Спец по машинному обучению — казалось бы, причем здесь Терминатор

Кто такой ML-инженер и чем он занимается

ML-инженер (он же — инженер машинного обучения) — это человек, анализирующий большие объемы данных и создающий приложения ИИ для решения коммерческих, промышленных и медицинских задач. Со стороны его работа кажется магической, но на практике напоминает труд рядового девелопера. Эксперт пишет производительный, покрытый тестами код, с которым могли бы взаимодействовать другие люди.

Научить модель предсказывать эмоции человека по фотографиям? Легко! Адаптировать шумоподавление в наушниках под алгоритм распознавания речи? Пожалуйста! В числе самых характерных вопросов, закрываемых ML-инженерами в компаниях:

• врачебная диагностика — прогнозирование диагноза, способа лечения и исхода болезни по симптомам;
• кредитный скоринг — принятие решение о выдаче займа по факторам, отделяющим богатого папика от нищука;
• предсказание оттока клиентов — помощь в составлении финансовых стратегий на основе инфы о потенциальных заказчиках в следующем месяце и пр.

Стать «эмэльщиком» с нуля — есть ли шансы

ML-инжиниринг — профессия интересная, но сложная. Вполне возможно, что ты — тот самый сын маминой подруги. В четыре активно ругался матом, в семь — бросил курить, в двенадцать — защитил первую докторскую диссертацию и все такое. Если дела обстоят подобным образом, можешь идти на курсы без подготовки.

Людям с менее богатой биографией, желающим освоить производство, тестирование и оптимизацию приложений ИИ, придется получить бэкграунд. Например, научиться писать программы на языке Python и проштудировать пару книг по вышмату (хотя бы, от векторной алгебры до дифуров).

Почему ML — отрасль с самыми большими перспективами

Сфера машинного обучения в мире айти — как сырок Бориса Юрьевича Александрова на полке любого супермаркета. Направление ML востребовано везде: от образования до финансов и медицины. Алгоритмы ИИ помогают тебе искать музыку, управлять умным домом или водить машину на автопилоте, с автопарковкой и прочими фишками.

В глобальном плане у «эмэль» применений еще больше. Например, грамотная модель может распознать месторождение драгоценного золота по топографическим снимкам рудного поля. Она же проведет идентификацию личности, покажет навязчивую, но персонализированную рекламу или проверит текст на орфографические ошибки.

В будущем областей, связанных с Machine Learning, окажется еще больше. Поэтому советуем тебе начать вежливо здороваться с роботами-пылесосами и благодарить умные чайники за вовремя подогретую воду. Поверь, когда наступит эпоха восстания машин, твоя лояльность зачтется!

Бонус — полезные ресурсы и каналы, связанные с ML

Чумба, мы хотим чтобы ты понял одну, предельно простую вещь. Учеба в айти — это не столько штудирование унылых лекций, сколько процесс потребления вполне себе увлекательного контента.

В качестве доказательства приведем серию ресурсов и каналов, посвященных теме машинного обучения. Курсы в школе TMS они не заменят, но прокачают насмотренность и натолкнут на интересные мысли:

1. Блог «Машинное обучение для людей» от Вастрика. Серия статей, написанных простым языком, но раскрывающих сложные вещи.
2. Канал «Компьютерные науки». В плейлистах — уроки, посвященные реальным задачам ML от экспертов Академии Яндекса.
3. Подкасты «Machine Learning Podcast». Пять сезонов с рассказами об индустрии ML от неспециалистов для неспециалистов.
4. Telegram-канал «Машинное обучение RU». Разборы популярных инструментов, анонсы отраслевых новостей и большие тематические статьи для «Хабра».

Подкаст «SuperDataScience». Еще один тематический подкаст, но для ребят, уверенно шпрехающих на английском.

Над материалом работал: Миша Агеев