Базову теорію закінчили (кому цікаво, є крутий базовий курс на Coursera), перейдемо до підводних каменів. Машинне навчання – це коли комп’ютери вчаться на своїх помилках і успіхах, аналізують дані та прокачуються без постійного втручання людини. Ми писали окрему статтю про Machine Learning (обов’язково почитай). Глобально різниці в роботі між різними типами компаній я не бачив, оскільки підхід до розвʼязання задач, що стоять перед інженером, аналогічний. Однозначно треба володіти мовою програмування, вміти писати manufacturing ready код. Знати основні алгоритми ML, як заматчити бізнес-задачу з ML-проблемою.
Адже тут спочатку вивчаються вимоги, проводиться збір джерел, розглядаються референси та систематизуються дані. Тільки потім фахівець приступає до формування самої моделі. Важливо, щоб ML-інженер мав як технічні навички, і великий потік креативності. Так, до 2030 року за даними Бюро статистики праці США, зайнятість фахівців підвищиться на 22% порівняно з 2020 роком.
Приклад Використання Машинного Навчання
Якщо ви вже крутий Data Scientist, працюєте з ML як основним напрямом, то, певне, знайдете, з чим у цій статі не погодитися. Але я вважаю, що матеріал може бути корисний для того, щоб зламати кригу недовіри до машинного навчання як до інструмента повсякденної роботи. Саме Machine Learning Engineer робить ШІ розумнішим і виступає сполучною ланкою між даними й машинами. Йому потрібно володіти глибокими знаннями в галузі комп’ютерних наук, математики та статистики. Також інженери ML відмінно розбираються в алгоритмах, структурах даних і мовах, таких як Python, R і Java. Якщо тебе цікавить ця професія, приходь на наш безплатний марафон з Python, напиши гру за four дні та перевір свої сили.
Щоби більше розуміти, хто є хто, ТСН.ua спільно з IT Prospect Європейської Бізнес Асоціації підготували спеціальний глосарій найбільш популярних професій у галузі ІТ. Рейтинг не входить у цей набір даних, тому що він — наш результат прогнозу, а не те, з чого ми прогноз будуємо. Для такої роботи треба мати математичні знання, знати програмування.
Допоможемо З Вибором
Не варто боятися та недооцінювати фриланс-біржі, які можна використати для вдосконалення навичок і розвитку. До того ж можна розв’язати за допомогою ML задачі знайомих, у яких є власний бізнес. 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. Остаточною метою машинного інженера є створення масштабованих, ефективних і точних моделей машинного навчання, які можуть автоматизувати процеси й покращувати процеси ухвалення рішень. Вакансій ML Engineer на українському ринку відкрито небагато, вони зосереджені переважно у Києві або Львові, часом це віддалений формат роботи.
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.
Тому працюють над тим, щоб програма (наприклад, додаток в смартфоні) була інтуїтивно-зрозумілою в користуванні і разом з тим – вирішувала завдання бізнесу. Тобто, Data Scientist/Machine Learning Engineer роблять продукти, що існують, або нові розумнішими за допомогою аналізу даних. Існують різні види ML, кожен з яких має свої особливості. Вибір залежить від специфіки завдань і доступних даних. Тоді як аутсорсери мають змогу випробовувати різні технологічні інновації, оскільки фактично весь час працюють з різними продуктами.
Обговорюють Зараз
На мою думку, ML Engineer — це людина, яка може проаналізувати дані, підготувати їх, провести експерименти, натренувати модель і впровадити рішення у продакшн. Уяви комп’ютер, що вчиться грати в шахи без попереднього програмування на кожен хід. Він бачить мільйони партій, зіграних гросмейстерами, і поступово починає розуміти стратегію, тактику і патерни гри. Ці етапи можуть повторюватися кілька разів, залежно від складності задачі та результатів попередніх етапів. Machine Learning Engineer — це фахівець, який розгортає, тренує та підтримує моделі машинного навчання.
І щоб її написати, не потрібно бути крутим математиком з дисертацією. Просто так кидати в алгоритм власну базу даних, звісно, можна, але він може знайти кореляції, які не мають жодного прикладного значення, і навчитися прогнозувати саме їх. 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.
