Munculnya model bahasa besar membuat sulit memprediksi bagaimana AI akan membentuk ulang dunia, dan pasar kerja sudah mulai berubah. Alih-alih mendaftar judul pekerjaan data science, tulisan ini melihat apa yang berubah di bidang tersebut, mengapa peran-peran baru bermunculan, dan bagaimana para profesional dapat mempersiapkan diri.
Sebelum era transformer, data science pada dasarnya terbagi dua. Data Scientist lebih dekat dengan sisi produk, berfokus pada statistik, eksperimen, analisis data, dan penggalian wawasan, dengan Python dan SQL sebagai alat utama. Machine Learning Engineer bekerja lebih dekat dengan model itu sendiri, menangani pipeline pelatihan, optimisasi, jaringan saraf, performa, dan deployment, biasanya menggunakan pustaka seperti TensorFlow dan PyTorch. Data Analyst dan Data Engineer memiliki batasan yang lebih jelas.
Jabatan Applied Scientist, yang dipopulerkan oleh perusahaan seperti Amazon dan Microsoft, mengisi wilayah tengah. Applied Scientist bereksperimen dengan model dan algoritma baru, tetapi juga harus memastikan kode mereka dapat berjalan dalam sistem produksi. Batas antar peran ini bertahan karena pembuatan prototipe membutuhkan berminggu-minggu pengodean, pengujian, dan debugging manual, tanpa asisten pengodean untuk membantu.
Segalanya berubah dengan makalah Google tahun 2017 "Attention Is All You Need", yang memperkenalkan arsitektur transformer yang menjadi dasar LLM seperti GPT. Bidang ini mulai memberi perhatian serius setelah GPT-3, tetapi GPT-4 adalah titik balik yang sesungguhnya, ketika perusahaan mulai memikirkan ulang cara membangun dan menerapkan model. Pergeseran inilah yang memunculkan peran-peran baru yang dibahas di sisa artikel.
Sumber: Towards Data Science · Diringkas oleh HeadlinesBriefing