Yandex mécht e Residenzprogramm am Maschinnléiere fir erfuerene Backend Entwéckler op. Wann Dir vill an C++/Python geschriwwen hutt an dëst Wëssen op ML wëllt applizéieren, da léiere mir Iech wéi Dir praktesch Fuerschung maacht an erfuerene Mentoren ubidden. Dir schafft u Schlëssel Yandex Servicer a kritt Fäegkeeten a Beräicher wéi linear Modeller a Gradient Boost, Empfehlungssystemer, neural Netzwierker fir Biller, Text an Toun ze analyséieren. Dir léiert och wéi Dir Är Modeller richteg evaluéiert mat Metriken offline an online.
D'Dauer vum Programm ass ee Joer, während deem d'Participanten an der Maschinnintelligenz a Fuerschungsdepartement vun Yandex schaffen, wéi och Virliesungen a Seminairen deelhuelen. D'Participatioun ass bezuelt an ëmfaasst Vollzäitaarbecht: 40 Stonnen d'Woch, ab dem 1. Juli vun dësem Joer. a dauert bis den 1. Mee.
An elo méi am Detail - iwwer wat fir eng Publikum mir waarden, wat den Aarbechtsprozess wäert sinn an allgemeng wéi e Back-End Spezialist op eng Karriär am ML ka wiesselen.
Direktivitéit
Vill Firmen hunn Residenz Programmer, dorënner, zum Beispill, Google a Facebook. Si riichten haaptsächlech op Junior- a Mëttelspezialisten, déi probéieren e Schrëtt a Richtung ML Fuerschung ze huelen. Eise Programm ass fir en anere Publikum. Mir invitéieren Backend Entwéckler déi scho genuch Erfarung gesammelt hunn a sécher wësse datt se an hire Kompetenzen op ML musse verschwannen, fir praktesch Fäegkeeten ze kréien - an net d'Fäegkeete vun engem Wëssenschaftler - bei der Léisung vun industrielle Maschinnléiereproblemer. Dat heescht net, datt mir jonk Fuerscher net ënnerstëtzen. Mir hunn e separate Programm fir si organiséiert - nom Ilya Segalovich benannt, wat Iech och erlaabt an Yandex ze schaffen.
Wou wäert den Awunner schaffen?
Am Departement vun der Maschinn Intelligenz a Fuerschung entwéckelen mir selwer Projet Iddien. D'Haaptquell vun der Inspiratioun ass wëssenschaftlech Literatur, Artikelen an Trends an der Fuerschungsgemeinschaft. Meng Kollegen an ech analyséieren wat mir gelies hunn, kucken wéi mir d'Methoden déi vu Wëssenschaftler proposéiert kënne verbesseren oder ausbauen. Zur selwechter Zäit berücksichtegt jidderee vun eis säi Gebitt vu Wëssen an Interessen, formuléiert d'Aufgab op Basis vun de Beräicher déi hien als wichteg hält. D'Iddi fir e Projet gëtt normalerweis op der Kräizung vun de Resultater vun externer Fuerschung an eegene Kompetenzen gebuer.
Dëse System ass gutt well et gréisstendeels d'technologesch Problemer vun Yandex Servicer léist och ier se entstoen. Wann e Service e Problem konfrontéiert ass, kommen seng Vertrieder bei eis, héchstwahrscheinlech fir d'Technologien ze huelen, déi mir scho virbereet hunn, wat alles bleift ass richteg am Produkt applizéiert ze ginn. Wann eppes net fäerdeg ass, wäerte mir op d'mannst séier drun erënneren, wou mer "fänke kënnen ze graven" a wéi eng Artikelen no enger Léisung sichen. Wéi mir wëssen, ass d'wëssenschaftlech Approche op d'Schëllere vu Risen ze stoen.
Wat kann een maachen
Bei Yandex - a souguer speziell an eiser Gestioun - ginn all relevant Beräicher vun ML entwéckelt. Eist Zil ass d'Qualitéit vun enger grousser Villfalt vu Produkter ze verbesseren, an dëst déngt als Ureiz fir alles nei ze testen. Zousätzlech, nei Servicer schéngen regelméisseg. Also enthält de Virtragsprogramm all Schlëssel (gutt bewährte) Beräicher vum Maschinnléieren an der industrieller Entwécklung. Wann ech mäin Deel vum Cours zesummegestallt hunn, hunn ech meng Léiererfahrung an der School of Data Analysis benotzt, souwéi d'Materialien an d'Aarbecht vun aneren SHAD Enseignanten. Ech weess datt meng Kollegen datselwecht gemaach hunn.
An den éischte Méint wäert d'Formatioun no dem Coursprogramm ongeféier 30% vun Ärer Aarbechtszäit ausmaachen, duerno ongeféier 10%. Wéi och ëmmer, et ass wichteg ze verstoen datt d'Aarbecht mat den ML Modeller selwer weider ongeféier véier Mol manner dauert wéi all déi assoziéiert Prozesser. Dëst beinhalt d'Virbereedung vum Backend, d'Empfang vun Donnéeën, d'Schreiwen vun enger Pipeline fir d'Virveraarbechtung, d'Optimiséierung vum Code, d'Adaptatioun op spezifesch Hardware, asw.. En ML Ingenieur ass, wann Dir wëllt, e Full-Stack Entwéckler (nëmme mat engem gréissere Schwéierpunkt op Maschinnléieren) , kapabel e Problem vun Ufank bis Enn ze léisen. Och mat engem fäerdege Modell, wäert Dir wahrscheinlech eng Rei vun méi Aktiounen brauchen ze maachen: Parallel seng Ausféierung iwwer verschidde Maschinnen, preparéieren eng Implementatioun a Form vun engem Grëff, enger Bibliothéik, oder Komponente vum Service selwer.
