Иандек резидентни програм, или како искусни бацкендер може постати МЛ инжењер

Иандек отвара резиденцијални програм за машинско учење за искусне бацкенд програмере. Ако сте доста писали на Ц++/Питхон-у и желите да примените ово знање на МЛ, онда ћемо вас научити како да радите практична истраживања и обезбедићемо искусне менторе. Радићете на кључним услугама Иандек-а и стећи ћете вештине у областима као што су линеарни модели и повећање градијента, системи препорука, неуронске мреже за анализу слика, текста и звука. Такође ћете научити како да правилно процените своје моделе користећи метрику ван мреже и на мрежи.

Трајање програма је годину дана, током које ће полазници радити у одељењу за машинску интелигенцију и истраживање Иандек-а, као и похађати предавања и семинаре. Учешће је плаћено и подразумева пуно радно време: 40 часова недељно, почев од 1. јула ове године. Пријаве су сада отворене и трајаће до 1. маја. 

А сада детаљније - о томе какву публику чекамо, какав ће бити процес рада и, уопште, како стручњак за бацк-енд може да пређе на каријеру у МЛ.

Директивност

Многе компаније имају програме боравка, укључујући, на пример, Гоогле и Фацебоок. Они су углавном усмерени на млађе и средње стручњаке који покушавају да направе корак ка истраживању МЛ. Наш програм је за другачију публику. Позивамо бацкенд програмере који су већ стекли довољно искуства и сигурно знају да у својим компетенцијама треба да се пребаце на МЛ, да стекну практичне вештине – а не вештине научника – у решавању проблема индустријског машинског учења. То не значи да не подржавамо младе истраживаче. За њих смо организовали посебан програм - премиум назван по Иљи Сегаловичу, што вам такође омогућава да радите у Иандексу.

Где ће становник радити?

У Одељењу за машинску интелигенцију и истраживање, сами развијамо пројектне идеје. Главни извор инспирације је научна литература, чланци и трендови у истраживачкој заједници. Моје колеге и ја анализирамо оно што читамо, гледајући како можемо побољшати или проширити методе које предлажу научници. Истовремено, свако од нас узима у обзир своју област знања и интересовања, формулише задатак на основу области које сматра важним. Идеја за пројекат се обично рађа на пресеку резултата екстерног истраживања и сопствених компетенција.

Овај систем је добар јер у великој мери решава технолошке проблеме Иандек сервиса и пре него што се појаве. Када се нека услуга суочи са проблемом, њени представници долазе код нас, највероватније да узму технологије које смо већ припремили, а преостаје само да се правилно примени у производу. Ако нешто није спремно, бар ћемо се брзо сетити где можемо да „почнемо да копамо” и у којим чланцима да тражимо решење. Као што знамо, научни приступ је стајати на раменима дивова.

Шта да радим

У Иандек-у - па чак и посебно у нашем менаџменту - развијају се све релевантне области МЛ. Наш циљ је да побољшамо квалитет широког спектра производа, а то нам служи као подстицај да тестирамо све ново. Поред тога, редовно се појављују нове услуге. Дакле, програм предавања садржи све кључне (добро доказане) области машинског учења у индустријском развоју. Приликом састављања свог дела курса користио сам своје наставно искуство у Школи за анализу података, као и материјале и рад других наставника СХАД-а. Знам да су и моје колеге радиле исто.

У првим месецима обука по програму курса ће заузимати око 30% вашег радног времена, затим око 10%. Међутим, важно је схватити да ће рад са самим моделима МЛ и даље трајати отприлике четири пута мање од свих повезаних процеса. То укључује припрему позадинског дела, примање података, писање цевовода за њихову претходну обраду, оптимизацију кода, прилагођавање специфичном хардверу итд. МЛ инжењер је, ако желите, програмер пуног стека (само са већим нагласком на машинско учење) , способан да реши проблем од почетка до краја. Чак и са већ готовим моделом, вероватно ћете морати да урадите још неколико радњи: паралелизујте његово извршавање на неколико машина, припремите имплементацију у облику ручке, библиотеке или компоненти самог сервиса.

Избор ученика
Ако сте имали утисак да је боље постати МЛ инжењер тако што ћете прво радити као бацкенд програмер, то није тачно. Уписати исти ШАД без правог искуства у развоју услуга, учења и постати изузетно тражен на тржишту је одлична опција. Многи стручњаци за Иандек су на овај начин завршили на својим тренутним позицијама. Ако је нека компанија спремна да вам понуди посао у области МЛ-а одмах након дипломирања, вероватно би и ви требало да прихватите понуду. Покушајте да уђете у добар тим са искусним ментором и спремите се да научите много.

Шта вас обично спречава да се бавите МЛ?

Ако бекендер жели да постане МЛ инжењер, може да бира између две области развоја - без узимања у обзир програма боравка.

Прво, учите као део неког образовног курса. Лекције Цоурсера ће вам приближити разумевање основних техника, али да бисте се у довољној мери уронили у професију, потребно је да јој посветите много више времена. На пример, дипломирати у ШАД-у. Током година, СхАД је имао различит број курсева директно о машинском учењу - у просеку око осам. Сваки од њих је заиста важан и користан, укључујући и по мишљењу дипломаца. 

Друго, можете учествовати у борбеним пројектима где треба да примените један или други алгоритам МЛ. Међутим, на тржишту ИТ развоја има врло мало таквих пројеката: машинско учење се не користи у већини задатака. Чак иу банкама које активно истражују могућности у вези са прањем новца, само неколико се бави анализом података. Ако нисте били у могућности да се придружите неком од ових тимова, ваша једина опција је да започнете сопствени пројекат (где ћете, највероватније, сами постављати своје рокове, а то нема много везе са задацима борбене производње), или да почнете да се такмичите на Каггле.

Заиста, удружите се са другим члановима заједнице и окушајте се у такмичењима релативно лако - посебно ако своје вештине поткрепите обуком и поменутим курсевима на Цоурсери. Сваки конкурс има рок – послужиће вам као подстицај и припремити вас за сличан систем у ИТ компанијама. Ово је добар начин - који је, међутим, такође мало одвојен од стварних процеса. На Каггле-у вам се дају претходно обрађени, иако не увек савршени подаци; не нудите да размишљате о доприносу производу; и што је најважније, не захтевају решења погодна за производњу. Ваши алгоритми ће вероватно радити и бити веома прецизни, али ваши модели и код ће бити попут Франкенштајна спојеног из различитих делова – у производном пројекту цела структура ће радити преспоро, биће тешко ажурирати и проширити (нпр. језик и гласовни алгоритми ће се увек делимично преписивати како се језик развија). Компаније су заинтересоване да наведене послове можете да урадите не само ви сами (јасно је да то можете и ви као аутор решења), већ и било ко од ваших колега. Разматра се разлика између спортског и индустријског програмирања много, а Каггле образује управо "спортисте" - чак и ако то ради веома добро, омогућавајући им да стекну неко искуство.

Описао сам две могуће линије развоја – обуку кроз образовне програме и обуку „у борби“, на пример на Каггле-у. Резиденцијални програм је комбинација ове две методе. Очекују вас предавања и семинари на нивоу ШАД-а, као и истински борбени пројекти.

Извор: ввв.хабр.цом