Afbeelding door auteur
 

Het kan lastig zijn om een ​​1-1 gesprek te voeren met senior dataprofessionals, vooral als je net begint. Dit artikel in interviewstijl is bedoeld om een ​​beter inzicht te krijgen in de professionele datareis en advies op senior niveau, om u de middelen te bieden om zelf te reflecteren op uw reis in de datawereld.

Laten we beginnen…

Mijn reis naar de wereld van AI en software-engineering begon in mijn jeugd met een grote interesse in programmeren. Deze passie bracht mij ertoe een bachelordiploma in computerwetenschappen en techniek te volgen aan de universiteit NIT Warangal, waar ik in 2015 afstudeerde. Vervolgens ben ik begonnen Microsoft via een campusplaatsing, waarbij ik later lid werd van het Bing Maps-team binnen de Search and AI-organisatie. 

In mijn tijd bij Bing Maps heb ik bijgedragen aan verschillende projecten gericht op het verbeteren van de service. Mijn meest opvallende bijdrage was het leiden van de ontwikkeling van een nieuw machine learning-algoritme om de detectie van labeldichtheid op kaarten te verbeteren. Ik schreef een onderzoekspaper over de nieuwe techniek die verschillende prijzen ontving en werd gepubliceerd in de Microsoft Journal of Applied Research. 

Na kaarten werd ik een van de oprichters van de branche Bing Shopping. Daar leidde ik de lancering van meerdere functies in combinatie met productadvertenties, die een belangrijke rol speelden bij het vergroten van de omzet van Bing. Ik hou van innoveren en het oplossen van alledaagse problemen. Ik heb tijdens mijn carrière talloze hackathons gewonnen, waarbij ik als laatste een AI-chatbot heb gemaakt die is ontworpen om online boodschappen doen te stroomlijnen. Momenteel ben ik terug bij Bing Maps en werk ik aan innovatieve manieren om onze kaartdiensten te verfijnen en uit te breiden. 

De sleutel tot mijn carrièregroei is een meedogenloze drang om projecten vol onbekende factoren te leiden en de vastberadenheid om complexe problemen op te lossen.

Ik denk dat de overstap van datawetenschap of analyse naar AI vaak soepeler verloopt dan mensen zich realiseren. Beide vakgebieden vereisen een sterke basis in wiskunde en programmeren. Maar als u een dataprofessional bent die een draai wil geven, moet u zich verdiepen in machine learning-algoritmen en neurale netwerken.

Een van de eerste vragen die professionals gewoonlijk stellen, zijn de opleidingsvoorwaarden om met AI in aanraking te komen. Heb je een doctoraat nodig, of volstaat een bachelor- of masterdiploma? 

Het antwoord varieert afhankelijk van de rol en het bedrijf. Terwijl een Ph.D. kan nuttig zijn, vooral voor onderzoeksposities, het is geen strikte vereiste. Een bachelor- of masterdiploma in computerwetenschappen, wiskunde of een gerelateerd vakgebied kan voldoende zijn. 

Cruciaal is een diepgaand begrip van de principes van AI en machinaal leren, dat kan worden verworven via gespecialiseerde cursussen en zelfstudie.

Certificeringen kunnen u helpen uw interesse en fundamentele kennis in AI aan te tonen, vooral wanneer u overstapt van een ander vakgebied. Maar ze moeten uw opleiding en ervaring aanvullen en niet vervangen. Het is belangrijk op te merken dat certificeringen geen gouden ticket zijn. 

Ze dienen het beste als ze worden gebruikt als aanvulling op praktijkervaring en een solide basisopleiding. Werkgevers zijn doorgaans op zoek naar praktijkervaring en probleemoplossend vermogen, die soms buiten de certificeringsprogramma's kunnen worden opgedaan.

Het overslaan van de basis is een slecht idee. Begin met fundamentele cursussen in lineaire algebra, calculus en statistiek. 

Van daaruit raad ik aan om in machine learning te duiken, mogelijk via online cursussen zoals Coursera's Machine Learning-cursus door Andrew Ng. edx en Udacity bieden ook programma's aan zoals respectievelijk de MicroMasters in Artificial Intelligence en Nanodegrees in AI. 

