Αρχικά με έλκυε η Αγγλική γιατί είχα πάθος με την αναλυτική πλευρά της κριτικής λογοτεχνίας και της ερμηνείας ποίησης, κάτι που βρήκα πολύ ενδιαφέρον. Προς το παρόν, εργάζομαι σε μια εταιρεία που χρησιμοποιεί τεχνητή νοημοσύνη για προγνωστική ανάλυση στον ασφαλιστικό τομέα. Οι αρμοδιότητές μου περιλαμβάνουν την εκπαίδευση επεξεργαστών ώστε να εξάγουν δεδομένα, τα οποία στη συνέχεια οργανώνονται σε πρότυπα και βάσεις δεδομένων. Επιπλέον, εργάζομαι σε τομέα prompt engineering, αντλώντας συμπεράσματα από εκτενείς ιατρικές καταγραφές και δηλώσεις νομικών. Αυτός ο ρόλος σηματοδότησε τη μετάβασή μου από τις σπουδές Αγγλικής στη βιομηχανία της τεχνολογίας. Καθ’ όλη τη διάρκεια του τρίτου έτους στο πανεπιστήμιο, συνειδητοποίησα ότι η δέσμευση για ακόμα δέκα χρόνια εκπαίδευσης για την ιατρική σχολή δεν ήταν η σωστή επιλογή για εμένα. Αυτό με ώθησε να αναζητήσω εναλλακτικά επαγγέλματα, κατά τη διάρκεια των οποίων ανακάλυψα τη σημασία της επιστήμης δεδομένων, της μηχανικής μάθησης και της τεχνητής νοημοσύνης. Η επιστήμη δεδομένων μου κέντρισε το ενδιαφέρον επειδή θύμιζε την εμπειρία μου στη λογοτεχνία Αγγλίας—δημιουργώντας συνδέσεις μεταξύ σημείων δεδομένων και αξιολογώντας τις σχέσεις και τις επιδράσεις τους. Έκανα αυτοδιδασκαλία στη επιστήμη δεδομένων μέσω πλατφορμών όπως το Coursera και το Udemy, ολοκληρώνοντας πολλά μαθήματα για να μάθω προγραμματισμό και να εμβαθύνω την κατανόησή μου στην τεχνητή νοημοσύνη και τη μηχανική μάθηση. Με την εμφάνιση του ChatGPT, πειραματίστηκα εκτεταμένα μαζί του, βελτιώνοντας περαιτέρω τις δεξιότητές μου στο prompt engineering.

Ψάχνοντας για καθοδήγηση, μίλησα με έναν ανώτερο διευθυντή προσλήψεων στον τομέα της τεχνητής νοημοσύνης στην Tesla. Ακολουθώντας τις συμβουλές του, άρχισα να μελετώ το MIT OpenCourseWare, παρακολουθώντας πολλές διαλέξεις, ολοκληρώνοντας εργασίες και κάνοντας πρακτικά κουίζ. Για να αποκτήσω μια θέση εργασίας, αιτήθηκα ευρέως και επικοινώνησα ενεργά με διευθυντές και υπευθύνους προσλήψεων. Το πρώτο μου επάγγελμα στον τομέα της τεχνητής νοημοσύνης ήρθε μετά από μια συζήτηση με έναν ιδρυτή μιας νεοφυούς επιχείρησης, ο οποίος μου προσέφερε θέση μετά από μια συνέντευξη. Ομοίως, κατέληξα στη σημερινή μου θέση επικοινωνώντας με άλλον διευθύνοντα σύμβουλο startup· η σύντομη συνέντευξή μας οδήγησε σε μια πρακτική άσκηση που τελικά έγινε πλήρους απασχόλησης. Αρχικά, ήμουν ανήσυχος για τη μετάβαση στον τομέα της τεχνολογίας, ανησυχώντας για την καμπύλη εκμάθησης πριν βρω εργασία. Ωστόσο, χάρη στην καθοδήγηση του πατέρα μου—εργάζεται στον τομέα της τεχνολογίας—κατάλαβα ότι δεν χρειάζεται απαραίτητα κανείς εκτεταμένη επίσημη εκπαίδευση για να μάθει τα βασικά και να εισέλθει στη βιομηχανία. Δεν έχω κανένα παράπονο για την επιλογή μου να σπουδάσω Αγγλική λογοτεχνία, παρόλο που υπήρξαν αμφιβολίες κατά τη διάρκεια. Ένα από τα μεγαλύτερα οφέλη της μελέτης της Αγγλικής ήταν η ανάπτυξη της ικανότητας να βλέπει κανείς πολλά σημεία αναφοράς, μια δεξιότητα πολύτιμη στον τομέα της Τεχνητής Νοημοσύνης και της επιστήμης δεδομένων, όπου η εξερεύνηση διαφορετικών οπτικών γωνιών είναι αναγκαία. Έχω διαπιστώσει πως αυτή η νοοτροπία είναι λιγότερο συνηθισμένη στους τομείς STEM, που συχνά εστιάζουν σε μια μοναδική σωστή απάντηση. Για όποιον σκέφτεται μια παρόμοια αλλαγή, πιστεύω ότι είναι σημαντικό να εντοπίσει τα στοιχεία του ακαδημαϊκού του υπόβαθρου στις ανθρωπιστικές σπουδές που απολαμβάνει πραγματικά και να βρει τρόπους να εφαρμόσει αυτές τις δεξιότητες πέρα από το πεδίο του. Αυτή η προσέγγιση δείχνει δημιουργικότητα προς τους εργοδότες και αναδεικνύει την ικανότητα μεταφοράς γνώσεων ανάμεσα σε διαφορετικούς τομείς, αυξάνοντας την αξία του στην αγορά εργασίας.