От тренера до инженера: 6 новых IT-профессий для тех, кто хочет работать с нейросетями

Hard skills

Основными навыками для ML-инженера является умение программировать на одном из популярных языков, сейчас это Python. Отличным дополнением станет опыт в backend-разработке, знание технологий для распределенной обработки данных (MapReduce, Spark/PySpark) и конечно, уверенное знание SQL. Важные софт-скиллы: умение работать в команде, креативность и гибкость в подходе к задачам, так как они могут быть разными даже в рамках одного проекта».

Погрузиться в работу с фреймворками можно на YouTube-канале TensorFlow, а добрать базовые знания в высшей математике для программистов — у Джона Крона (видео на английском). За актуальными проектами, курсами и мероприятиями можно следить в профессиональных сообществах, таких как ods.ai и Kaggle.

ML-инженер обучает искусственный интеллект решать задачи бизнеса с использованием больших данных. Он создает и развертывает ML Model — алгоритм, который описывает, как будет учиться компьютер, какие данные использовать, какие команды и в какой очередности выполнять. Чтобы создать модель, подходящую под задачи бизнеса, ML-инженер проводит эксперименты: обучает модель на данных, дает ей задачи, проверяет, насколько она эффективна и соответствует заданным бизнесом результатам (ML-метрикам). Например, если цель алгоритма — распознавать растения по фотографии, ключевой метрикой будет количество правильных ответов: когда алгоритм точно распознает каучуковый фикус и отличает его от других видов фикуса по внешним признакам. Когда эксперименты приходят к успеху, ML-инженер развертывает алгоритм в облако, мобильное приложение или чат-бот в существующей системе. Также в сферу ответственности ML-инженера входит эксплуатация готовой модели: он должен следить, чтобы алгоритм работал, не падал и не ломался, адаптировался под изменения данных.

Чтобы учить нейросети правильно понимать запрос и создавать качественные промпты, появилась новая профессия — промпт-инженер. Она включает в себя обязанности AI-тренера, но инженер промптов — больше программист и аналитик данных, чем писатель или редактор. Он работает с нейросетью, чтобы научить ее лучше понимать промпты и выдавать предсказуемый результат.

Второй тип компаний, которые нуждаются в ML-инженерах, не могут существовать без машинного обучения. На ML построен основной функционал их продукта. Пример такого сервиса — переводчик Google Translate, который постоянно копит базу и совершенствуется. В этом сегменте ML-инженер может поработать над SaaS-системами и мобильными приложениями, созданием алгоритмов для роботов и систем автопилотирования. Рост количества данных и необходимость использовать их на пользу бизнесу привели к резкому всплеску спроса на инженеров по машинному обучению. По итогам 2021 года ML-инженеры заняли второе место в рейтинге специалистов, которых не хватает мировой IT-индустрии. Для востребованных специалистов всегда создают привлекательные условия, в том числе зарплатные. По данным исследовательского сервиса Glassdoor, средняя зарплата ML-инженера — $123 тыс. в год. Это чуть больше $10 тыс. в месяц.

Юлия Мочалова, специалист по машинному обучению в компании «Газпром-Медиа Дата»: «Профессия ML-инженера включает в себя как аналитическую, так и инженерную деятельность. В широком смысле задача ML-инженера — создать полный цикл жизнедеятельности данных от обработки признаков из разных источников и построения модели, до выкатки ее в продакшн и настройки автоматизированного периодического запуска. Например, ML-инженер может написать пайплайн на основе данных о поведении пользователя сети, чтобы прогнозировать его интерес к покупке того или иного товара. Мой обычный рабочий день состоит из задач по разработке новых моделей или улучшению существующих. Помимо этого в день проходит 1–2 встречи с командой и обсуждение текущих проблем и успехов. Также я уделяю время тому, чтобы осваивать новые инструменты. Последний изученный — новая версия фреймворка для распределенных вычислений Apache Spark».

Юлия Мочалова: «Один из плюсов профессии: работать можно практически в любых сферах. Применять алгоритмы и настраивать автоматизированные процессы анализа данных можно в любых компаниях, где есть данные и желание извлечь из них пользу (прибыль). Сегодня вы можете работать в ритейле, а затем уйти в биоинформатику».

