Професиите на бъдещето: Как се става специалист по машинно обучение?
Машинното самообразование (ML) е фундаментално друг метод от обичайното програмиране. Без да влизаме в доста детайлности, може да кажем, че ML разрешава на един логаритъм да се " учи " от наличните данни и да взима решения даже и за напълно нововъзникнали и невиждани случаи, без да се постанова да бъде експлицитно програмиран. По този метод, машинното самообразование е в основата на по-широката идея за изкуствен интелект.
Алгоритмите оказват помощ да се икономисва време за хората и бизнеса и да се направи животът по-лесен и комфортен. Това е и повода да има извънредно огромен интерес към ML от бизнесмените и вложителите. Консултантската компания PwC планува, че с помощта на изкуствения разсъдък, до 2030 година брутният вътрешен артикул (БВП) на Китай ще се усили с 26%, на Северна Америка с 14%, а на Европа с към 10%.
Примерите за артикули и услуги, основани на ML, са многочислени. Докато изпращаме и получаваме десетки мейли всеки ден, ML предотвратява задръстването на електронните пощенски кутии със спам. Съдържание на разнообразни езици в интернет пространството е допустимо да се чете без да сте полиглот. С напредъка на технологиите за компютърна обработка на естествени езици, ML дава опция за превод от един език на различен с качество, което доста се приближава до равнището на експертните преводачи. Ежедневно от ден на ден използваме умни асистенти в дома или колите ни, които схващат нашите гласови команди и даже могат да поддържат връзка с нас. В опазването на здравето, ML логаритмите съществено подкрепят здравната диагностика, осигурявайки постоянно съответна преценка, не по-малко точна от тази на лекари експерти, посветили живота си на медицината. Типичен образец е идентифицирането на туморни формирания и класификацията им, което е най-важният стадий в диагностиката и лекуването на другите онкологични болести. ML навлиза и във фармацевтиката, помагайки за синтез на лекарствени формули, наред с инспекцията на страничните резултати или нежелани реакции при разбъркване с други медикаменти. Такава верификация е скъпа, мудна и може да е податлива на неточности в случай че се употребяват обичайни подходи. Един от плановете от региона на интернет на нещата (IoT), по които интензивно работи Bosch.IO в София, включва обезпечаване на интернет съгласуваност на интелигентни камери, оборудвани със IoT датчици и ML логаритми.
Звучи ли ви като специалност от бъдещето? Kaĸ ce cтaвa експерт по машинно образование, paзĸaзвa зa mоnеу.bg Mapян Pизинcĸи, мeниджъp oтдeл " Texнoлoгичнo и бизнec ĸoнcyлтиpaнe " в Bosch.IO - глобално поделение на Група Бош за планове от най-ново потомство в региона на Интернет на нещата (IoT), изкуствения разсъдък (AIoT) и дигитализацията.
- Юрист, доктор, проектант - добре знае се, че тези специалности се учат в университет. Как обаче се става ML експерт? И какви личностни характерности и университетски знания би трябвало да има един съвършен претендент за ML експерт?
- Както и в специалностите, които изброихте, академичната подготовка е нужна и за ML експерта. Обикновено се допуска, че един ML експерт е придобил бакалавърска степен по компютърни науки като основа. Надграждайки върху тази основа и разбирайки потребностите на бизнеса и цифровата стопанска система, доста университети основават и профилирани магистърски и докторски стратегии по машинно образование и изкуствен интелект. Цялостното образование цели придобиване на сложен набор от задълбочени умения по математическо и статистическо моделиране, работа с огромни масиви от данни, разбор на данни, основаване на прототипи на логаритми и тяхната оптимизация, намиране на нови подходи за решение на проблеми. Може би най-важната личностна характерност е човек в действителност да си харесва работата. Добрите ML специалисти се характеризират с неизменност и блян да търсят отговори. Желанието за непрестанно образование и надграждане на уменията е значимо във всяка специалност и още повече в тази област, имайки поради какъв брой бързо се развива. Ежедневно се разгласяват стотици научни публикации и разработки за усъвършенствани логаритми и нови парадигми. Дори най-опитните експерти би трябвало непрестанно да усъвършенстват своите умения, с цел да са в крайник с новите разработки.
