Image par auteur
 

Il peut être difficile d'avoir une conversation en tête-à-tête avec des professionnels expérimentés des données, surtout lorsque vous débutez. Cet article de type entretien vise à mieux comprendre le parcours et les conseils des professionnels des données de haut niveau, afin de vous fournir les ressources nécessaires pour réfléchir sur votre parcours dans le monde des données.

Commençons…

Mon parcours dans le monde de l'IA et du génie logiciel a commencé dans mon enfance avec un vif intérêt pour la programmation. Cette passion m'a amené à poursuivre des études de premier cycle en informatique et en ingénierie à NIT Warangal, où j'ai obtenu mon diplôme en 2015. J'ai ensuite rejoint Microsoft grâce à un stage sur le campus, au cours duquel j'ai ensuite rejoint l'équipe Bing Maps au sein de l'organisation Search and AI. 

Durant mon passage chez Bing Maps, j'ai contribué à plusieurs projets visant à améliorer le service. Ma contribution la plus notable a été de diriger le développement d'un nouvel algorithme d'apprentissage automatique pour améliorer la détection de la densité des étiquettes sur les cartes. J'ai rédigé un article de recherche sur la nouvelle technique qui a reçu plusieurs prix et a été publié dans le Microsoft Journal of Applied Research. 

Après les cartes, je suis devenu membre fondateur de la verticale Bing Shopping. Là, j'ai dirigé le lancement de plusieurs fonctionnalités couplées à des publicités de produits, jouant un rôle important dans l'augmentation des revenus de Bing. J'aime innover et résoudre les problèmes du quotidien. J'ai remporté de nombreux hackathons tout au long de ma carrière, le dernier étant celui où j'ai créé un chatbot IA conçu pour rationaliser les achats d'épicerie en ligne. Actuellement, je suis de retour chez Bing Maps, où je travaille sur des moyens innovants d'affiner et d'étendre nos services de cartographie. 

La clé de mon évolution de carrière a été une volonté incessante de diriger des projets remplis d’inconnues et une détermination à résoudre des problèmes complexes.

Je pense que le passage de la science des données ou de l’analyse à l’IA est souvent plus fluide qu’on ne le pense. Les deux domaines exigent une base solide en mathématiques et en programmation. Mais si vous êtes un professionnel des données souhaitant évoluer, vous devrez approfondir les algorithmes d'apprentissage automatique et les réseaux de neurones.

L’une des premières questions que se posent généralement les professionnels concerne les pré-requis pédagogiques pour se lancer dans l’IA. Avez-vous besoin d'un doctorat, ou un baccalauréat ou une maîtrise suffira-t-il ? 

La réponse varie selon le rôle et l’entreprise. Alors qu'un doctorat. peut être bénéfique, notamment pour les postes de recherche, ce n'est pas une exigence stricte. Un baccalauréat ou une maîtrise en informatique, en mathématiques ou dans un domaine connexe peut suffire. 

Ce qui est crucial, c'est une compréhension approfondie des principes de l'IA et de l'apprentissage automatique, qui peut être acquise grâce à des cours spécialisés et à l'auto-apprentissage.

Les certifications peuvent vous aider à démontrer votre intérêt et vos connaissances fondamentales pour l’IA, en particulier lors de la transition depuis un autre domaine. Mais ils doivent compléter votre formation et votre expérience, et non les remplacer. Il est important de noter que les certifications ne sont pas une solution idéale. 

Ils servent mieux lorsqu’ils sont utilisés pour compléter une expérience du monde réel et une solide formation de base. Les employeurs recherchent généralement une expérience pratique et des capacités de résolution de problèmes, qui peuvent parfois être acquises en dehors des programmes de certification.

Sauter les bases est une mauvaise idée. Commencez par des cours fondamentaux d'algèbre linéaire, de calcul et de statistiques. 

À partir de là, je recommande de se plonger dans l'apprentissage automatique, éventuellement via des cours en ligne comme Cours d'apprentissage automatique de Coursera par Andrew Ng. EdX ainsi que Udacity proposent également des programmes tels que les MicroMasters en intelligence artificielle et les Nanodegrees en IA, respectivement. 

