Yandex apre un prugramma di residenza in machine learning per sviluppatori backend esperti. Se avete scrittu assai in C++/Python è vulete applicà sta cunniscenza à ML, allora vi insegneremu cumu fà una ricerca pratica è furnisce mentori sperimentati. Travaglierete nantu à i servizii chjave Yandex è guadagnerete cumpetenze in settori cum'è mudelli lineari è spinta di gradiente, sistemi di raccomandazione, rete neurali per analizà l'imaghjini, u testu è u sonu. Amparerete ancu cumu valutà bè i vostri mudelli utilizendu metriche offline è in linea.
A durata di u prugramma hè di un annu, durante u quali i participanti travaglianu in u dipartimentu di ricerca è intelligenza di a machina di Yandex, è assistenu à lezioni è seminarii. A participazione hè pagata è implica un travagliu full-time : 40 ore à settimana, à partesi da u 1 di lugliu di questu annu. è durà finu à u 1 di maghju.
È avà in più detail - nantu à quale tipu d'audienza aspettemu, quale serà u prucessu di travagliu è, in generale, cumu un specialista back-end pò passà à una carriera in ML.
Focus
Parechje cumpagnie anu Programmi di Residenza, cumprese, per esempiu, Google è Facebook. Sò principarmenti destinati à specialisti junior è mid-level chì cercanu di fà un passu versu a ricerca ML. U nostru prugramma hè per un publicu diversu. Invitemu i sviluppatori di backend chì anu digià acquistatu abbastanza sperienza è sapemu di sicuru chì in e so cumpetenze anu bisognu di trasfurmà versu ML, per acquistà cumpetenze pratiche - è micca e cumpetenze di un scientist - per risolve i prublemi di apprendimentu di macchina industriale. Questu ùn significa micca chì ùn sustenemu micca i ghjovani circadori. Avemu urganizatu un prugramma separatu per elli - chjamatu dopu à Ilya Segalovich, chì permette ancu di travaglià in Yandex.
Induve travaglià u residente ?
In u Dipartimentu di Intelligenza Macchina è Ricerca, noi stessi sviluppamu idee di prughjettu. A fonte principale di ispirazione hè a literatura scientifica, l'articuli è i tendenzi in a cumunità di ricerca. I mo culleghi è aghju analizà ciò chì leghje, fighjendu cumu pudemu migliurà o espansione i metudi pruposti da i scientisti. À u listessu tempu, ognunu di noi piglia in contu a so area di cunniscenze è interessi, formula u compitu basatu annantu à e zone chì ellu cunsidereghja impurtanti. L'idea di un prughjettu hè di solitu natu à l'intersezzione di i risultati di a ricerca esterna è e so cumpetenze.
Stu sistema hè bonu perchè risolve largamente i prublemi tecnologichi di i servizii Yandex ancu prima ch'elli sorgi. Quandu un serviziu face un prublema, i so rapprisentanti venenu à noi, assai prubabile di piglià e tecnulugia chì avemu digià preparatu, chì tuttu ciò chì resta hè di esse appiicatu currettamente in u pruduttu. Se qualcosa ùn hè micca prontu, avemu almenu ricurdà rapidamente induve pudemu "cumincià à scavà" è in quale articuli per circà una suluzione. Comu sapemu, l'approcciu scientificu hè di stà nantu à e spalle di gianti.
Cosa da fà
À Yandex - è ancu specificamente in a nostra gestione - tutte e aree pertinenti di ML sò sviluppate. U nostru scopu hè di migliurà a qualità di una larga varietà di prudutti, è questu serve com'è un incitamentu per pruvà tuttu novu. Inoltre, novi servizii appariscenu regularmente. Allora u prugramma di cunferenze cuntene tutte e zone chjave (beni pruvucate) di l'apprendimentu di a macchina in u sviluppu industriale. Quandu cumpilà a mo parte di u corsu, aghju utilizatu a mo sperienza d'insignamentu à a Scola di Analisi di Dati, è ancu i materiali è u travagliu di altri prufessori SHAD. Sò chì i mo culleghi anu fattu u listessu.
In i primi mesi, a furmazione secondu u prugramma di u cursu cuntarà circa 30% di u vostru tempu di travagliu, dopu circa 10%. Tuttavia, hè impurtante di capisce chì u travagliu cù i mudelli ML stessi cuntinuà à piglià circa quattru volte menu di tutti i prucessi assuciati. Questi includenu a preparazione di u backend, a ricezione di dati, a scrittura di un pipeline per a preprocessazione, l'ottimisazione di u codice, l'adattazione à un hardware specificu, etc. Un ingegnere ML hè, se vulete, un sviluppatore full-stack (solu cù un enfasi più grande nantu à l'apprendimentu machine). , capace di risolve un prublema da u principiu à a fine. Ancu cù un mudellu prontu, probabilmente avete bisognu di fà una quantità di più azzioni: parallelizà a so esecuzione in parechje macchine, preparanu una implementazione in forma di manicu, una biblioteca, o cumpunenti di u serviziu stessu.
