Para convertirse nuevamente en ingeniero de aprendizaje automático, este es el proceso exacto que seguiría.
¡Vamos a entrar en ello!
Primero convertirse en científico o ingeniero de software de datos
Lo he dicho antes, pero un ingeniero de aprendizaje automático no es exactamente un puesto de nivel de entrada.
Esto se debe a que necesita habilidades en muchas áreas:
- Estadística
- Matemáticas
- Aprendizaje automático
- Ingeniería de software
- Devops
- Sistemas de nubes
Ciertamente no necesita ser un experto en todos ellos, pero debe tener un conocimiento sólido.
Los ingenieros de aprendizaje automático son probablemente el trabajo tecnológico mejor pagado hoy en día. De acuerdo a niveleslos salarios promedio en el Reino Unido son:
- Ingeniero de aprendizaje automático: £ 93,796
- Investigador de IA: £ 83,114
- Ingeniero de IA: £ 75,379
- Científico de datos: £ 71,005
- Ingeniero de software: £ 83,168
- Ingeniero de datos: £ 69,475
Levessfyi generalmente está en el extremo superior, ya que las empresas en su sitio web a menudo son grandes empresas tecnológicas, que generalmente pagan salarios más altos.
Con todo esto en mente, eso no quiere decir que no pueda conseguir un trabajo de ingeniero de aprendizaje automático desde la universidad o la universidad; Es muy raro, y apenas lo he visto.
Si tiene los antecedentes correctos, como una maestría o un doctorado en CS o matemáticas que se centra en AI/ML, es mucho más probable que obtenga un papel general de aprendizaje automático, pero no es necesario, una ingeniería de aprendizaje automático.
Entonces, para la mayoría de las personas, le recomiendo que se convierta en científico de datos o ingeniero de software primero durante algunos años y luego busque convertirse en ingeniero de aprendizaje automático.
Esto es precisamente lo que hice.
Fui científico de datos durante 3,5 años y luego hizo la transición a un ingeniero de aprendizaje automático, y este camino es bastante común entre los ingenieros de aprendizaje automático de mi compañía actual.
Ya sea que se convierta en un científico de datos o un ingeniero de software depende de usted y sus antecedentes y conjuntos de habilidades.
Entonces, decida qué papel es mejor para usted y luego intente conseguir un trabajo en ese campo.
Hay tantas hojas de ruta de ingenieros de software y científicos de datos en Internet; Estoy seguro de que puede encontrar uno fácilmente que se adapte a su forma de aprender.
Tengo algunos Ciencia de datos los que puedes ver a continuación.
Cómo me convertiría en un científico de datos (si tuviera que comenzar de nuevo)
Hoja de ruta y consejos sobre cómo conseguir un trabajo en ciencia de datos
Trabajar en proyectos de aprendizaje automático
Una vez que tenga un trabajo como científico de datos o ingeniero de software, su objetivo debe ser desarrollar y trabajar en proyectos de aprendizaje automático que se produzcan a producción.
Si existe un departamento o proyecto de aprendizaje automático en su empresa actual, el mejor enfoque es trabajar en estos.
Por ejemplo, un amigo mío, Arman Khondkerque dirige el boletín “El ingeniero de IA” Que le recomiendo que revise, que haga la transición de ser ingeniero de software en Tiktok a trabajar en Microsoft AI como ingeniero.
Según su hoja informativa:
En Tiktok, trabajé en Tiktok Shopdonde colaboré estrechamente con el Equipo de algoritmo– incluyendo ingenieros de ML y científicos de datos que trabajan en el motor de recomendación de FYP (para su página).
Esta experiencia finalmente me ayudó Transición a IA a tiempo completo en Microsoft.
Sin embargo, para mí, fue al revés.
Como científico de datos, desea trabajar con ingenieros e ingenieros de software de aprendizaje automático para comprender cómo se implementan las cosas en la producción.
En mi compañía anterior, era un científico de datos que desarrollaba algoritmos de aprendizaje automático, pero no los enviaba de forma independiente a la producción.
Entonces, pregunté si podía trabajar en un proyecto en el que pudiera investigar un modelo e implementarlo de extremo al final con poco soporte de ingeniería.
Fue difícil, pero aprendí y crecí mucho mis habilidades de ingeniería. Finalmente, comencé a enviar mis soluciones a la producción fácilmente.
Básicamente, me convertí en ingeniero de aprendizaje automático a pesar de que mi título era científico de datos.
Mi consejo es hablar con su gerente, expresar su interés en desarrollar conocimientos de aprendizaje automático y preguntar si puede trabajar en algunos de estos proyectos.