- Кои са най-хубавите места, съгласно вас, на които човек, който има предпочитание да се занимава с ML може да го направи?
- Софтуерната промишленост е един самобитен феномен, който радикално промени нашите показа по какъв начин и от кое място работим. С достъп до интернет, човек безусловно може да се занимава с ML от всяка една точка на света. Добавената стойност се крие в интелектуалния принос, тъй като тази работа е на първо място изобретателна. Свободата на избора, обменът на хрумвания и големите благоприятни условия за съдействие са част от културата в софтуерните компании. Дали това се прави на място или отдалечено към този момент няма изключително значение. Все отново удобната среда е определяща, с цел да се сътвори сериозна общественост от експерти, да се отгледа метод на новаторско мислене, развиване и конкурентноспособност, да се въодушевява предприемачеството и апетита към поемането на опасности. Безспорни водачи в това отношение са американските софтуерни центрове от вида на Силицевата котловина, където бизнесът, университетските среди и вложителите са мощно взаимосвързани и се допълват. Ако някой желае да прави ML на международно равнище, би трябвало да се квалифицира в Съединени американски щати. Но в последно време има и развой на завръщане на български експерти, които са натрупали опит в чужбина и започват личен бизнес и начинания в България. Например, едно от най-забележителните събития на 2022 година е основаването на Института за компютърни науки, изкуствен интелект и технологии (INSAIT) към Софийския университет, с помощта на напъните и амбициозното визионерство на проф. Мартин Вечев от Швейцарския федерален институт по технологии (ETH) в Цюрих. INSAIT съставлява първият по рода си институт в Източна Европа, построен по модела на най-силните университети в света, привличайки топ ML експерти като преподаватели и научни ръководители. Създаването на този институт е неповторима опция за България освен да бъде приета като международен център за изкуствен интелект, само че и да помогне на нас самите да сътворяваме градивна среда, която ще основава атмосфера и обичаи в региона.
Източник:
Марян Ризински
- Колко години лишава образованието на един кадър, до момента в който доближи приблизително равнище в йерархията? Можете ли да изброите през какви равнища на образование минава един предстоящ ML експерт?
- Може да се каже, че са нужни най-малко няколко години, до момента в който един специалист доближи приблизително равнище. Но като цяло няма еднопосочен отговор на този въпрос, защото напредването в кариерата зависи от доста фактори. За началния старт при започване на работа в дадена компания е определящо дали академичната подготовка включва магистратура или докторат. Предишният опит постоянно се взима поради като преимущество в процеса на асортимент на фрагменти. Важен е и капацитетът на самия претендент и по какъв начин се оправя с поетите задания. Зависи и от характерните условия на компанията и какви проблеми възнамерява да взема решение. Ключов фактор за кариерно израстване са практическата работа и действителният принос към бизнеса на компанията.
- Какви типове ML експерти има (най-общо); кое е най-ниското и кое най-високото равнище в този отрасъл?
- Нивата включват позиции от стажант, който прохожда в региона, до шеф по изкуствен интелект, който дефинира и реализира контрол над осъществяването на софтуерната тактика и дава отговор за стотици, от време на време и хиляди експерти. Има два съществени типа ML експерти - академик в региона на науките за данни (data scientist) и инженер по машинно образование (ML engineer). Първите се занимават с бизнес-контекста посредством другарство с всички заинтригувани страни в един план, след което избират данните и основават подобаващи ML логаритми за решение на даден проблем. Целта им е да проучват и обработват данните, да построяват ML модели, да тестват хипотези и да оформят изводи, които да бъдат предоставени на вземащите решения. От друга страна, инженерите по машинно образование дават отговор за инженерната част - използване на построените модели в продуктивна среда, т.е. артикул или услуга, с която крайните консуматори взаимодействат. Инженерите обезпечават цялостния витален цикъл на ML моделите от внедряване до продуктивна приложимост през автоматизиране и мониторинг на всички съпътстващи процеси като събиране на нови данни, оптимизация и акомодация на моделите, обезпечаване на непрестанно качество на системата, и така нататък
- Споменахте, че с изключение на на процедура, ML експерти се осъществят и на академично равнище. Можем ли да посочим съответни персони с академична реализация и " гурута " в практиката?
