Обзор

Джереми Карновски и Эммануэль Амейсен, Insight AI

Роли прикладного ИИ включают сочетание разработки программного обеспечения и машинного обучения и, возможно, являются одними из самых сложных ролей для взлома. Эти роли, ориентированные на продвинутые алгоритмы и использование результатов новых исследований для сложных продуктов, являются ключевым компонентом во многих организациях, от крупных корпораций до начинающих компаний.

В течение последних шести месяцев Insight работал с ведущими командами ИИ в районе залива и Нью-Йорке, чтобы помочь стипендиатам перейти на прикладной ИИ. Стипендиаты нашего первого сеанса искусственного интеллекта присоединились к таким командам, как Salesforce R&D, Microsoft AI Research, Google, Quora ML и Arterys (у которого есть первое одобренное FDA медицинское вмешательство в области глубокого обучения).

Благодаря нашему уникальному положению в этой сфере, мы хотим поделиться с более широкой аудиторией некоторыми отраслевыми идеями, взглядами на то, как компании строят свои команды, и навыками для подготовки к переходу, независимо от того, приехали ли вы из академических кругов или из промышленности.

Перспектива отрасли

После разговоров с более чем 50 командами прикладных ИИ в промышленности, включая те, которые создают новые продукты с использованием передового НЛП, проектируют инфраструктуру глубокого обучения и разрабатывают автономные транспортные средства, мы постоянно видим, что существует широкий спектр практиков прикладного ИИ - от исследований к производству.

  • Исследования. С одной стороны, команды разрабатывают новые идеи, проводят исследования и разработки, разрабатывают прототипы и в первую очередь стремятся выпустить статьи.
  • Машинное обучение на уровне производства. С другой стороны, команды берут текущие идеи и создают быстрые, эффективные и надежные системы, которые можно встраивать в продукты.

Хотя есть роли в научно-исследовательских лабораториях и в командах, занимающихся исследованиями в области глубокого обучения, большинство ролей находятся в середине этого спектра, в командах, которые стремятся одновременно оставаться в курсе исследований и внедрять лучшие достижения в продукты. Часто команды состоят из нескольких человек, работающих над достижением этой цели, но вы будете наиболее конкурентоспособны, если сможете позиционировать себя так, чтобы приносить пользу в обеих областях - уметь читать и усваивать текущие исследования, а затем внедрять их в производство.

Наш подход

Построение конвейера от исследований к производству требует, чтобы компании структурировали свои команды таким образом, чтобы сочетать преимущества обоих миров - академических исследований и разработки программного обеспечения. Соответственно, мы структурировали программу Insight AI аналогичным образом, объединив ученых, занимающихся машинным обучением и глубоким обучением, а также инженеров-программистов с опытом работы в машинном обучении.

Хотя все наши стипендиаты по ИИ обладают сильными способностями к программированию и опытом глубокого обучения, ученые и инженеры-программисты имеют разные сильные стороны, поэтому наши советы о том, как добиться успеха в Insight для этих двух групп, различаются. В дополнение к нашим ресурсам о подготовке к науке о данных мы собрали дополнительные ресурсы, нацеленные на переход к прикладному искусственному интеллекту.

Эти два руководства - это квинтэссенция наших бесед с ведущими командами в Bay Area и в Нью-Йорке, которые приезжают в Insight, чтобы найти практиков ИИ, готовых решить свои технические проблемы и ускорить свое расширение в Applied AI.

Хотите узнать о прикладном искусственном интеллекте у ведущих специалистов Кремниевой долины или Нью-Йорка? Узнайте больше о программе Искусственный интеллект.