Код Професії: Чим Займається Machine Studying Engineer, Плюси Та Мінуси Професії

Вона буде представлена у зручному для ML-алгоритму вигляді. Це буде певний масив чисел, які відповідають (у цьому випадку) за сенсорні покази. Тож у мене є і друга робота, яка закриває потребу бачити результат. Це стартап під назвою Bynesoft, що працює з Large language model https://wizardsdev.com/. Ми заснували його разом з товаришами у січні 2022-го, тобто ще до появи ChatGPT. Ми надаємо готовий Back-end та інфраструктуру для створення застосунків на великих мовних моделях.

Україна прямує за світовими трендами, а також активно розвиває стартап-екосистему, тому ті, хто займається машинним навчанням, затребувані на місцевому ринку. Крім того, часто українські фахівці працюють з іноземними компаніями. CEO компанії Verbit Том Лівнє розповідає, хто може знайти роботу в галузях, пов’язаних з машинним навчанням, і як це зробити. Знання з програмування та математичних дисциплін я отримав під час навчання в університеті. Паралельно з цим переглядав освітні статті, проходив онлайн-курси з практичними завданнями.

Звісно що, на початку я припускався помилок, певно, як і всі. Один з «промахів» полягав у тому, що я недооцінював важливість даних, адже навіть найкращі моделі не здатні компенсувати низьку якість вхідних даних. Ретельна підготовка та валідація даних можуть значно покращити результати. Як на мене, ML Engineer насамперед буде важко без ґрунтовних знань з математики, тобто матричних обчислень, а це — лінійна алгебра.

Код Професії: Чим Займається Machine Studying Engineer, Плюси Та Мінуси Професії

Ви отримаєте листа з лінком для створення нового. Ми підготували спеціальний глосарій найбільш популярних професій в галузі ІТ. Щоб модель добре працювала у програмах реального часу, ML Engineer співпрацює з Data Analyst, Product Manager і розробниками ПЗ. Discovery-фаза, коли уточнюються задачі, дані, критерії приймання. Гарно мати під рукою Mathematics for Machine Learning.

Специфіка роботи така, що важко занудьгувати. Навіть однотипні, на перший погляд, задачі можуть виявитися або з зірочкою, або з приколом. Я зі школи вчив інформатику, вступив на факультет комп’ютерних наук, з кінця другого курсу я почав активно шукати інтернатуру. Це була позиція, тісно пов’язана з машинним навчанням. Не можу сказати, що це був саме усвідомлений вибір.

Відкрита бібліотека машинного навчання PyTorch — це абсолютний мастхев, тому що тут можна реалізувати все, що завгодно. З прикладною експертизою в цьому фреймворці (особливо якщо це комерційний досвід), спеціаліст точно знайде собі роботу. Кілька місяців я був Trading Analyst, але зрозумів, що фінансова сфера — це не моє. Фахівці компанії викладали на моєму факультеті курс з розробки й тестування. Я ще під час навчання добре себе зарекомендував, тож, коли мені запропонували приєднатися до команди на позицію Junior Software Test Automation Engineer, я погодився.

Що Таке Data Science (наука Про Дані)?

Кінцевою метою ML-інженера є розроблення масштабованих і ефективних систем на основі машинного навчання, які можуть розвʼязувати практичні проблеми. Багатьом також потрібно створювати візуалізацію даних, інформаційні панелі та звіти для ілюстрації результатів аналітики. «Якщо ви хочете найняти досвідченого ML Engineer, важливо розуміти, які саме навички ви хочете бачити у своєму кандидаті і поділитися ними в брифі вакансії. Щоби більше розуміти, хто є хто, ТСН.ua спільно з IT Prospect Європейської Бізнес Асоціації підготували спеціальний глосарій найбільш популярних професій у галузі ІТ.

Зараз пишуть тисячі наукових робіт, що показують, як можна змусити моделі краще розуміти цей світ. Але реального математичного обґрунтування багатьом дослідженням все ще бракує. Тому надалі будуть потрібні спеціалісти, які зможуть довести, що той чи інший метод справді працює. Все більше продуктів є таргетованими на конкретні предметні області. Проблема в тому, що часто до цих задач підключають людей з глибоким ML бекграундом.