- Има доста тънка граница сред ML разработките в университетските среди и приложенията им в промишлеността. Обикновено има близко съдействие сред откривателите от университетите и фирмите.
Гурутата от университетските среди обичайно имат водеща роля в огромните софтуерни компании. Например, една от най-влиятелните персони в света на ML е създателят на платформата Coursera проф. Андрю Нг (Andrew Ng) от Станфордския университет. Освен с научните си разработки и желанието да направи машинното образование налично за всеки, той е прочут и като съосновател и някогашен шеф на Гугъл Brain, част от Гугъл AI (изследователско поделение в Гугъл за неестествен интелект). Професорът е прочут и като някогашен основен откривател в търсачката Baidu, където основава групата за изкуствен интелект на компанията и я разраства до екип от няколко хиляди души. Друга ярка персона е словашко-канадският ML специалист Андрей Карпати (Andrej Karpathy), старши шеф за изкуствен интелект в Тесла, който управлява AI екипа за автопилотно шофиране на компанията. Карпати пази докторска степен от Станфордския университет, където специализира по приложения на невронни мрежи в компютърното зрение. Френско-американският академик проф. Ян Андре Лекун (Yann André LeCun) от Нюйоркския университет е вицепрезидент и основен откривател по изкуствен интелект във Meta (Facebook). Той е най-известен с приноса си към конволюционните невронни мрежи, които се употребяват доста необятно в компютърното зрение и разпознаването на тирада. Това са единствено няколко известни персони, само че има и доста други.
- В подтекста на тематиката ни няма по какъв начин да не засегнем заплащането. Какви заплати могат да чакат младите ML експерти при започване на своята кариера и до къде могат да чакат да доближат възнагражденията им в идващите 5-10 години?
- Знаете, че експертите в IT бранша обичайно са измежду добре заплатените у нас и считам, че ML експертите не са изключение, само че би трябвало да се има поради, че заплащането въпреки всичко зависи от доста фактори - политиката на компанията, обучение и опит на претендента и така нататък Стойностите могат да варират, само че мисля, че главното в избора на кариерен път в региона на ML е най-вече в предизвикването да решиш даден проблем, да провокираш творчеството си и да допринесеш за развиване в дадена област. Заплащането несъмнено е стимулиращо, само че не и съществена причина, с цел да започнеш работа в тази сфера.
- Каква е ролята на бизнеса при образованието на ML фрагменти и по какъв начин в действителност става подборът на претенденти? Избират ли се безспорни начинаещи или се избират хора, които към този момент имат някакъв опит в този отрасъл?
- Дигиталната стопанска система се базира на познания и фирмите във високотехнологичния бранш ясно схващат, че развиването и бъдещето им директно зависи от човешкия капацитет, знанията и опита на експертите. По тази причина, ролята на бизнеса в образованието на фрагменти става все по-важна. Търсят се освен опитни фрагменти, само че и млади гении, в които фирмите да влагат. Така се реализира уравновесена среда, в която младите гении се учат от опитните фрагменти, само че също по този начин внасят нов подтик и свежи хрумвания в фирмите. Всичко това става с съответни целенасочени вложения. Например, Бош щe инвecтиpa 10 милиapдa eвpo в цифpoвизaция и cвъpзaнocт до 2025 год. Това е изцяло в унисон със тактиката на Бош всички артикули на компанията да включват изкуствен интелект или да са създадени или създадени с негова помощ. Голяма част от тези средства са освен за нови разработки, само че и за образования на експертите. В Бош има вътрешни стратегии за образование по изкуствен интелект и машинно образование. Фокусът върху нововъведенията, адаптирането към измененията в заобикалящия свят и основаването на нови артикули и услуги са интегрална част от същността на Бош. Ако погледнете статистиката на Европейското патентно ведомство, Бош всяка година е класирана измежду 10-те водещи компании с най-вече подадени патенти. Фокусът върху индивида, изразен посредством нашето мото " Invented for Life ", както и дълготрайната визия за развиване на квалификацията на експертите са главните аргументи за какво компанията съществува и се развива по този начин сполучливо повече от 130 години.