Ontdek vervolgens gespecialiseerde cursussen of projecten die aansluiten bij uw interesses, of het nu gaat om natuurlijke taalverwerking, computervisie of versterkend leren.

Hoewel Python op beide gebieden de go-to-taal blijft, zul je voor AI ook de handen uit de mouwen moeten steken met gespecialiseerde bibliotheken zoals TensorFlow en PyTorch. Zij leveren de bouwstenen voor het efficiënt en schaalbaar ontwerpen, trainen en valideren van modellen. Jupyter-notebooks zijn ook cruciaal voor het maken van prototypen en het delen van modellen met collega's. 

Naast de taal en bibliotheken, kan het kennen van uw weg in cloudgebaseerde AI-services zoals Azure AI of AWS SageMaker u onderscheiden van de rest.

Theoretische kennis is belangrijk, maar je hebt ook praktijkervaring nodig. 

Eén effectieve manier is door deel te nemen aan persoonlijke projecten. Pas deze projecten aan om problemen op te lossen waar u gepassioneerd over bent of om hiaten in de huidige technologie aan te pakken. Dit maakt het leerproces leuker en de uitkomst effectiever. 

Bovendien kan het bijdragen aan open-sourceprojecten niet alleen je vaardigheden aanscherpen, maar ook ervoor zorgen dat je opgemerkt wordt in de gemeenschap. Een andere mogelijkheid is deelname aan wedstrijden, zoals die op Kaggle, waarin je wordt uitgedaagd je vaardigheden toe te passen op nieuwe problemen en te leren van de mondiale gemeenschap. 

Stages zijn van onschatbare waarde en bieden mentorschap en praktijkervaring in industriële omgevingen. Zelfs als het niet wordt betaald, kan de opgedane praktische kennis een belangrijke opstap zijn. Praktische ervaring gaat niet alleen over coderen, maar ook over begrijpen hoe AI effectief kan worden ingezet om problemen in de echte wereld op te lossen. 

Daarom kunt u door middel van projectwerk, samenwerkingen en wedstrijden een portfolio opbouwen dat uw vermogen laat zien om AI-oplossingen met tastbare impact te leveren.

Netwerken is van cruciaal belang. Woon AI-meetups, webinars en conferenties bij. Volg opinieleiders in het veld op sociale media. Neem deel aan discussies, zoek mentorschap en schuw het stellen van vragen niet. Relaties kunnen deuren openen die anders gesloten zouden blijven. Problemen uit de echte wereld bieden de beste leerervaringen.

Wat mij voortstuwde was een combinatie van nieuwsgierigheid en de drang om het onbekende aan te pakken, wat mijn projectleiderschap bij Microsoft vormde. 

Als ik terug zou kunnen kijken naar het verleden, zou ik nog meer de nadruk leggen op netwerken. Het opbouwen van relaties binnen de sector kan deuren openen naar samenwerkingsmogelijkheden en inzichten die van onschatbare waarde zijn in een veld dat zo dynamisch is als AI. 

Ik zou ook meer tijd besteden aan persoonlijke projecten om vrij en zonder beperkingen te innoveren, waardoor een vollediger onderzoek van de mogelijkheden van AI mogelijk wordt en misschien zelfs nog meer baanbrekende bijdragen aan het veld.

Manas Joshi is Senior Software Engineer bij Microsoft en heeft verschillende projecten geleid in het Microsoft Bing-ecosysteem met expertise op het gebied van AI, NLP en machine learning. In dit artikel hopen we dat je meer hebt kunnen leren over de ervaring van Manas, zijn advies hebt overgenomen en een beter inzicht hebt gekregen in de vaardigheden die nodig zijn voor dataprofessionals die graag willen doorbreken in het steeds evoluerende veld van AI.
 
 

Nisha Arja is een datawetenschapper en freelance technisch schrijver. Ze is vooral geïnteresseerd in het geven van loopbaanadvies op het gebied van Data Science of tutorials en op theorie gebaseerde kennis rond Data Science. Ze wil ook de verschillende manieren onderzoeken waarop kunstmatige intelligentie de levensduur van de mens ten goede komt. Een scherpe leerling, die haar technische kennis en schrijfvaardigheid wil verbreden, terwijl ze anderen helpt te begeleiden.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: 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