यांडेक्स रेजिडेंट प्रोग्राम, या एक अनुभवी बैकेंडर एमएल इंजीनियर कैसे बन सकता है

यांडेक्स अनुभवी बैकएंड डेवलपर्स के लिए मशीन लर्निंग में एक रेजीडेंसी प्रोग्राम खोल रहा है। यदि आपने C++/पायथन में बहुत कुछ लिखा है और इस ज्ञान को एमएल में लागू करना चाहते हैं, तो हम आपको व्यावहारिक शोध करना सिखाएंगे और अनुभवी सलाहकार प्रदान करेंगे। आप प्रमुख यांडेक्स सेवाओं पर काम करेंगे और छवियों, पाठ और ध्वनि का विश्लेषण करने के लिए रैखिक मॉडल और ग्रेडिएंट बूस्टिंग, अनुशंसा प्रणाली, तंत्रिका नेटवर्क जैसे क्षेत्रों में कौशल हासिल करेंगे। आप यह भी सीखेंगे कि ऑफ़लाइन और ऑनलाइन मेट्रिक्स का उपयोग करके अपने मॉडल का उचित मूल्यांकन कैसे करें।

कार्यक्रम की अवधि एक वर्ष है, जिसके दौरान प्रतिभागी यैंडेक्स के मशीन इंटेलिजेंस और अनुसंधान विभाग में काम करेंगे, साथ ही व्याख्यान और सेमिनार में भी भाग लेंगे। भागीदारी का भुगतान किया जाता है और इसमें पूर्णकालिक काम शामिल है: इस वर्ष 40 जुलाई से शुरू होकर प्रति सप्ताह 1 घंटे। आवेदन अब खुले हैं और 1 मई तक चलेगा. 

और अब अधिक विस्तार से - हम किस प्रकार के दर्शकों की प्रतीक्षा कर रहे हैं, कार्य प्रक्रिया क्या होगी और सामान्य तौर पर, एक बैक-एंड विशेषज्ञ एमएल में करियर में कैसे स्विच कर सकता है।

दिशात्मकता

उदाहरण के लिए, Google और Facebook सहित कई कंपनियों के रेजीडेंसी कार्यक्रम हैं। इनका उद्देश्य मुख्य रूप से कनिष्ठ और मध्य स्तर के विशेषज्ञ हैं जो एमएल अनुसंधान की दिशा में एक कदम उठाने की कोशिश कर रहे हैं। हमारा कार्यक्रम अलग-अलग दर्शकों के लिए है। हम बैकएंड डेवलपर्स को आमंत्रित करते हैं जिन्होंने पहले से ही पर्याप्त अनुभव प्राप्त कर लिया है और निश्चित रूप से जानते हैं कि औद्योगिक मशीन सीखने की समस्याओं को हल करने में उन्हें व्यावहारिक कौशल हासिल करने के लिए एमएल की ओर बढ़ने की जरूरत है - न कि एक वैज्ञानिक के कौशल की। इसका मतलब यह नहीं है कि हम युवा शोधकर्ताओं का समर्थन नहीं करते हैं। हमने उनके लिए एक अलग कार्यक्रम का आयोजन किया है - इनाम इल्या सेगालोविच के नाम पर, जो आपको यैंडेक्स में काम करने की भी अनुमति देता है।

निवासी कहाँ काम करेगा?

मशीन इंटेलिजेंस और अनुसंधान विभाग में, हम स्वयं परियोजना विचार विकसित करते हैं। प्रेरणा का मुख्य स्रोत वैज्ञानिक साहित्य, लेख और अनुसंधान समुदाय में रुझान हैं। मैं और मेरे सहकर्मी हम जो पढ़ते हैं उसका विश्लेषण करते हैं, यह देखते हुए कि हम वैज्ञानिकों द्वारा प्रस्तावित तरीकों को कैसे सुधार या विस्तारित कर सकते हैं। साथ ही, हम में से प्रत्येक अपने ज्ञान के क्षेत्र और रुचियों को ध्यान में रखता है, उन क्षेत्रों के आधार पर कार्य तैयार करता है जिन्हें वह महत्वपूर्ण मानता है। किसी परियोजना का विचार आम तौर पर बाहरी शोध के परिणामों और किसी की अपनी दक्षताओं के प्रतिच्छेदन पर पैदा होता है।