Алгоритмите оказват помощ да се икономисва време за хората и бизнеса и да се направи животът по-лесен и комфортен. Това е и повода да има извънредно огромен интерес към ML от бизнесмените и вложителите. Консултантската компания PwC планува, че с помощта на изкуствения разсъдък, до 2030 година брутният вътрешен артикул (БВП) на Китай ще се усили с 26%, на Северна Америка с 14%, а на Европа с към 10%.
Примерите за артикули и услуги, основани на ML, са многочислени. Докато изпращаме и получаваме десетки мейли всеки ден, ML предотвратява задръстването на електронните пощенски кутии със спам. Съдържание на разнообразни езици в интернет пространството е допустимо да се чете без да сте полиглот. С напредъка на технологиите за компютърна обработка на естествени езици, ML дава опция за превод от един език на различен с качество, което доста се приближава до равнището на експертните преводачи. Ежедневно от ден на ден използваме умни асистенти в дома или колите ни, които схващат нашите гласови команди и даже могат да поддържат връзка с нас. В опазването на здравето, ML логаритмите съществено подкрепят здравната диагностика, осигурявайки постоянно съответна преценка, не по-малко точна от тази на лекари експерти, посветили живота си на медицината. Типичен образец е идентифицирането на туморни формирания и класификацията им, което е най-важният стадий в диагностиката и лекуването на другите онкологични болести. ML навлиза и във фармацевтиката, помагайки за синтез на лекарствени формули, наред с инспекцията на страничните резултати или нежелани реакции при разбъркване с други медикаменти. Такава верификация е скъпа, мудна и може да е податлива на неточности в случай че се употребяват обичайни подходи. Един от плановете от региона на интернет на нещата (IoT), по които интензивно работи Bosch.IO в София, включва обезпечаване на интернет съгласуваност на интелигентни камери, оборудвани със IoT датчици и ML логаритми.
Звучи ли ви като специалност от бъдещето? Kaĸ ce cтaвa експерт по машинно образование, paзĸaзвa зa mоnеу.bg Mapян Pизинcĸи, мeниджъp oтдeл " Texнoлoгичнo и бизнec ĸoнcyлтиpaнe " в Bosch.IO - глобално поделение на Група Бош за планове от най-ново потомство в региона на Интернет на нещата (IoT), изкуствения разсъдък (AIoT) и дигитализацията.
- Юрист, доктор, проектант - добре знае се, че тези специалности се учат в университет. Как обаче се става ML експерт? И какви личностни характерности и университетски знания би трябвало да има един съвършен претендент за ML експерт?
- Както и в специалностите, които изброихте, академичната подготовка е нужна и за ML експерта. Обикновено се допуска, че един ML експерт е придобил бакалавърска степен по компютърни науки като основа. Надграждайки върху тази основа и разбирайки потребностите на бизнеса и цифровата стопанска система, доста университети основават и профилирани магистърски и докторски стратегии по машинно образование и изкуствен интелект. Цялостното образование цели придобиване на сложен набор от задълбочени умения по математическо и статистическо моделиране, работа с огромни масиви от данни, разбор на данни, основаване на прототипи на логаритми и тяхната оптимизация, намиране на нови подходи за решение на проблеми. Може би най-важната личностна характерност е човек в действителност да си харесва работата. Добрите ML специалисти се характеризират с неизменност и блян да търсят отговори. Желанието за непрестанно образование и надграждане на уменията е значимо във всяка специалност и още повече в тази област, имайки поради какъв брой бързо се развива. Ежедневно се разгласяват стотици научни публикации и разработки за усъвършенствани логаритми и нови парадигми. Дори най-опитните експерти би трябвало непрестанно да усъвършенстват своите умения, с цел да са в крайник с новите разработки.
- Кои са най-хубавите места, съгласно вас, на които човек, който има предпочитание да се занимава с ML може да го направи?