С массовым внедрением искусственного интеллекта появилось множество актуальных вопросов: кто будет нести ответственность, если беспилотник попадет в аварию? Можно ли считать нейросеть соавтором, если она завершит неоконченную симфонию Шуберта? Законно ли использовать цифровых двойников актеров и знаменитостей? Например, Питера Кушинга «воскресили» для фильма «Изгой-один. Звездные войны: Истории», хотя сам он не давал личного согласия на создание цифровой копии.

Кто такой ML-инженер

Рекомендации на YouTube, Google-переводчик, чат-бот в банковском приложении — мы взаимодействуем с искусственным интеллектом практически каждый день. Чтобы алгоритм был полезным для бизнеса и конечного потребителя, для начала его нужно научить учиться. Этим занимается ML-инженер.

Передо мной стояла задача разработать сюжет и собрать видеоряд продолжительностью более трех минут в единой стилистике со сложной, реалистичной анимацией. В работе над клипом не использовались футажи. Все, что вы видите, — это результат работы с нейросетями без какого-либо предварительно отснятого и обработанного материала. Для генерации видео использовал нейросеть Runwayml. Она выдает наиболее стабильный и предсказуемый результат, при этом обеспечивает достаточную динамику анимации в кадре.

Сегодня нейросети могут создавать тексты и изображения, писать куски кода, искать в нем ошибки и даже переформатировать его с одного языка программирования на другой. Паника вокруг нейросетей постепенно спадает, и возникают реалистичные вопросы: как изменятся рабочие процессы с внедрением в них искусственного интеллекта. Исследование StackOverflow показывает, что большинство IT-специалистов ожидают, что их профессия сильно или хотя бы немного изменится из-за развития искусственного интеллекта. Больше изменений в рабочих процессах ждут специалисты по тестированию и поиску ошибок в коде, мониторингу и техподдержке. Источник Из-за новых инструментов на основе искусственного интеллекта также появляются новые профессии, которых раньше не было на рынке.

Многие компании уже используют изображения, сгенерированные нейросетью, в рекламных компаниях. Например, Levi’s намерена заменить нейросетью моделей. Сейчас в карточке товара на сайте бренда используются реальные фото, а с помощью ИИ покупатели могут посмотреть, как вещь будет выглядеть на человеке с похожей внешностью и фигурой.

Помимо новых профессий, связанных с искусственным интеллектом, появились также возможности усовершенствовать процессы на любом рабочем месте. Например, те же иллюстраторы могут использовать ИИ, чтобы сделать набросок или собрать композицию будущей иллюстрации, подобрать сочетание цветов. Писатели — чтобы найти идеи для новых сюжетов, программисты — чтобы сэкономить время на написание стандартных частей кода.

ML-инженеры могут найти работу в компаниях, которые расширяют функционал своих продуктов за счет обучения алгоритмов. Такие сервисы не завязаны только на машинном обучении, но оно требуется им для развития. Например, Pinterest и YouTube на машинном обучении строят системы рекомендаций. Это помогает им показывать пользователю индивидуально подобранный контент. Такой подход распространен в ретейле, сфере банкинга и финансов, здравоохранении, маркетинге и науке.

Если правильно написать запрос к нейросети, можно не устраивать дорогостоящие фотосессии и сэкономить на иллюстрациях от профессиональных художников. Создать картинку по описанию за несколько минут — задача, посильная для нейроиллюстратора. Это современная ИИ-профессия для тех, кто хочет работать с визуалом.

Я недостаточно хорошо знаю язык программирования, потому что я не программист, а геймдизайнер. С помощью нейросетей даже моих знаний хватает для сборки приличных простых систем. Как-то в качестве развлечения к своему музыкальному хобби я сделал приложение-синтезатор, используя код, полностью написанный нейросетью. Нужно подробно описывать функционал: что делает каждая кнопка, как конкретно работает движок. В общем, нужно хорошо разбираться в предмете и донести задачу до «виртуального программиста». Он в свою очередь перенесет функционал в строчки кода. Разбивать большую задачу нужно на множество маленьких, потому что нейросети тяжело концентрироваться на нескольких вопросах сразу.