুলোর জন্ম দিয়েছে।
উৎস: Towards Data Science · সারাংশ: HeadlinesBriefing