- Софтуерната промишленост е един самобитен феномен, който радикално промени нашите показа по какъв начин и от кое място работим. С достъп до интернет, човек безусловно може да се занимава с ML от всяка една точка на света. Добавената стойност се крие в интелектуалния принос, тъй като тази работа е на първо място изобретателна. Свободата на избора, обменът на хрумвания и големите благоприятни условия за съдействие са част от културата в софтуерните компании. Дали това се прави на място или отдалечено към този момент няма изключително значение. Все отново удобната среда е определяща, с цел да се сътвори сериозна общественост от експерти, да се отгледа метод на новаторско мислене, развиване и конкурентноспособност, да се въодушевява предприемачеството и апетита към поемането на опасности. Безспорни водачи в това отношение са американските софтуерни центрове от вида на Силицевата котловина, където бизнесът, университетските среди и вложителите са мощно взаимосвързани и се допълват. Ако някой желае да прави ML на международно равнище, би трябвало да се квалифицира в Съединени американски щати. Но в последно време има и развой на завръщане на български експерти, които са натрупали опит в чужбина и започват личен бизнес и начинания в България. Например, едно от най-забележителните събития на 2022 година е основаването на Института за компютърни науки, изкуствен интелект и технологии (INSAIT) към Софийския университет, с помощта на напъните и амбициозното визионерство на проф. Мартин Вечев от Швейцарския федерален институт по технологии (ETH) в Цюрих. INSAIT съставлява първият по рода си институт в Източна Европа, построен по модела на най-силните университети в света, привличайки топ ML експерти като преподаватели и научни ръководители. Създаването на този институт е неповторима опция за България освен да бъде приета като международен център за изкуствен интелект, само че и да помогне на нас самите да сътворяваме градивна среда, която ще основава атмосфера и обичаи в региона.
Източник:
Марян Ризински
- Колко години лишава образованието на един кадър, до момента в който доближи приблизително равнище в йерархията? Можете ли да изброите през какви равнища на образование минава един предстоящ ML експерт?
- Може да се каже, че са нужни най-малко няколко години, до момента в който един специалист доближи приблизително равнище. Но като цяло няма еднопосочен отговор на този въпрос, защото напредването в кариерата зависи от доста фактори. За началния старт при започване на работа в дадена компания е определящо дали академичната подготовка включва магистратура или докторат. Предишният опит постоянно се взима поради като преимущество в процеса на асортимент на фрагменти. Важен е и капацитетът на самия претендент и по какъв начин се оправя с поетите задания. Зависи и от характерните условия на компанията и какви проблеми възнамерява да взема решение. Ключов фактор за кариерно израстване са практическата работа и действителният принос към бизнеса на компанията.
- Какви типове ML експерти има (най-общо); кое е най-ниското и кое най-високото равнище в този отрасъл?
- Нивата включват позиции от стажант, който прохожда в региона, до шеф по изкуствен интелект, който дефинира и реализира контрол над осъществяването на софтуерната тактика и дава отговор за стотици, от време на време и хиляди експерти. Има два съществени типа ML експерти - академик в региона на науките за данни (data scientist) и инженер по машинно образование (ML engineer). Първите се занимават с бизнес-контекста посредством другарство с всички заинтригувани страни в един план, след което избират данните и основават подобаващи ML логаритми за решение на даден проблем. Целта им е да проучват и обработват данните, да построяват ML модели, да тестват хипотези и да оформят изводи, които да бъдат предоставени на вземащите решения. От друга страна, инженерите по машинно образование дават отговор за инженерната част - използване на построените модели в продуктивна среда, т.е. артикул или услуга, с която крайните консуматори взаимодействат. Инженерите обезпечават цялостния витален цикъл на ML моделите от внедряване до продуктивна приложимост през автоматизиране и мониторинг на всички съпътстващи процеси като събиране на нови данни, оптимизация и акомодация на моделите, обезпечаване на непрестанно качество на системата, и така нататък
- Споменахте, че с изключение на на процедура, ML експерти се осъществят и на академично равнище. Можем ли да посочим съответни персони с академична реализация и " гурута " в практиката?
