МНЕНИЕ
Почему инженеры по машинному обучению (или специалисты по данным) не являются звездами шоу
Но по-прежнему являются неотъемлемой частью любой успешной рабочей силы.
Эта статья - не атака на всех инженеров по машинному обучению или специалистов по анализу данных. Я инженер машинного обучения и компьютерного зрения, и эта статья основана на моих наблюдениях и опыте работы с искусственным интеллектом. промышленность.
Все заявления, сделанные в этой статье, основаны на мнении.
На этом мы можем начать.
Шумиха реальна
Роль Data Scientist была названа самой сексуальной работой 21 века, и спрос на инженеров машинного обучения с годами рос в геометрической прогрессии. В 2019 году сайт вакансий Indeed оценил роли инженеров компьютерного зрения (13), инженеров машинного обучения (1) и специалистов по данным (22) среди 25 лучших вакансий в США
Эта шумиха реальна и вполне оправдана, поскольку очевидно, что методы машинного обучения встроены практически во все, от автомобилей, смартфонов и даже до холодильников.
Шумиха, спрос, огромная зарплата и все внимание могут заставить любого профессионального практикующего ML почувствовать себя суперзвездой.
На самом деле специалисты по машинному обучению ценятся, особенно когда они действительно талантливы в своей работе. Как уже было сказано, наша роль инженера машинного обучения - лишь небольшой кусочек головоломки.
Загадка - это конечный продукт.
Во время учебы и фазы обучения большинство практиков машинного обучения застревают в блокнотах и скриптах на Python.
Для некоторых степень их проектов заключается в том, чтобы иметь доступный API-интерфейс для отдыха в качестве интерфейса для возможностей модели машинного обучения.
Но есть мир до и за пределами записных книжек и API.
Мир до
До того, как инженеры машинного обучения или специалисты по данным будут вовлечены в проект, уже существует несколько других рабочих ролей, которые включены в процесс принятия решений и другие процессы.
Позвольте мне перечислить несколько:
- Маркетолог: анализирует данные о целевой аудитории и потребителях, на которых ориентирован продукт. Их работа решает, какую форму примет конечный продукт.
- "ЭТО. Бизнес-аналитик »: трансформирует бизнес-требования в действенные ИТ-услуги. технические характеристики. Они несут ответственность за выполнение общих действий, установленных руководителями проектов и заинтересованными сторонами, и преобразование их в практические задачи для инженерных групп.
- CEO: Top Boss.
- Дизайнер продукта: отвечает за визуализацию интерфейса продукта (UI) и взаимодействий (UX) до начала фактической разработки.
- Инженер-программист: создает программный продукт с использованием различных инструментов и языков программирования в зависимости от платформы, на которой должен существовать продукт.
- Владелец продукта: отвечает за обеспечение выполнения и мониторинг разработки ключевых функций продукта, согласованных ключевыми заинтересованными сторонами.
Практикующие ML никогда не могут вступать в контакт с людьми, связанными с ролями, перечисленными выше в жизненном цикле проекта.
Если мы еще раз посмотрим на список 25 лучших ролей Indeed в США; эти роли являются частью перечисленных ролей, владельцы продуктов, дизайнеры продуктов и разработчики также являются главными ролями.
И они создали игровую площадку для нас, инженеров машинного обучения и специалистов по данным.
Мир за гранью
Ничто не сравнится с ощущением реализации модели и ее обучения до такой степени, что она имеет высокий уровень точности и эффективную производительность при использовании с тестовыми данными (бонусный балл, если ваша модель достаточно мала для работы на периферийных устройствах ).
Чтобы ничего не отнимать у практиков машинного обучения, но покупатели коммерческого продукта не используют ваши модели напрямую. На самом деле они, скорее всего, не обращают внимания на то, что в продукте задействована какая-то форма машинного обучения.
И это не должно быть сюрпризом. Методы машинного обучения, лежащие в основе набора инструментов Google или системы персонализации Netflix, явно не раскрываются. Как правило, существует несколько интерфейсов, которые создают абстракцию от сложности продуктов.
Да, пользователь может быть шокирован тем, что Google порекомендовал новостную статью о разговоре, который у него был ранее; или удивлен тем фактом, что Netflix снова удалось прицепить зрителей к своим местам, порекомендовав подходящий сериал, способный к выпивке.
Но типичный конечный пользователь обычно не задается вопросом, какой алгоритм распознавания речи или персонализации стоит за продуктами со встроенными системами искусственного интеллекта.
Практикующие ML - это помощники. Мы обеспечиваем и поддерживаем более широкую экосистему продуктов.
И если мы делаем свою работу успешно, для конечного пользователя это почти похоже на волшебство.
Помимо роли ML, есть несколько других ролей, которые появятся сразу после того, как мы, практикующие ML, сыграли свою роль. Тестировщики по обеспечению качества, инженеры-программисты, команда по запуску продукта и маркетологи - всего лишь примеры других ролей, которые способствуют успеху продукта или проекта.
Итак, кто такая звезда?
Если вы зашли так далеко, будет справедливо сказать вам, кто настоящая звезда шоу. На самом деле есть две звезды.
А.И. продукт и команда, стоящая за продуктом.
Чтобы проиллюстрировать мою точку зрения относительно того, кто настоящие звезды «шоу», я буду использовать в качестве примера одну компанию, ориентированную на ИИ, но обратите внимание, что эта логика применима к большинству компаний, основанных на ИИ или стартапы.
Вы когда-нибудь слышали о DeepMind и их A.I. системы AlphaGo и AlphaZero. + 60 Команда DeepMind и их А.И. продукты - это объекты, которые находятся в центре внимания.
Команда DeepMind определенно получает часть внимания, и обратите внимание, что я не упомянул конкретного человека или роль в команде. Команда DeepMind стала самостоятельной организацией, которая может существовать независимо от своего члена. При этом команда хороша ровно настолько, насколько хороши ее члены, а DeepMind обладает одними из лучших ИИ. таланты в отрасли.
В AI есть гении. области, которые продвинули отрасль чуть дальше. Их уважают, а их вклад и работу будут помнить на долгие годы. Но есть одна сущность, которая не изменилась и не исчезла независимо от того, в какой период.
И сущность - искусственный интеллект.
Искусственный интеллект всегда был звездой шоу.
А иногда команда, стоящая за A.I. попадает в центр внимания.
Заключительное заявление
Эта статья написана не для того, чтобы умалить работу, проделанную кем-либо в ИИ. промышленность.
Цель состоит в том, чтобы привлечь внимание широкой аудитории к тому, что продукт на основе ИИ возможен только в результате эффективного сотрудничества между отдельными людьми и межфункциональными командами.
И мы, инженеры по машинному обучению и специалисты по анализу данных, являемся частью неотъемлемого компонента. Вместо того, чтобы быть звездой шоу, мы являемся частью "звезд" шоу.
Каким бы ни был спектакль.
Если вам понравилась эта статья, ниже приведены еще несколько статей, которые могут вас заинтересовать.
Надеюсь, статья была вам полезна.
Чтобы связаться со мной или найти другой контент, похожий на эту статью, сделайте следующее:
- Подпишитесь на мой канал YouTube, чтобы увидеть видео, которое скоро появится здесь
- Следуйте за мной на Medium
- Подключитесь и свяжитесь со мной в LinkedIn