Ensuite, explorez des cours ou des projets spécialisés qui correspondent à vos intérêts, qu'il s'agisse du traitement du langage naturel, de la vision par ordinateur ou de l'apprentissage par renforcement.

Si Python reste le langage incontournable dans les deux domaines, pour l'IA, vous devrez également vous salir les mains avec des bibliothèques spécialisées comme TensorFlow ainsi que PyTorch. Ils fournissent les éléments de base pour concevoir, former et valider des modèles avec efficacité et évolutivité. Carnets de Jupyter sont également cruciaux pour le prototypage et le partage de modèles avec des pairs. 

Au-delà du langage et des bibliothèques, connaître les services d'IA basés sur le cloud tels qu'Azure AI ou AWS SageMaker peut vous démarquer du lot.

Les connaissances théoriques sont importantes, mais vous aurez également besoin d'une expérience pratique. 

Un moyen efficace consiste à s’engager dans des projets personnels. Adaptez ces projets pour résoudre des problèmes qui vous passionnent ou pour combler des lacunes dans la technologie actuelle. Cela rendra le processus d'apprentissage plus agréable et le résultat plus percutant. 

De plus, contribuer à des projets open source peut non seulement perfectionner vos compétences, mais également vous faire remarquer dans la communauté. Une autre possibilité consiste à participer à des concours, comme ceux de Kaggle, qui vous mettent au défi d'appliquer vos compétences à de nouveaux problèmes et d'apprendre de la communauté mondiale. 

Les stages sont inestimables, offrant un mentorat et une expérience pratique en milieu industriel. Même si elles ne sont pas rémunérées, les connaissances pratiques acquises peuvent constituer un tremplin important. L'expérience pratique ne consiste pas seulement à coder : elle consiste également à comprendre comment l'IA peut être déployée efficacement pour résoudre des problèmes du monde réel. 

Par conséquent, grâce au travail sur des projets, aux collaborations et aux concours, vous pouvez créer un portefeuille qui met en valeur votre capacité à fournir des solutions d’IA ayant un impact tangible.

Le réseautage est vital. Participez à des rencontres, des webinaires et des conférences sur l'IA. Suivez les leaders d’opinion dans le domaine sur les réseaux sociaux. Participez à des discussions, recherchez du mentorat et n'hésitez pas à poser des questions. Les relations peuvent ouvrir des portes qui autrement resteraient fermées. Les problèmes du monde réel offrent les meilleures expériences d'apprentissage.

Ce qui m'a propulsé vers l'avant, c'est un mélange de curiosité et de volonté d'affronter l'inconnu, qui a guidé ma direction de projet chez Microsoft. 

Si je pouvais revisiter le passé, je mettrais encore plus l’accent sur le réseautage. L’établissement de relations au sein de l’industrie peut ouvrir la porte à des opportunités de collaboration et à des informations inestimables dans un domaine aussi dynamique que l’IA. 

J'accorderais également plus de temps aux projets personnels pour innover librement sans contraintes, permettant une exploration plus complète des possibilités de l'IA et peut-être, encore plus, des contributions révolutionnaires dans le domaine.

Manas Joshi est ingénieur logiciel senior chez Microsoft et a dirigé plusieurs projets dans l'écosystème Microsoft Bing avec une expertise en IA, NLP et apprentissage automatique. Dans cet article, nous espérons que vous avez pu découvrir l'expérience de Manas, prendre en compte ses conseils et mieux comprendre les compétences nécessaires aux professionnels de la donnée désireux de percer dans le domaine en constante évolution de l'IA.
 
 

Nisha Arya est Data Scientist et rédacteur technique indépendant. Elle est particulièrement intéressée à fournir des conseils de carrière en science des données ou des tutoriels et des connaissances théoriques sur la science des données. Elle souhaite également explorer les différentes façons dont l'intelligence artificielle est/peut bénéficier à la longévité de la vie humaine. Une apprenante passionnée, cherchant à élargir ses connaissances techniques et ses compétences en écriture, tout en aidant à guider les autres.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• La source: https://www.kdnuggets.com/a-microsoft-engineer-guide-to-ai-innovation-and-leadership?utm_source=rss&utm_medium=rss&utm_campaign=a-microsoft-engineers-guide-to-ai-innovation-and-leadership