작성자 별 이미지
특히 막 시작하는 단계에서는 선임 데이터 전문가와 1:1 대화를 나누기가 어려울 수 있습니다. 이 인터뷰 스타일의 기사는 고위급 데이터 전문가 여정과 조언을 더 잘 이해하고 데이터 세계에서의 여정을 스스로 성찰할 수 있는 리소스를 제공하는 것을 목표로 합니다.
시작하자…
AI와 소프트웨어 엔지니어링의 세계로의 나의 여정은 어린 시절 프로그래밍에 대한 깊은 관심으로 시작되었습니다. 이러한 열정으로 저는 컴퓨터 과학 및 공학 학사 학위를 취득하게 되었습니다. NIT 와랑갈, 저는 2015년에 졸업했습니다. 그 후 합류했습니다. Microsoft 캠퍼스 배치를 통해 나중에 검색 및 AI 조직 내의 Bing Maps 팀에 합류했습니다.
Bing Maps에서 근무하면서 서비스 개선을 목표로 하는 여러 프로젝트에 기여했습니다. 제가 가장 주목할만한 기여는 지도에서 라벨 밀도 감지를 향상시키는 새로운 기계 학습 알고리즘의 개발을 주도한 것입니다. 저는 새로운 기술에 대한 연구 논문을 작성하여 여러 상을 받았으며 Microsoft Journal of Applied Research에 게재되었습니다.
지도 이후 저는 Bing Shopping 카테고리의 창립 멤버가 되었습니다. 그곳에서 저는 제품 광고와 결합된 다양한 기능의 출시를 주도하여 Bing의 수익을 높이는 데 중요한 역할을 했습니다. 나는 일상의 문제를 혁신하고 해결하는 것을 좋아합니다. 저는 경력 전반에 걸쳐 수많은 해커톤에서 우승했으며, 마지막 우승은 온라인 식료품 쇼핑을 간소화하도록 설계된 AI 챗봇을 만든 것입니다. 현재 저는 Bing Maps로 돌아와 매핑 서비스를 개선하고 확장하는 혁신적인 방법을 연구하고 있습니다.
내 경력 성장의 핵심은 미지의 문제로 가득 찬 프로젝트를 주도하려는 끊임없는 추진력과 복잡한 문제를 해결하려는 결단력이었습니다.
데이터 과학이나 분석에서 AI로의 전환은 사람들이 생각하는 것보다 더 순조롭게 진행되는 경우가 많습니다. 두 분야 모두 수학과 프로그래밍에 대한 탄탄한 기초를 요구합니다. 그러나 전환을 원하는 데이터 전문가라면 기계 학습 알고리즘과 신경망을 자세히 살펴봐야 합니다.
전문가들이 일반적으로 가장 먼저 묻는 질문 중 하나는 AI에 들어가기 위한 교육 전제 조건입니다. 박사 학위가 필요합니까, 아니면 학사 또는 석사 학위로 충분합니까?
대답은 역할과 회사에 따라 다릅니다. 박사 과정 동안. 특히 연구 직위에 유리할 수 있지만 엄격한 요구 사항은 아닙니다. 컴퓨터 과학, 수학 또는 관련 분야의 학사 또는 석사 학위이면 충분합니다.
중요한 것은 전문교육과 자율학습을 통해 습득할 수 있는 AI와 머신러닝의 원리에 대한 깊은 이해입니다.
인증은 특히 다른 분야에서 전환할 때 AI에 대한 관심과 기초 지식을 입증하는 데 도움이 될 수 있습니다. 하지만 이는 귀하의 교육과 경험을 대체하는 것이 아니라 보완해야 합니다. 인증이 골든 티켓이 아니라는 점을 기억하는 것이 중요합니다.
실제 경험과 탄탄한 기초 교육을 보완하는 데 사용될 때 가장 효과적입니다. 고용주는 일반적으로 인증 프로그램 외부에서 얻을 수 있는 실무 경험과 문제 해결 능력을 찾습니다.
기본을 건너 뛰는 것은 나쁜 생각입니다. 선형대수학, 미적분학, 통계학의 기본 과정부터 시작해 보세요.
그런 다음 다음과 같은 온라인 과정을 통해 기계 학습에 대해 알아보는 것이 좋습니다. Andrew Ng의 Coursera 기계 학습 과정. EdX 와 Udacity의 또한 각각 인공 지능 분야의 MicroMasters 및 AI 분야의 Nanodegrees와 같은 프로그램도 제공합니다.