[remote] [developer] Machine Learning Engineer For Toshiba Product @xenoss

Додатково я проходив курси на Coursera, але не сказав би, що їх там було багато. Раджу звернути увагу на ці — там є з чого обирати. Більшість опитаних ML-інженерів уникають розповіді про деталі проєктів, посилаючись на політику компанії. Проте додають, що нудно у цій професії точно не буде. Інженери тісно співпрацюють з розробниками ПЗ і Data Scientists.

• На сьогодні наш ринок такий, що люди з недовірою ставляться до інтернів та джуніорів через великі ризики.
• Аналіз і вибір моделі (алгоритму) машинного навчання.
• Якщо вашому проєкту потрібен кандидат з досвідом у Deep Learning, володіння нейромережами (наприклад, GAN або CNN) виділятимуть його на тлі інших.
• Приходьте на мітапи і лекції, беріть участь у хакатонах (до речі, ось і кейс!), приєднуйтесь до спільнот на Facebook.
• Наведу реальний приклад з роботи над класифікатором для текстів.

Згодом перейшов до розгляду готових проєктів та аналізу рішень типових проблем, які можна знайти на Kaggle та GitHub. Імплементував алгоритми з нуля, що дало більш ґрунтовне розуміння їхньої роботи. Як на мене, такий формат оптимальний, оскільки поєднується теорія з практикою.

Наприклад, нещодавно треба було сконвертувати нейромережу з одного формату в інший для більш ефективного запуску, а також переписати модуль, що займається препроцесингом вхідних даних. І, з одного боку ти наче просто змінив розмір картинки, а на виході маєш зовсім інші результати. — Хто такий Machine Learning Engineer і чим він займається? — Які знання та досвід потрібні Machine Learning Engineer? — Які книги варто прочитати майбутньому Machine Learning Engineer?

Візьміть участь у змаганні на платформі Kaggle або спробуйте створити свій проект на основі даних у відкритому доступі. Навіть якщо ніякого подальшого розвитку цей проект не отримає, у вас буде кейс, про який можна розповісти на співбесіді. Я, як і чимало новачків, приділяв мало часу обробці даних. Наведу реальний приклад з роботи над класифікатором для текстів.

Пошук Скілового Information Scientist За Допомогою Команди Itexpert

У машинному навчанні результат не завжди гарантований, іноді задачу справді важко розв’язати. Після тривалої роботи часто виявляється, що результат не відповідає очікуванням, і потрібно починати спочатку. Тому терпеливість і вміння знаходити нестандартні підходи є ключовими для Machine Learning Engineer. Мені важко порівнювати з іншими професіями, оскільки я був MLE від початку, але загалом сьогодні я задоволений своїм вибором.

І зазначу, що математичних знань, які дали в ІПСА, більш ніж достатньо, щоб навчатися в цих університетах і працювати далі в напрямку ML. Потім я збагнув, що мене більше цікавить розробка та проєктування інтелектуальних систем, ніж Chief Executive Officer for AI product вакансії просто аналіз даних, перевірка гіпотез чи прототипування моделей. І вирішив зосередитися на спеціальності Machine Learning Engineering. Аби втілити у життя те чи інше рішення, я витрачав багато часу, бо банально бракувало досвіду.

Через безліч напрямків, доменів та різних технологій у сфері, легко сплутати одну позицію з іншою. Крім того, спеціалісти часто «світчаться» між суміжними напрямками. Не поспішайте освіжати знання або отримувати нові.

Книжка Clean Code in Python охоплює теми шаблонів проєктування, архітектури програмного забезпечення, декораторів тощо й допоможе вам покращити навички програмування. Ще одна рекомендація — Designing Machine Learning Systems. Важливо вміти подати замовнику результат роботи своєї моделі, описати вдалі метрики. Оскільки зростає кількість даних і ми все частіше стикаємося з Big Data, то знати Apache Spark, Apache Hadoop теж не завадить.