Машинное обучение (ML) — перспективное направление развития искусственного интеллекта, которое позволяет создавать алгоритмы и модели, которые могут обучаться на данных и принимать решения. Расскажем, как устроена работа в этой области и что надо для развития в ML.
Специальности в ML
В мире ML существуют две основные роли: Research Scientist и Research Engineer.
- Research Scientist, или научный сотрудник, формирует научную повестку и определяет направления будущих исследований, занимается развитием математических моделей, проводит теоретические исследования.
- Research Engineer, или инженер-исследователь, ориентирован на практическую реализацию этих моделей: он пишет код и тестирует гипотезы.
Необходимые навыки для исследователя
С чего начать? Какие навыки понадобятся?
- Математика — это база. Она помогает понимать сложные концепции и алгоритмы, так что без хорошего понимания линейной алгебры, статистики и теории вероятностей двигаться в сторону ML будет сложно.
- Программирование. Основным языком программирования в ML сейчас является Python, он прост в изучении и предоставляет кучу библиотек, которые облегчают работу над ML-проектами. Но важно не только научиться писать код, но и понимать, как проверять гипотезы, выстраивать логическую цепочку исследования.
- Английский язык — это международный язык науки. Для чтения и подготовки статей, общения на конференциях и сотрудничества с коллегами со всего мира английский — обязательное условие.
- Вы будете писать научные статьи и защищать свои идеи перед рецензентами, что потребует навыков аргументации и четкого изложения своих мыслей.
- Инициативность — в исследовательской работе важно проявлять инициативу. Никто не скажет вам, что именно нужно делать! Вы сами будете искать интересные задачи и пути их решения.
- Даже если вы стоите за проектом один, в какой-то момент придётся взаимодействовать с коллегами и делиться своими находками, поэтому важно уметь работать в команде. Совместная работа позволяет обмениваться знаниями и находить более эффективные решения.
- Терпение. Научное исследование — это путь, полный неизвестностей. Вы должны быть готовы к тому, что ваши гипотезы иногда будут неверными, а дорога к результату будет долгой и сложной.
Наука в индустрии и академическая наука
Исследования в ML проводятся на базе университетов и крупных компаний.
- Университеты обычно предлагают более свободную атмосферу для фундаментальных исследований. Здесь ученые занимаются тем, что им действительно интересно, но минусом может быть ограниченность ресурсов и доступа к большим данным.
- Крупные компании, например, Google, Facebook и Microsoft, имеют огромные ресурсы и доступ к колоссальным объемам данных, а тесная связь с бизнесом позволяет быстро находить актуальные и практически значимые задачи. Однако здесь свобода научных исследований может быть ограничена бизнес-целями компании.
Путь в карьеру ML
Процесс становления ML-исследователем занимает обычно от 4 до 10 лет, поэтому лучшее время для старта — это студенческие годы. Проще всего уже в университете найти научного руководителя или компанию для стажировки — опытный сотрудник компании или университета может выступить вашим ментором.
Найти хорошего научного руководителя крайне важно! Он поможет вам с выбором направления исследований и подскажет, где найти необходимые ресурсы, будет направлять вас на протяжении всей карьеры, делиться опытом, знаниями, помогать наращивать связи.
Наука в области машинного обучения предоставляет неограниченные возможности для роста. Здесь можно развиваться на любом международном уровне всю свою жизнь, участвовать в передовых исследованиях, создавать новые модели, которые будут использоваться по всему миру. ML — это не просто профессия, это образ жизни, поэтому ML выбирают по любви.
