Изображение по автору
 

Может быть сложно поговорить один на один со старшими специалистами по данным, особенно когда вы только начинаете. Эта статья в стиле интервью призвана помочь вам лучше понять путь профессионала в области данных и получить советы, а также предоставить вам ресурсы для самоанализа в вашем путешествии в мире данных.

Давайте начнем…

Мое путешествие в мир искусственного интеллекта и разработки программного обеспечения началось в детстве с большого интереса к программированию. Эта страсть побудила меня получить степень бакалавра в области компьютерных наук и инженерии в НИТ Варангал, который я окончил в 2015 году. Затем я присоединился Microsoft через стажировку в кампусе, где я позже присоединился к команде Bing Maps в организации поиска и искусственного интеллекта. 

За время работы с Bing Maps я участвовал в нескольких проектах, направленных на улучшение сервиса. Мой наиболее заметный вклад заключался в разработке нового алгоритма машинного обучения для улучшения определения плотности меток на картах. Я написал исследовательскую работу по новой методике, которая получила несколько наград и была опубликована в Microsoft Journal of Applied Research. 

После карт я стал одним из основателей вертикали Bing Shopping. Там я руководил запуском нескольких функций в сочетании с рекламой продуктов, сыграв значительную роль в увеличении доходов Bing. Я люблю изобретать и решать повседневные проблемы. За свою карьеру я выиграл множество хакатонов, на последнем из которых я создал чат-бота с искусственным интеллектом, предназначенного для оптимизации онлайн-покупок продуктов. В настоящее время я снова работаю в Bing Maps, работая над инновационными способами совершенствования и расширения наших картографических услуг. 

Ключом к моему карьерному росту стало неустанное стремление руководить проектами, наполненными неизвестными, и решимость решать сложные проблемы.

Я думаю, что переход от науки о данных или аналитики к искусственному интеллекту часто происходит более плавно, чем люди думают. Обе области требуют прочной основы в математике и программировании. Но если вы специалист по данным, желающий выполнить поворот, вам нужно будет углубиться в алгоритмы машинного обучения и нейронные сети.

Один из первых вопросов, которые обычно задают профессионалы, — это образовательные предпосылки для изучения ИИ. Нужна ли вам степень доктора философии или достаточно степени бакалавра или магистра? 

Ответ варьируется в зависимости от роли и компании. В то время как доктор философии. может быть полезно, особенно для исследовательских должностей, это не строгое требование. Может быть достаточно степени бакалавра или магистра в области компьютерных наук, математики или смежных областей. 

Решающее значение имеет глубокое понимание принципов искусственного интеллекта и машинного обучения, которое можно приобрести посредством специализированных курсов и самостоятельного обучения.

Сертификаты могут помочь продемонстрировать ваш интерес и фундаментальные знания в области искусственного интеллекта, особенно при переходе из другой области. Но они должны дополнять ваше образование и опыт, а не заменять их. Важно отметить, что сертификаты не являются золотым билетом. 

Они служат лучше всего, когда используются в качестве дополнения к реальному опыту и прочному базовому образованию. Работодатели обычно ищут практический опыт и возможности решения проблем, которые иногда можно получить за пределами программ сертификации.

Пропускать основы — плохая идея. Начните с фундаментальных курсов линейной алгебры, исчисления и статистики. 

После этого я рекомендую погрузиться в машинное обучение, возможно, через онлайн-курсы, такие как Курс машинного обучения Coursera, Эндрю Нг. EDX и Udacity также предлагают такие программы, как MicroMasters в области искусственного интеллекта и Nanogrades в области искусственного интеллекта соответственно. 

Затем изучите специализированные курсы или проекты, которые соответствуют вашим интересам, будь то обработка естественного языка, компьютерное зрение или обучение с подкреплением.

Хотя Python остается основным языком в обеих областях, для ИИ вам также придется испачкать руки специализированными библиотеками, такими как TensorFlow и PyTorch. Они предоставляют строительные блоки для эффективного и масштабируемого проектирования, обучения и проверки моделей. Ноутбуки Jupyter также имеют решающее значение для создания прототипов и обмена моделями с коллегами. 

Помимо языка и библиотек, знание облачных сервисов искусственного интеллекта, таких как Azure AI или AWS SageMaker, может выделить вас среди остальных.

Теоретические знания важны, но вам также понадобится практический опыт. 

Один из эффективных способов — участие в личных проектах. Адаптируйте эти проекты для решения проблем, которые вас интересуют, или для устранения пробелов в современных технологиях — это сделает процесс обучения более приятным, а результаты — более эффективными. 

Кроме того, участие в проектах с открытым исходным кодом может не только отточить ваши навыки, но и привлечь к вам внимание в сообществе. Еще один вариант — участие в соревнованиях, подобных тем, которые проводятся на Kaggle, которые заставляют вас применять свои навыки для решения новых задач и учиться у мирового сообщества. 

Стажировки неоценимы, поскольку они предлагают наставничество и практический опыт в промышленных условиях. Полученные практические знания, даже если они не оплачиваются, могут стать важным шагом вперед. Практический опыт — это не только программирование, но и понимание того, как можно эффективно использовать ИИ для решения реальных проблем. 

Таким образом, благодаря проектной работе, сотрудничеству и конкурсам вы можете создать портфолио, которое продемонстрирует вашу способность предоставлять решения искусственного интеллекта с ощутимым эффектом.

Нетворкинг жизненно важен. Посещайте встречи, вебинары и конференции по искусственному интеллекту. Следите за лидерами мнений в этой области в социальных сетях. Участвуйте в дискуссиях, ищите наставничества и не уклоняйтесь от вопросов. Отношения могут открыть двери, которые в противном случае могли бы остаться закрытыми. Реальные проблемы предлагают лучший опыт обучения.

Меня двигало вперед сочетание любопытства и стремления к неизведанному, которые руководили моим руководством проектом в Microsoft. 

Если бы я мог вернуться в прошлое, я бы еще больше сделал упор на нетворкинг. Построение отношений внутри отрасли может открыть двери для совместных возможностей и идей, которые неоценимы в такой динамичной области, как искусственный интеллект. 

Я бы также уделил больше времени личным проектам, чтобы свободно и без ограничений внедрять инновации, что позволит более полно изучить возможности ИИ и, возможно, даже больше, внести новаторский вклад в эту область.

Манас Джоши является старшим инженером-программистом в Microsoft и руководил несколькими проектами в экосистеме Microsoft Bing, обладая опытом в области искусственного интеллекта, НЛП и машинного обучения. Мы надеемся, что в этой статье вы смогли узнать об опыте Манаса, принять во внимание его советы и лучше понять навыки, необходимые профессионалам в области данных, стремящимся проникнуть в постоянно развивающуюся область искусственного интеллекта.
 
 

Ниша Арья является специалистом по данным и внештатным техническим писателем. Она особенно заинтересована в предоставлении карьерных советов или учебных пособий по науке о данных, а также теоретических знаний по науке о данных. Она также хочет изучить различные способы, которыми искусственный интеллект может способствовать долголетию человеческой жизни. Страстная ученица, стремящаяся расширить свои технические знания и навыки письма, одновременно помогая другим.

• SEO-контент и PR-распределение. Получите усиление сегодня.
• PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
• ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
• ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
• ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
• Источник: 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