그런 다음 자연어 처리, 컴퓨터 비전, 강화 학습 등 귀하의 관심 분야에 맞는 전문 과정이나 프로젝트를 탐색해 보세요.
Python은 두 분야 모두에서 여전히 인기 있는 언어이지만 AI의 경우 다음과 같은 전문 라이브러리를 사용하여 손을 더럽혀야 합니다. TensorFlow 와 파이 토치. 효율성과 확장성을 갖춘 모델을 설계, 교육 및 검증하기 위한 구성 요소를 제공합니다. 주피터 수첩 프로토타입을 만들고 동료와 모델을 공유하는 데에도 중요합니다.
언어와 라이브러리 외에도 Azure AI 또는 AWS SageMaker와 같은 클라우드 기반 AI 서비스에 대한 방법을 알면 다른 제품과 차별화될 수 있습니다.
이론적 지식도 중요하지만 실무 경험도 필요합니다.
효과적인 방법 중 하나는 개인 프로젝트에 참여하는 것입니다. 귀하가 열정을 갖고 있거나 현재 기술의 격차를 해결하는 문제를 해결하기 위해 이러한 프로젝트를 맞춤화하십시오. 그러면 학습 과정이 더욱 즐거워지고 결과가 더욱 영향력 있게 될 것입니다.
또한, 오픈 소스 프로젝트에 기여하면 기술을 연마할 수 있을 뿐만 아니라 커뮤니티에서 주목을 받을 수도 있습니다. 또 다른 방법은 Kaggle과 같은 대회에 참가하는 것입니다. 대회에서는 새로운 문제에 자신의 기술을 적용하고 글로벌 커뮤니티로부터 배울 수 있습니다.
인턴십은 산업 현장에서 멘토십과 실무 경험을 제공하는 매우 귀중한 기회입니다. 무급이더라도 얻은 실무 지식은 중요한 디딤돌이 될 수 있습니다. 실제 경험은 단지 코딩에 관한 것이 아니라 실제 문제를 해결하기 위해 AI를 효과적으로 배포할 수 있는 방법을 이해하는 것이기도 합니다.
따라서 프로젝트 작업, 협업 및 경쟁을 통해 실질적인 영향을 미치는 AI 솔루션을 제공하는 능력을 보여주는 포트폴리오를 구축할 수 있습니다.
네트워킹이 중요합니다. AI 모임, 웹 세미나, 컨퍼런스에 참석하세요. 소셜 미디어에서 해당 분야의 사고 리더를 팔로우하세요. 토론에 참여하고, 멘토링을 구하고, 질문하는 것을 주저하지 마십시오. 관계는 닫혀 있을 수도 있는 문을 열 수 있습니다. 실제 문제는 최고의 학습 경험을 제공합니다.
제가 앞으로 나아갈 수 있었던 원동력은 호기심과 미지의 세계에 도전하려는 추진력이 결합되어 Microsoft에서 저의 프로젝트 리더십을 이끌었습니다.
과거를 다시 떠올릴 수 있다면 네트워킹을 더욱 강조하고 싶습니다. 업계 내에서 관계를 구축하면 AI만큼 역동적인 분야에서 귀중한 협업 기회와 통찰력을 얻을 수 있습니다.
또한 제약 없이 자유롭게 혁신할 수 있도록 개인 프로젝트에 더 많은 시간을 할당하여 AI의 가능성을 더욱 완벽하게 탐구하고 아마도 훨씬 더 이 분야에 획기적인 기여를 할 것입니다.
마나스 조시 Microsoft의 수석 소프트웨어 엔지니어이며 AI, NLP 및 기계 학습에 대한 전문 지식을 바탕으로 Microsoft Bing 생태계 전반에 걸쳐 여러 프로젝트를 이끌었습니다. 이 기사를 통해 여러분이 Manas의 경험을 배우고, 그의 조언을 받아들이고, 끊임없이 진화하는 AI 분야에 뛰어들고 싶어하는 데이터 전문가에게 필요한 기술을 더 잘 이해할 수 있었기를 바랍니다.
니샤 아리아 데이터 과학자이자 프리랜스 기술 작가입니다. 그녀는 특히 데이터 과학 관련 직업 조언 또는 자습서 및 이론 기반 지식을 제공하는 데 관심이 있습니다. 그녀는 또한 인공 지능이 인간의 수명에 도움이 되는 다양한 방법을 탐구하고자 합니다. 다른 사람들을 안내하는 동시에 기술 지식과 작문 기술을 넓히고자 하는 열성적인 학습자.
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: 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