Student Choix
Wann Dir ënner dem Androck war datt et besser ass en ML Ingenieur ze ginn andeems Dir als Backend Entwéckler schafft, ass dëst net wouer. Anzeschreiwen an déi selwecht ShAD ouni real Erfahrung an Entwécklungslänner Servicer, Léieren an extrem an Nofro um Maart ginn ass eng excellent Optioun. Vill Yandex Spezialisten sinn op hir aktuell Positiounen op dës Manéier opgehalen. Wann eng Firma prett ass Iech eng Aarbecht am Beräich vun der ML direkt nom Ofschloss ze bidden, sollt Dir wahrscheinlech d'Offer och akzeptéieren. Probéiert an eng gutt Equipe mat engem erfuerene Mentor ze kommen a prett fir vill ze léieren.
Wat verhënnert Iech normalerweis ML ze maachen?
Wann e Backender ustrieft en ML Ingenieur ze ginn, kann hien aus zwee Entwécklungsberäicher wielen - ouni de Residenzprogramm ze berücksichtegen.
Als éischt studéiert als Deel vun engem pädagogesche Cours. Coursera bréngt Iech d'Basistechniken méi no ze verstoen, awer fir Iech an de Beruff an engem genuch Ausmooss z'ënnerhuelen, musst Dir vill méi Zäit derfir widmen. Zum Beispill, Diplom vum ShAD. Iwwer d'Joren hat ShAD eng aner Zuel vu Coursen direkt iwwer Maschinnléieren - am Duerchschnëtt ongeféier aacht. Jiddereng vun hinnen ass wierklech wichteg an nëtzlech, och an der Meenung vun Graduéierter.
Zweetens kënnt Dir u Kampfprojeten deelhuelen wou Dir een oder aneren ML Algorithmus implementéiere musst. Wéi och ëmmer, et gi ganz wéineg esou Projeten um IT Entwécklungsmaart: Maschinnléieren gëtt net an de meeschte Aufgaben benotzt. Och a Banken, déi aktiv ML-relatéiert Méiglechkeeten exploréieren, sinn nëmmen e puer an der Dateanalyse engagéiert. Wann Dir net konnt mat engem vun dësen Teams bäitrieden, ass Är eenzeg Optioun entweder Ären eegene Projet unzefänken (wou, héchstwahrscheinlech, Dir wäert Är eege Frist setzen, an dëst huet wéineg mat Kampfproduktiounsaufgaben ze dinn), oder ufänken ze konkurréieren Kaggel.
Tatsächlech, Team mat anere Gemeinschaftsmemberen a probéiert Iech selwer a Concoursen - besonnesch wann Dir Är Kompetenzen mat Training an de genannte Coursen op Coursera ënnerstëtzt. All Concours huet eng Frist - et wäert als Ureiz fir Iech déngen an Iech op en ähnleche System an IT Firmen virbereeden. Dëst ass e gudde Wee - deen awer och e bësse vun echte Prozesser gescheed ass. Op Kaggle kritt Dir virveraarbechtte, awer net ëmmer perfekt, Donnéeën; Offer net iwwer de Bäitrag zum Produkt ze denken; an Wichteg, si verlaangen keng Léisungen gëeegent fir Produktioun. Är Algorithmen wäerte méiglecherweis funktionnéieren an héich korrekt sinn, awer Är Modeller a Code wäerte wéi Frankenstein aus verschiddenen Deeler zesummegefaasst sinn - an engem Produktiounsprojet funktionnéiert d'ganz Struktur ze lues, et wäert schwéier sinn ze aktualiséieren an auszebauen (zum Beispill, Sprooch- a Stëmmalgorithmen ginn ëmmer deelweis nei geschriwwe wéi d'Sprooch sech entwéckelt). Firmen sinn interesséiert an der Tatsaach, datt d'Aarbecht opgezielt kann net nëmme vun Iech selwer gemaach ginn (et ass kloer, datt Dir, als Auteur vun der Léisung, kann dat maachen), mä och all vun Äre Kollegen. Den Ënnerscheed tëscht Sport an Industrieprogramméierung gëtt diskutéiert , an de Kaggle educéiert präzis "Sportler" - och wann et et ganz gutt mécht, wat hinnen erlaabt e bësse Erfahrung ze sammelen.
Ech hunn zwou méiglech Entwécklungslinnen beschriwwen - Training duerch pädagogesch Programmer an Training "am Kampf", zum Beispill op Kaggle. De Residenzprogramm ass eng Kombinatioun vun dësen zwou Methoden. Virträg a Seminairen um ShAD Niveau, souwéi wierklech kämpft Projeten, waarden op Iech.
Source: will.com