10% фахівців мають до року досвіду в цій спеціалізації, і лише 20% працюють понад п’ять років. 7% ще вчаться у виші (серед інших спеціалізацій студентів лише 4%). Сьогодні, за місяць чи за три роки – у будь-який час ШІ-індустрія, як і будь-яка інша, потребуватиме справжніх профі. Разом зі збільшенням потреби бізнесу в ШІ-функціоналі потроху зростає й попит на ML-інженерів. Так, на момент написання статті ми знайшли 23 вакансії в Linkedin та 32 на DOU для досвідчених інженерів з машинного навчання.
Як відповідати дітям на складні запитання
Але звичайно, весь матеріал подається через призму нашого з Дімою робочого досвіду, ми даємо багато підказок та порад, які ми самі хотіли б отримати на старті. Штучний інтелект постійно розвивається, стає «розумнішим» і вчиться робити нові круті штуки. Створює контент, аналізує дані, автоматизує задачі, прогнозує тренди, пише код, спілкується з клієнтами тощо. До 2026 року близько 80% компаній використовуватимуть у своїй роботі генеративний ШІ (моделі на кшталт ChatGPT, Gemini, DALL-E і Midjourney). Тому професії, пов’язані з машинним навчанням, стануть ще більш затребуваними. На виході ми очікуємо побачити код для обробки даних і професії майбутнього код для навчання ML-моделі, а також набір розрахованих метрик Machine Learning, які показують, наскільки добре і точно працює система.
ML-інженери: від А до Я про одну з найпопулярніших професій
Передбачає виявлення стосунків між кількома змінними. Застосовується в двигунах видачі рекомендацій.Приклад – інтернет-магазин, розділ «Разом із цим товаром зазвичай купують…». Так називається застосування неконтрольованого навчання https://wizardsdev.com/ у системах рекомендацій. Якщо дані пов’язані один з одним безперервно, алгоритм навчання застосовується для майбутніх прогнозів.
Спеціалізовані напрямки:
Глобально різниці в роботі між різними типами компаній я не бачив, оскільки підхід до розвʼязання задач, що стоять перед інженером, аналогічний. ШІ розробник повинен вміти працювати з алгоритмами та структурами даних, оскільки це є фундаментом у його професії. Корпорація Google повідомила, що запускає новий онлайн-курс Machine Learning Bootcamp для девелоперів. В світі JS фреймворків є класична задача «ToDo List», яка дозволяє засвоїти базиси і є хорошим прикладом для подальших практичних задач. Базову теорію закінчили (кому цікаво, є крутий базовий курс на Coursera), перейдемо до підводних каменів. Один факт того, що «експерту» на курсах розповідали про один інструмент, не робить його галузевим стандартом.
- Потім почав писати класифікатор новин зі студентських пабліків у телеграмі.
- Аналітики даних вміють працювати з Tableau або Microsoft Power BI, а також писати SQL-запити.
- Дехто вивчає лише основи Python і відразу переходить до інструментів.
- У сфері Machine Learning Engineering безпосередня розробка моделей машинного навчання займає лише невелику частину від всього обсягу роботи.
Код професії: чим займається Machine Learning Engineer, плюси та мінуси професії
Якість обробки даних є основним критерієм, тому Data Engineer може контролювати код, який пише команда дата-інженерів. Одним з перевірених методів контролю, що добре працює — через пул-реквести. Медіанна зарплата Data Engineer / Big Data Engineer влітку 2023 року становила $3500, як і у розробників. Зарплати початківців дещо вищі у розробці, але досвідчені Data / Big Data Engineer можуть розраховувати на вищі зарплати, ніж розробники такого ж тайтлу. Також важливі галузі класичного (не глибокого) машинного навчання — робота з часовими рядами та з табличними (табулярними) даними. У невеликих командах спеціалісти універсальні й часто можуть виконувати усі функції, що повʼязані з data science.
Проблеми ML
Наші експерти переконані, що онлайн-тренінги – це хороший старт, але для того, щоб отримати роботу цього недостатньо. Після самостійного навчання багато хто приходить на інтерв’ю з кашею в голові та цілковитим нерозумінням скоупу завдань дата-інженера. Позиції для новачків в цьому сегменті можна полічити на пальцях, оскільки кіт в мішку нікому не потрібен. Шукайте компанію з великим досвідом в дата-практиці, яка візьме вас на поруки і буде показувати, що таке продакшн і «з чим його їдять». Вам треба проявити себе так, щоб затриматися й вирости до middle або senior спеціаліста.
Майбутнє взаємин людини і машини — чи доживе людство до моменту, коли його знищуватиме АІ
Тому перед тим, як братися до ML, треба витратити час і сили на те, щоб сформулювати власну гіпотезу щодо того, чий вплив і на що ми шукаємо. Другий — «без вчителя», «ось тобі дані, сам з них щось витягни». Саме цим користуються датамайнери, які дають алгоритмам достобіса даних і шукають за їх допомогою приховані патерни. Якщо ви вже крутий Data Scientist, працюєте з ML як основним напрямом, то, певне, знайдете, з чим у цій статі не погодитися.
Можна спробувати обійтися без диплома, але машинне навчання – складна річ. За скрутну роботу фахівці хочуть отримувати відповідно. Щоб успішно робити кроки шляхом машинного навчання, дані раніше рекомендації знадобляться в обов’язковому порядку. Непоодинокі випадки, коли певні риси характеру заважають досягти бажаних успіхів. Перед тим, як розпочинати освоєння роботи, можна і потрібно дізнатися про перспективи обраного напряму. Це досить важливе питання, оскільки ніхто не хоче вчитися просто так.
Ще одна рекомендація — Designing Machine Learning Systems. Наприклад, синдром самозванця рекомендаційна система на стримінговому сервісі, яка пропонує фільми на основі ваших попередніх переглядів, є результатом роботи ML-спеціаліста. Як зазначалося раніше, інженер машинного навчання є одним із прикладів багатьох професій, які виникли у відносно новій галузі машинного навчання. Давайте спробуємо зрозуміти відмінності між основними назвами посад. Він повинен мати можливість спілкуватися та співпрацювати з іншими членами команди, такими як інженери даних та аналітики даних. Робота ML-інженера (мабуть, як і всіх фахівців IT та Digital) – це ненормоване навантаження.