著者による画像
特に始めたばかりの場合、上級データ専門家と 1 対 1 で会話するのは難しい場合があります。 このインタビュー スタイルの記事は、上級レベルのデータ プロフェッショナルの歩みとアドバイスをより深く理解し、データの世界での歩みを振り返るためのリソースを提供することを目的としています。
はじめましょう…
AI とソフトウェア エンジニアリングの世界への私の旅は、幼少期にプログラミングに強い興味を持って始まりました。 この情熱により、私はコンピュータ サイエンスとエンジニアリングの学士号を取得することになりました。 NITワランガル2015年に卒業し、その後入社しました。 Microsoft キャンパスでの就職活動を通じて、その後、検索および AI 組織内の Bing Maps チームに加わりました。
Bing Maps に勤務していたとき、私はサービスの改善を目的としたいくつかのプロジェクトに貢献しました。 私の最も注目すべき貢献は、地図上のラベル密度検出を強化するための新しい機械学習アルゴリズムの開発を主導したことです。 私はこの新しい技術に関する研究論文を書き、いくつかの賞を受賞し、Microsoft Journal of Applied Research に掲載されました。
マップの後、私は Bing Shopping 部門の創設メンバーになりました。 そこで私は、製品広告と組み合わせた複数の機能の立ち上げを主導し、Bing の収益拡大に重要な役割を果たしました。 私はイノベーションを起こして日常の問題を解決することが大好きです。 私はこれまでのキャリアを通じて数多くのハッカソンで優勝してきました。最後のハッカソンでは、オンライン食料品の買い物を効率化するために設計された AI チャットボットを作成しました。 現在、私は Bing Maps に戻り、地図サービスを改良し、拡張する革新的な方法に取り組んでいます。
私のキャリア成長の鍵は、未知の要素に満ちたプロジェクトを主導するための絶え間ない意欲と、複雑な問題を解決するという決意でした。
データ サイエンスやアナリティクスから AI への移行は、人々が思っているよりもスムーズに進むことが多いと思います。 どちらの分野も数学とプログラミングの強力な基礎を必要とします。 ただし、データの専門家がピボットを考えている場合は、機械学習アルゴリズムとニューラル ネットワークについて詳しく調べる必要があります。
専門家が通常最初に尋ねる質問の XNUMX つは、AI を始めるための教育の前提条件です。 博士号は必要ですか? それとも学士号または修士号で十分ですか?
答えは役割や会社によって異なります。 博士号を取得している間、 特に研究職の場合は有益である可能性がありますが、厳密な要件ではありません。 コンピューター サイエンス、数学、または関連分野の学士号または修士号があれば十分です。
重要なのは、AI と機械学習の原理を深く理解することであり、専門コースや独学で習得できます。
認定資格は、特に別の分野から移行する場合に、AI への関心と基礎知識を証明するのに役立ちます。 しかし、それらはあなたの教育や経験を補完するものであり、それらに取って代わるものではありません。 認定資格はゴールデンチケットではないことに注意することが重要です。
これらは、実世界の経験としっかりとした基礎教育を補うために使用すると、最も効果的です。 雇用主は通常、実践的な経験と問題解決能力を求めていますが、これらは認定プログラム以外でも得られる場合があります。
基本を無視するのは悪い考えです。 線形代数、微積分、統計の基礎コースから始めます。
そこから、おそらく次のようなオンライン コースを通じて、機械学習に飛び込むことをお勧めします。 Coursera の機械学習コース (Andrew Ng 著). EdX & Udacity また、それぞれ人工知能のマイクロマスターや AI のナノ学位などのプログラムも提供しています。
次に、自然言語処理、コンピューター ビジョン、強化学習など、自分の興味に合った専門コースやプロジェクトを探してください。
Python はどちらの分野でも引き続き頼りになる言語ですが、AI の場合は、次のような特殊なライブラリを使用する必要もあります。 TensorFlow & パイトーチ。 これらは、効率性と拡張性を備えたモデルの設計、トレーニング、検証のための構成要素を提供します。 ジュピターノート プロトタイピングやモデルの同僚との共有にも重要です。
言語やライブラリを超えて、Azure AI や AWS SageMaker などのクラウドベースの AI サービスの使い方を知ることで、他の人よりも差別化を図ることができます。
理論的な知識は重要ですが、実践的な経験も必要です。
効果的な方法の XNUMX つは、個人的なプロジェクトに参加することです。 これらのプロジェクトを、自分が情熱を注いでいる問題を解決したり、現在のテクノロジーのギャップに対処したりするためにカスタマイズします。これにより、学習プロセスがより楽しくなり、結果がよりインパクトのあるものになります。
さらに、オープンソース プロジェクトに貢献すると、スキルを磨くだけでなく、コミュニティで注目を集めることができます。 もう XNUMX つの方法は、Kaggle のようなコンテストに参加することです。コンテストでは、自分のスキルを新しい問題に適用し、グローバル コミュニティから学ぶことが求められます。
インターンシップは非常に貴重で、産業現場での指導や実践経験を提供します。 たとえ無給であっても、得られる実践的な知識は重要な足掛かりとなる可能性があります。 実践的な経験はコーディングだけではなく、現実世界の問題を解決するために AI を効果的に導入する方法を理解することも意味します。
したがって、プロジェクト作業、コラボレーション、コンテストを通じて、目に見える影響を与える AI ソリューションを提供する能力を示すポートフォリオを構築できます。
ネットワーキングは不可欠です。 AI ミートアップ、ウェビナー、カンファレンスに参加してください。 ソーシャルメディアでその分野の思想的リーダーをフォローしてください。 ディスカッションに参加し、指導を求め、遠慮せずに質問してください。 人間関係は、そうでなければ閉ざされたままになっているかもしれない扉を開くことがあります。 現実世界の問題は最高の学習体験を提供します。
私を前進させたのは、好奇心と未知のものに取り組む意欲の混合であり、それがマイクロソフトでのプロジェクトのリーダーシップを導きました。
過去を振り返ることができるなら、私はネットワークをさらに重視するでしょう。 業界内で関係を構築すると、AI のようなダイナミックな分野において、共同作業の機会や貴重な洞察への扉が開かれます。
また、個人的なプロジェクトにより多くの時間を割り当て、制約なしに自由にイノベーションを起こし、AI の可能性をより深く探究し、おそらくはこの分野へのさらに多くの画期的な貢献を可能にしたいと考えています。
マナス・ジョシ Microsoft のシニア ソフトウェア エンジニアであり、AI、NLP、機械学習の専門知識を活かし、Microsoft Bing エコシステム全体でいくつかのプロジェクトを指揮してきました。 この記事で、マナスの経験について学び、彼のアドバイスを取り入れ、進化し続ける AI 分野への参入を熱望するデータ プロフェッショナルに必要なスキルについてより深く理解していただければ幸いです。
ニシャ・アリア データサイエンティスト兼フリーランステクニカルライターです。 彼女は特に、データサイエンスのキャリアに関するアドバイスやチュートリアル、およびデータサイエンスに関する理論に基づく知識の提供に関心を持っています。 彼女はまた、人工知能が人間の寿命の長寿に役立つ/できるさまざまな方法を探求したいと考えています。 他の人を導くのを助けながら、彼女の技術知識とライティングスキルを広げることを求めている熱心な学習者。
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
- プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
- プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
- プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
- 情報源： 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