Представники багатьох галузей зацікавлені у накопиченні даних із подальшим формуванням готового продукту. Щоправда, для частини цих проблем є звичні вже методи розв’язання (передусім для труднощів з навчанням), але усі вони або потребують додаткових даних, або додаткового часу на розробку. На цю мить основним і найкрутішим видом ML є «глибоке навчання», коли ми складаємо Chief Executive Officer for AI product вакансії кілька алгоритмів у стосик і те, що є вихідними даними для «нижнього шару» алгоритмів, стає вхідними даними для «верхнього». Так, наприклад, працює будь-яке серйозне розпізнавання образів. Мені колись сподобалися безкоштовні курси з машинного навчання на Udacity. Там гарно пояснювали матеріал і завжди були мініквізи наприкінці кожної теми, аби себе перевірити.
Річний Глибоководний Хижак Може Приховувати Цікаву Таємницю Для Людського Життя – Вчені
До плюсів належить те, що машинне навчання захопливе, тут менше буденності в робочих завданнях. Часто доводиться глибоко занурюватися в доменну частину, відповідно — співпрацювати з ключовими людьми на проєкті, які ухвалюють стратегічні рішення, а це цікаво. Ще ви можете мати значно більший вплив на продукт (якщо ваша модель працюватиме добре), ніж у стандартному програмуванні, де ви зазвичай почуваєтеся гвинтиком у великому механізмі. Залежно від проєкту, чогось може бути більше, а чогось — менше. Machine studying дає бізнесу вагому конкурентну перевагу. Тому фахівців з машинного навчання цінують на ринку праці.
Ще один спосіб – попросити ML-інженер прорахувати ризики та можливі проблеми, які можуть вплинути на них. Якщо фахівець не може це зробити – він не ваш фахівець. Професіонали прикладної області, які вміють досліджувати та вирішувати логічні завдання, також зможуть легко розібратися з ML-системами.
Кто Такой Machine Learning Engineer И Сколько Он Зарабатывает
Для того щоб зрозуміти хороший ML-інженер або поганий, слід попросити спеціаліста вирішити 1 конкретне завдання. У процесі того, як він її вирішуватиме, стане зрозуміло наскільки він добрий. Найважливіше, про що повинен замислюватися ML-інженер, це якість даних та критерії оцінки. Крім того, якщо він дає лише один варіант вирішення завдання і не може пояснити чому саме так – це далеко не найкращий фахівець.
- Discovery-фаза, коли уточнюються задачі, дані, критерії приймання.
- Дізнайся, хто такий Affiliate supervisor, чим він займається і чому ця професія популярна.
- В інші дні ви можете активно працювати над інфраструктурою, це вже більш інженерне завдання.
- Для того щоб зрозуміти хороший ML-інженер або поганий, слід попросити спеціаліста вирішити 1 конкретне завдання.
- Власне, потім теж, але тоді ви будете краще розуміти, що саме робите.
- І якщо з’являється якась технологія, що покращує оптимізацію роботи й перформанс, а ви знаєте, як її використати (на кшталт ChatGPT), — це однозначно величезний плюс.
Навчатися доведеться постійно, адже навчання ― це частина професії. Штучний інтелект стає все розумнішим, але мало хто знає, завдяки кому це відбувається. Загалом, професія Machine Learning Engineer захоплива і перспективна, але вимагає багато зусиль і віддачі.
Озвучена заробітна плата — від $800 для Strong Junior до $7000 для досвідченого фахівця. ML Engineer — професія, яка дуже популярна на Заході й продовжує розвиватися в Україні. За даними всесвітньої мережі з пошуку зайнятості Indeed, у США такий спеціаліст у середньому заробляє за рік $148 тис., а в топових компаніях — $200–300 тис. В Україні, згідно зі статистикою DOU, ML Engineer у середньому отримує $2900 щомісяця. Тобто, Researcher та Business improvement https://wizardsdev.com/ government – це «продавці» ще не готових проектів будівництва.
Перелік конкретних інструментів досить просто знайти, наприклад, тут. Гарна новина в тому, що вони змінюються не з такою ж швидкістю, як, наприклад, у JS. Багато чого з переліченого я дізналася в університеті, коли навчалася за спеціальністю «Прикладна математика». Але головну підготовку я пройшла на стажуванні, на менторській програмі. Було складно через конкуренцію, яка існувала ще до появи ChatGPT і гайпу довкола ML. А нині вимоги до кандидатів зросли й продовжують зростати.