- Има доста тънка граница сред ML разработките в университетските среди и приложенията им в промишлеността. Обикновено има близко съдействие сред откривателите от университетите и фирмите.
Гурутата от университетските среди обичайно имат водеща роля в огромните софтуерни компании. Например, една от най-влиятелните персони в света на ML е създателят на платформата Coursera проф. Андрю Нг (Andrew Ng) от Станфордския университет. Освен с научните си разработки и желанието да направи машинното образование налично за всеки, той е прочут и като съосновател и някогашен шеф на Гугъл Brain, част от Гугъл AI (изследователско поделение в Гугъл за неестествен интелект). Професорът е прочут и като някогашен основен откривател в търсачката Baidu, където основава групата за изкуствен интелект на компанията и я разраства до екип от няколко хиляди души. Друга ярка персона е словашко-канадският ML специалист Андрей Карпати (Andrej Karpathy), старши шеф за изкуствен интелект в Тесла, който управлява AI екипа за автопилотно шофиране на компанията. Карпати пази докторска степен от Станфордския университет, където специализира по приложения на невронни мрежи в компютърното зрение. Френско-американският академик проф. Ян Андре Лекун (Yann André LeCun) от Нюйоркския университет е вицепрезидент и основен откривател по изкуствен интелект във Meta (Facebook). Той е най-известен с приноса си към конволюционните невронни мрежи, които се употребяват доста необятно в компютърното зрение и разпознаването на тирада. Това са единствено няколко известни персони, само че има и доста други.
- В подтекста на тематиката ни няма по какъв начин да не засегнем заплащането. Какви заплати могат да чакат младите ML експерти при започване на своята кариера и до къде могат да чакат да доближат възнагражденията им в идващите 5-10 години?
- Знаете, че експертите в IT бранша обичайно са измежду добре заплатените у нас и считам, че ML експертите не са изключение, само че би трябвало да се има поради, че заплащането въпреки всичко зависи от доста фактори - политиката на компанията, обучение и опит на претендента и така нататък Стойностите могат да варират, само че мисля, че главното в избора на кариерен път в региона на ML е най-вече в предизвикването да решиш даден проблем, да провокираш творчеството си и да допринесеш за развиване в дадена област. Заплащането несъмнено е стимулиращо, само че не и съществена причина, с цел да започнеш работа в тази сфера.
- Каква е ролята на бизнеса при образованието на ML фрагменти и по какъв начин в действителност става подборът на претенденти? Избират ли се безспорни начинаещи или се избират хора, които към този момент имат някакъв опит в този отрасъл?
- Дигиталната стопанска система се базира на познания и фирмите във високотехнологичния бранш ясно схващат, че развиването и бъдещето им директно зависи от човешкия капацитет, знанията и опита на експертите. По тази причина, ролята на бизнеса в образованието на фрагменти става все по-важна. Търсят се освен опитни фрагменти, само че и млади гении, в които фирмите да влагат. Така се реализира уравновесена среда, в която младите гении се учат от опитните фрагменти, само че също по този начин внасят нов подтик и свежи хрумвания в фирмите. Всичко това става с съответни целенасочени вложения. Например, Бош щe инвecтиpa 10 милиapдa eвpo в цифpoвизaция и cвъpзaнocт до 2025 год. Това е изцяло в унисон със тактиката на Бош всички артикули на компанията да включват изкуствен интелект или да са създадени или създадени с негова помощ. Голяма част от тези средства са освен за нови разработки, само че и за образования на експертите. В Бош има вътрешни стратегии за образование по изкуствен интелект и машинно образование. Фокусът върху нововъведенията, адаптирането към измененията в заобикалящия свят и основаването на нови артикули и услуги са интегрална част от същността на Бош. Ако погледнете статистиката на Европейското патентно ведомство, Бош всяка година е класирана измежду 10-те водещи компании с най-вече подадени патенти. Фокусът върху индивида, изразен посредством нашето мото " Invented for Life ", както и дълготрайната визия за развиване на квалификацията на експертите са главните аргументи за какво компанията съществува и се развива по този начин сполучливо повече от 130 години.
Източник: money.bg
КОМЕНТАРИ