Scelta di i studienti
Sì avete avutu l'impressione chì hè megliu diventà un ingegnere ML per prima travaglià cum'è sviluppatore backend, questu ùn hè micca veru. Iscrizzione in u stessu ShAD senza una vera sperienza in u sviluppu di servizii, l'apprendimentu è a diventà estremamente dumandata in u mercatu hè una opzione eccellente. Parechji specialisti Yandex anu finitu in i so pusizioni attuali in questu modu. Se una sucità hè pronta à offre un travagliu in u campu di ML subitu dopu a graduazione, probabilmente duvete accettà ancu l'offerta. Pruvate à entra in una bona squadra cun un mentore espertu è preparate per amparà assai.
Ciò chì generalmente impedisce di fà ML?
Se un backender aspira à diventà un ingegnere ML, pò sceglie trà dui spazii di sviluppu - senza piglià in contu u prugramma di residenza.
Prima, studia cum'è parte di qualchì cursu educativu. Coursera vi purterà più vicinu à capiscenu e tecniche basiche, ma per immerse in a professione in una misura abbastanza, avete bisognu di dedicà assai più tempu. Per esempiu, graduate da ShAD. Nantu à l'anni, ShAD hà avutu un numeru sfarente di corsi direttamente nantu à l'apprendimentu automaticu - in media, circa ottu. Ognunu di elli hè veramente impurtante è utile, ancu in l'opinione di i graduati.
Siconda, pudete participà à prughjetti di cummattimentu induve avete bisognu di implementà unu o un altru algoritmu ML. Tuttavia, ci sò assai pochi di tali prughjetti nantu à u mercatu di sviluppu IT: l'apprendimentu automaticu ùn hè micca usatu in a maiò parte di i travaglii. Ancu in i banche chì esploranu attivamente l'opportunità di ML, solu uni pochi sò impegnati in l'analisi di dati. Se ùn avete micca pussutu unisce à una di queste squadre, a vostra unica opzione hè sia di inizià u vostru propiu prughjettu (induve, assai prubabilmente, stabiliscerete i vostri propri termini, è questu ùn hà pocu à fà cù i travaglii di produzzione di cummattimentu), o cuminciate a cumpetizione. Kaggle.
In verità, fate squadra cù altri membri di a cumunità è pruvate in cuncorsi - soprattuttu s'è vo fate una copia di salvezza di e vostre cumpetenze cù a furmazione è i corsi citati nantu à Coursera. Ogni cumpetizione hà una scadenza - vi servirà cum'è incentive per voi è vi preparanu per un sistema simili in cumpagnie IT. Questu hè un bonu modu - chì, però, hè ancu un pocu divorziatu da i prucessi veri. Nant'à Kaggle vi sò datu dati pre-processati, anche se micca sempre perfetti; ùn prupone micca di pensà à a cuntribuzione à u pruduttu; è più impurtante, ùn anu micca bisognu di suluzioni adattati per a produzzione. I vostri algoritmi prubabilmente travaglià è esse assai precisi, ma i vostri mudelli è u codice seranu cum'è Frankenstein stitched together from different parts - in un prughjettu di produzzione, tutta a struttura hà da travaglià troppu pianu, serà difficiule di aghjurnà è espansione (per esempiu, l'algoritmi di lingua è voce saranu sempre parzialmente riscritti mentre a lingua si sviluppa). L'imprese sò interessate in u fattu chì u travagliu elencu pò esse fattu micca solu da voi stessu (hè chjaru chì voi, cum'è l'autore di a suluzione, pudete fà questu), ma ancu da qualsiasi di i vostri culleghi. A diffarenza trà a prugrammazione sportiva è industriale hè discututa , è Kaggle educa precisamente "atleti" - ancu s'ellu face assai bè, chì li permette di acquistà una certa sperienza.
Aghju discrittu dui pussibuli linee di sviluppu - furmazione attraversu prugrammi educativi è furmazione "in cumbattimentu", per esempiu nantu à Kaggle. U prugramma di residenza hè una cumminazione di sti dui metudi. Lezioni è seminarii à u livellu ShaD, è ancu prughjetti veramente cummattitivi, vi aspettanu.
Source: www.habr.com