यह प्रणाली अच्छी है क्योंकि यह यांडेक्स सेवाओं की तकनीकी समस्याओं को उत्पन्न होने से पहले ही काफी हद तक हल कर देती है। जब किसी सेवा को किसी समस्या का सामना करना पड़ता है, तो उसके प्रतिनिधि हमारे पास आते हैं, सबसे अधिक संभावना है कि वे हमारे द्वारा पहले से तैयार की गई तकनीकों को लेते हैं, जो कुछ बचा है वह उत्पाद में सही ढंग से लागू करना है। यदि कुछ तैयार नहीं है, तो हमें कम से कम जल्दी याद आ जाएगा कि हम कहां "खुदाई शुरू कर सकते हैं" और किन लेखों में समाधान की तलाश करें। जैसा कि हम जानते हैं, वैज्ञानिक दृष्टिकोण दिग्गजों के कंधों पर खड़ा होना है।

क्या करें

यांडेक्स में - और यहां तक ​​कि विशेष रूप से हमारे प्रबंधन में - एमएल के सभी प्रासंगिक क्षेत्रों को विकसित किया जा रहा है। हमारा लक्ष्य विभिन्न प्रकार के उत्पादों की गुणवत्ता में सुधार करना है, और यह हर नई चीज़ का परीक्षण करने के लिए प्रोत्साहन के रूप में कार्य करता है। इसके अलावा, नई सेवाएँ नियमित रूप से सामने आती हैं। इसलिए व्याख्यान कार्यक्रम में औद्योगिक विकास में मशीन लर्निंग के सभी प्रमुख (अच्छी तरह से सिद्ध) क्षेत्र शामिल हैं। पाठ्यक्रम के अपने हिस्से को संकलित करते समय, मैंने डेटा विश्लेषण स्कूल में अपने शिक्षण अनुभव के साथ-साथ अन्य SHAD शिक्षकों की सामग्री और कार्य का उपयोग किया। मैं जानता हूं कि मेरे सहकर्मियों ने भी ऐसा ही किया।

पहले महीनों में, पाठ्यक्रम कार्यक्रम के अनुसार प्रशिक्षण आपके कामकाजी समय का लगभग 30% होगा, फिर लगभग 10%। हालाँकि, यह समझना महत्वपूर्ण है कि एमएल मॉडल के साथ काम करने में सभी संबंधित प्रक्रियाओं की तुलना में लगभग चार गुना कम समय लगेगा। इनमें बैकएंड तैयार करना, डेटा प्राप्त करना, प्रीप्रोसेसिंग के लिए एक पाइपलाइन लिखना, कोड को अनुकूलित करना, विशिष्ट हार्डवेयर को अपनाना आदि शामिल है। एक एमएल इंजीनियर, यदि आप चाहें, तो एक पूर्ण-स्टैक डेवलपर है (केवल मशीन लर्निंग पर अधिक जोर देने के साथ) , शुरू से अंत तक किसी समस्या का समाधान करने में सक्षम। यहां तक ​​कि एक तैयार मॉडल के साथ, आपको संभवतः कई और कार्य करने की आवश्यकता होगी: कई मशीनों में इसके निष्पादन को समानांतर करना, एक हैंडल, लाइब्रेरी या सेवा के घटकों के रूप में एक कार्यान्वयन तैयार करना।

छात्र की पसंद
यदि आप इस धारणा में थे कि पहले बैकएंड डेवलपर के रूप में काम करके एमएल इंजीनियर बनना बेहतर है, तो यह सच नहीं है। सेवाओं को विकसित करने, सीखने और बाजार में अत्यधिक मांग में आने के वास्तविक अनुभव के बिना उसी एसएचएडी में नामांकन करना एक उत्कृष्ट विकल्प है। कई यांडेक्स विशेषज्ञ इस तरह से अपनी वर्तमान स्थिति में आ गए। यदि कोई कंपनी ग्रेजुएशन के तुरंत बाद आपको एमएल के क्षेत्र में नौकरी देने के लिए तैयार है, तो आपको संभवतः उस प्रस्ताव को भी स्वीकार कर लेना चाहिए। एक अनुभवी गुरु के साथ एक अच्छी टीम में शामिल होने का प्रयास करें और बहुत कुछ सीखने के लिए तैयार रहें।

आमतौर पर आपको एमएल करने से क्या रोकता है?

