Советы по построению карьеры разработчика искусственного интеллекта

Недавно выпущенный Подготовка к карьере разработчика искусственного интеллекта руководство из тот Компьютерное общество IEEE утверждает, что наиболее надежный путь к искусственный интеллект Работа не определяется освоением какого-либо отдельного инструмента или модели. Вместо этого это зависит от развития сбалансированного сочетания технических основ и человекоориентированных навыков — способностей, которые машины вряд ли заменят.

ИИ меняет форму рынок труда Согласно руководству, это быстрее, чем большинство академических программ и работодателей. Системы искусственного интеллекта теперь могут анализировать киберпреступностьпрогнозировать отказы оборудования в производствои генерировать текст, код и изображения в любом масштабе, что приводит к массовые увольнения в большей части технологического сектора. Это встревожило недавних выпускников, готовящихся выйти на рынок труда, а также специалистов, начинающих карьеру.

Тем не менее, спрос на экспертные знания в области искусственного интеллекта остается высоким в банковское дело, здравоохранение, розничная торговляи фармацевтический отрасли, чьи предприятия стремятся внедрить генеративный ИИ инструменты для повышения производительности и принятия решений, а также не отставать от конкурентов.

Неровный ландшафт оставляет многих наблюдателей в замешательстве относительно того, как лучше всего подготовиться к карьере в области, которая меняет самоопределение. Устранению этой неопределенности посвящено руководство, написанное Сан-Муругесан и Родика Нямту.

Муругесан, пожизненный старший член IEEE, является адъюнкт-профессором Университет Западного Сиднеяв Пенрите, Австралия. Нямту, член IEEE, профессор преподавания и исследователь интеллектуального анализа данных в Вустерский политехнический институтв Массачусетс.

В 24-страничном PDF-файле, который можно загрузить, описывается, на чем следует сосредоточиться начинающим профессионалам в области ИИ, какие навыки, скорее всего, останутся ценными в условиях быстрого роста экономики. автоматизацияи почему карьера в области ИИ все меньше связана с созданием алгоритмы изолированно и больше о их вдумчивом применении в различных областях.

В руководстве подчеркивается, что определяющим требованием для входа в эту сферу является адаптивность, а не свободное владение каким-либо конкретным языком. программирование язык или структура.

Почему карьера в сфере ИИ пересматривается

Системы искусственного интеллекта выполняют задачи, которые когда-то требовали человеческого интеллекта. По словам авторов, нынешняя ситуация отличается от ситуации, когда был внедрен ИИ, не только улучшенной производительностью, но и расширенными возможностями. Распознавание образоврассуждения, оптимизация и машинное обучение в настоящее время используются практически во всех секторах экономики.

Хотя ожидается, что автоматизация сократит количество человеческих ролей в производстве, офисной поддержке, обслуживании клиентов и смежных областях, спрос на людей, которые могут проектировать, направлять и интегрировать системы искусственного интеллекта, растет, пишут Муругесан и Нямту.

В руководстве приводятся опросы руководителей о влиянии ИИ на их стратегии найма и удержания, в том числе проведенные МакКинси и Ко. Отчеты показывают нехватку кадров в сфере передовых ИТ и анализ данныха также недостаточное критическое мышление и креативность абитуриентов: навыки, которые сложно автоматизировать.

Авторы рассматривают это несоответствие как возможность для выпускников и начинающих специалистов подготовиться стратегически, сосредоточив внимание на возможностях, которые, вероятно, останутся актуальными по мере развития инструментов ИИ.

Развитие дополнительных навыков

Стратегический подход согласуется с рекомендациями Нил Томпсондиректор по исследованиям FutureTech в С‘s Лаборатория компьютерных наук и искусственного интеллектакоторого цитировали в справочнике. Томпсон призывает работников развивать навыки, которые дополняют ИИ, а не конкурируют с ним.

«Когда мы видим такой быстрый технологический прогресс, работникам следует сосредоточиться на навыках и профессиях, которые применяют ИИ в смежных областях», — говорит он. «Применение ИИ в науке, в частности, сейчас имеет огромный потенциал и возможность принести значительную пользу человечеству».

Техническая основа по-прежнему имеет значение

Адаптивность, подчеркивается в руководстве, не заменяет техническую строгость. Жизнеспособная карьера в области ИИ по-прежнему требует прочного фундамента в области данных. машинное обучениеи вычислительная инфраструктура.

По словам авторов, основные области знаний включают структуры данных, крупномасштабную обработку данных и инструменты для манипулирования и анализа данных.

Основные концепции машинного обучения, такие как контролируемое и обучение без присмотра, нейронные сетии обучение с подкреплениемостаются необходимыми, говорят они.

Поскольку многие системы искусственного интеллекта зависят от масштабируемых вычислений, знакомство с облачными платформами, такими как Веб-сервисы Amazon, Google Облакои Microsoft Azure важно, по мнению авторов руководства.

Математика лежит в основе всего этого. Линейная алгебра, исчисление и вероятности составляют основу большинства алгоритмов ИИ.

Питон стал доминирующим языком для построения моделей и экспериментов с ними.

От алгоритмов к фреймворкам

Авторы подчеркивают ценность практического опыта работы с широко используемыми средами разработки. PyTorchразработанный Мета ИИобычно используется для прототипирования моделей глубокого обучения в научных кругах и промышленности. Scikit-обучение предоставляет инструменты с открытым исходным кодом для классификациярегрессия и кластеризация внутри Питон экосистема.

«Когда мы видим такой быстрый технологический прогресс, работникам следует сосредоточиться на навыках и профессиях, которые применяют ИИ в смежных областях. —Нил Томпсон, С

Тензорфлоубиблиотека программного обеспечения для машинного обучения и искусственного интеллекта, созданная Googleподдерживает создание и развертывание систем машинного обучения на нескольких уровнях абстракции.

Авторы подчеркивают, что такие инструменты имеют меньшее значение как ключевые слова для резюме, чем как средство понимания того, как модели ведут себя в реальных условиях.

Мягкие навыки как страховка карьеры

Согласно руководству, поскольку проекты ИИ часто связаны с неоднозначными проблемами и междисциплинарными командами, мягкие навыки играют все более важную роль. Критическое мышление и решение проблем необходимы, но общение стало более важным, говорят авторы. Многим специалистам в области ИИ приходится объяснять поведение системы, ограничения и риски заинтересованным сторонам, не имеющим технического образования.

Нямту описывает общение и контекстное мышление как вечные навыки, которые становятся все более ценными по мере расширения автоматизации, особенно в сочетании с лидерством, устойчивостью и стремлением к непрерывному обучению.

Муругесан говорит, что техническая глубина должна сочетаться со способностью сотрудничать и адаптироваться.

Опыт до титулов

Руководство рекомендует студентам рассмотреть возможность работы над исследовательскими проектами в колледже, а также оплачиваемые стажировки, чтобы познакомиться с реальными рабочими процессами ИИ и получить практический опыт работы.

Создание портфеля проектов в области ИИ имеет решающее значение. Репозитории с открытым исходным кодом на таких платформах, как GitHub позволить новичкам продемонстрировать прикладные навыки, включая работу над безопасностью ИИ, смягчением предвзятости и дипфейк обнаружение. Руководство рекомендует оставаться в курсе событий, читая научные статьи, посещая курсы и посещая конференции. Это может помочь студентам получить прочные знания в основах и оставаться актуальными в быстро развивающейся области после начала своей карьеры.

Роли начального уровня, которые открывают двери

Обычные стартовые должности включают помощника по исследованиям в области искусственного интеллекта, младшего инженера по машинному обучению и младшего аналитика данных. Согласно руководству, эти роли обычно сочетают в себе задачи поддержки с возможностями помочь в разработке моделей, предварительной обработке данных и передаче результатов через отчеты и визуализации.

Каждая отправная точка усиливает основную идею руководства: карьера в сфере ИИ строится посредством сотрудничества и обучения, а не просто благодаря изолированным техническим достижениям.

Любопытство как долгосрочная стратегия

Муругесан призывает начинающих специалистов в области ИИ использовать непрерывное обучение, искать наставников и относиться к ошибкам как к части процесса обучения.

«Всегда будьте любопытны», — говорит он. “Учитесь на неудачах. Ошибки и неудачи — это часть пути. Примите их и упорствуйте”.

Нямту разделяет эту точку зрения, отмечая, что ИИ, вероятно, затронет почти каждую профессию, делая страсть к своей работе и совместимость с организационными целями более важными, чем погоня за новейшими технологическими тенденциями.

В области, где сегодняшние инструменты могут устареть за год, основной аргумент руководства прост: самая перспективная карьера в области ИИ строится не на том, что вы знаете сейчас, а на том, насколько хорошо вы продолжаете учиться, когда что-то меняется.