यदि कोई बैकेंडर एमएल इंजीनियर बनने की इच्छा रखता है, तो वह विकास के दो क्षेत्रों में से चुन सकता है - रेजीडेंसी कार्यक्रम को ध्यान में रखे बिना।

सबसे पहले, किसी शैक्षिक पाठ्यक्रम के भाग के रूप में अध्ययन करें। पाठ कौरसेरा आपको बुनियादी तकनीकों को समझने के करीब लाएगा, लेकिन पेशे में पर्याप्त हद तक डूबने के लिए, आपको इसमें अधिक समय देने की आवश्यकता है। उदाहरण के लिए, ShAD से स्नातक। इन वर्षों में, ShAD के पास सीधे मशीन लर्निंग पर अलग-अलग संख्या में पाठ्यक्रम थे - औसतन, लगभग आठ। उनमें से प्रत्येक वास्तव में महत्वपूर्ण और उपयोगी है, जिसमें स्नातकों की राय भी शामिल है। 

दूसरे, आप युद्ध परियोजनाओं में भाग ले सकते हैं जहाँ आपको एक या दूसरे एमएल एल्गोरिदम को लागू करने की आवश्यकता होती है। हालाँकि, आईटी विकास बाजार में ऐसी बहुत कम परियोजनाएँ हैं: अधिकांश कार्यों में मशीन लर्निंग का उपयोग नहीं किया जाता है। यहां तक ​​कि उन बैंकों में भी जो सक्रिय रूप से एमएल से संबंधित अवसरों की खोज कर रहे हैं, केवल कुछ ही डेटा विश्लेषण में लगे हुए हैं। यदि आप इनमें से किसी एक टीम में शामिल होने में असमर्थ हैं, तो आपका एकमात्र विकल्प या तो अपना स्वयं का प्रोजेक्ट शुरू करना है (जहाँ, सबसे अधिक संभावना है, आप अपनी समय सीमा स्वयं निर्धारित करेंगे, और इसका लड़ाकू उत्पादन कार्यों से कोई लेना-देना नहीं है), या प्रतिस्पर्धा शुरू करना है कागल.

दरअसल, समुदाय के अन्य सदस्यों के साथ टीम बनाएं और प्रतियोगिताओं में खुद को आजमाएं अपेक्षाकृत आसान - विशेष रूप से यदि आप प्रशिक्षण और कौरसेरा पर उल्लिखित पाठ्यक्रमों के साथ अपने कौशल का समर्थन करते हैं। प्रत्येक प्रतियोगिता की एक समय सीमा होती है - यह आपके लिए प्रोत्साहन के रूप में काम करेगी और आपको आईटी कंपनियों में समान प्रणाली के लिए तैयार करेगी। यह एक अच्छा तरीका है - जो, हालांकि, वास्तविक प्रक्रियाओं से थोड़ा अलग भी है। कागल पर आपको पूर्व-संसाधित, यद्यपि हमेशा सही नहीं, डेटा दिया जाता है; उत्पाद में योगदान के बारे में सोचने की पेशकश न करें; और सबसे महत्वपूर्ण बात यह है कि उन्हें उत्पादन के लिए उपयुक्त समाधानों की आवश्यकता नहीं है। आपके एल्गोरिदम शायद काम करेंगे और अत्यधिक सटीक होंगे, लेकिन आपके मॉडल और कोड अलग-अलग हिस्सों से एक साथ सिले गए फ्रेंकस्टीन की तरह होंगे - एक उत्पादन परियोजना में, पूरी संरचना बहुत धीमी गति से काम करेगी, इसे अपडेट करना और विस्तार करना मुश्किल होगा (उदाहरण के लिए, जैसे-जैसे भाषा विकसित होती है, भाषा और आवाज एल्गोरिदम हमेशा आंशिक रूप से फिर से लिखे जाएंगे)। कंपनियां इस तथ्य में रुचि रखती हैं कि सूचीबद्ध कार्य न केवल आप स्वयं कर सकते हैं (यह स्पष्ट है कि समाधान के लेखक के रूप में आप ऐसा कर सकते हैं), बल्कि आपका कोई भी सहकर्मी भी कर सकता है। खेल और औद्योगिक प्रोग्रामिंग के बीच अंतर पर चर्चा की गई है много, और कागल सटीक रूप से "एथलीटों" को शिक्षित करता है - भले ही यह इसे बहुत अच्छी तरह से करता है, जिससे उन्हें कुछ अनुभव प्राप्त करने की अनुमति मिलती है।

मैंने विकास की दो संभावित रेखाओं का वर्णन किया है - शैक्षिक कार्यक्रमों के माध्यम से प्रशिक्षण और "युद्ध में" प्रशिक्षण, उदाहरण के लिए कागल पर। रेजीडेंसी कार्यक्रम इन दो विधियों का एक संयोजन है। एसएचएडी स्तर पर व्याख्यान और सेमिनार, साथ ही वास्तव में जुझारू परियोजनाएं, आपका इंतजार कर रही हैं।

स्रोत: www.habr.com