En la mayoría de los casos, su gerente y su empresa serán complacientes, incluso si lleva un par de meses asignarlo a un proyecto.
Aún mejor, si puede mudarse a un equipo enfocado en un producto de aprendizaje automático, como recomendaciones en Tiktok Shop, esto acelerará su aprendizaje, ya que constantemente discutirá temas de aprendizaje automático.
Skill en el conjunto de habilidades opuestas
Esto se relaciona con el punto anterior, pero como dije anteriormente, los ingenieros de aprendizaje automático requieren un extenso mandato de conocimiento, por lo que debe ascender en las áreas en las que está más débil.
Si es un científico de datos, probablemente sea más débil en áreas de ingeniería como sistemas de nubes, DevOps y el código de producción.
Si usted es ingeniero de software, probablemente sea más débil en las matemáticas, las estadísticas y el conocimiento del aprendizaje automático.
Desea encontrar las áreas en las que necesita mejorar y concentrarse.
Como discutimos anteriormente, la mejor manera es vincularlo a su trabajo diario, pero si esto no es posible o si desea acelerar sus conocimientos, deberá estudiar en su tiempo libre.
Sé que a algunas personas no les gusta eso, ¡pero tendrá que pasar las horas adicionales fuera del trabajo si desea conseguir un trabajo en el trabajo tecnológico mejor pagado!
Hice esto escribiendo blogs sobre conceptos de ingeniería de software, estudiando estructuras de datos y algoritmos, y mejorando mi escritura de código de producción, todo en mi tiempo libre.
Desarrollar una especialidad en aprendizaje automático
Una cosa que realmente me ayudó fue desarrollar una especialidad dentro del aprendizaje automático.
Era un científico de datos especializado en problemas de pronóstico y optimización de series temporales, y obtuve un papel de ingeniero de aprendizaje automático que se especializa en optimización y aprendizaje automático clásico.
Una de las principales razones por las que obtuve el rol de mi ingeniero de aprendizaje automático fue que tenía una comprensión más profunda de la optimización que la persona promedio de aprendizaje automático; Esa era mi borde.
Los roles de ingenieros de aprendizaje automático generalmente están alineados con una especialidad, por lo que conocer una o un par de áreas muy bien aumentará significativamente sus posibilidades.
En el caso de Arman, él conocía bastante bien los sistemas de recomendación y también cómo implementarlos de extremo a extremo a escala; Incluso lo dijo él mismo en su hoja informativa:
Este trabajo me dio experiencia de primera mano con:
-a gran escala sistemas de recomendación
-AI impulsado clasificación y personalización
-de extremo a extremo Tuberías de implementación de ML
Por lo tanto, recomiendo trabajar en un equipo que se centre en un área de aprendizaje automático en particular, pero para ser sincero, este a menudo es el caso en la mayoría de las empresas, por lo que no debe tener que pensar demasiado en esto.
Si no puede trabajar en proyectos de aprendizaje automático en su empresa, debe estudiar fuera de horas nuevamente. Siempre recomiendo aprender los fundamentos primero, pero luego realmente piense en las áreas que desea explorar y aprender aEEPR.
A continuación se muestra una lista exhaustiva de especialidades de aprendizaje automático para algo de inspiración:
- Procesamiento del lenguaje natural (NLP) y LLMS
- Visión por computadora
- Aprendizaje de refuerzo
- Análisis y pronóstico de series de tiempo
- Detección de anomalías
- Sistemas de recomendación
- Reconocimiento y procesamiento de voz
- Mejoramiento
- Análisis cuantitativo
- Aprendizaje profundo
- Bioinformática
- Econometría
- Análisis geoespacial
Por lo general, recomiendo conocer 2 a 3 en una profundidad decente, pero reducirlo a uno está bien si desea hacer la transición pronto. Sin embargo, vea si existe una demanda suficiente para ese conjunto de habilidades.
Después de convertirse en ingeniero de aprendizaje automático, puede desarrollar más especialidades con el tiempo.
También le recomiendo que consulte un artículo completo sobre cómo especializarse en aprendizaje automático.
Cómo especializarse en ciencia de datos / aprendizaje automático
¿Es mejor ser generalista o especialista??
Comience a operar como ingeniero de aprendizaje automático
En las empresas tecnológicas, a menudo se afirma que para ser promovido, debería haber estado operando en el nivel anterior durante 3 a 6 meses.
Lo mismo es cierto si quieres ser un ingeniero de aprendizaje automático.
Si usted es científico de datos o ingeniero de software, debe intentarlo lo más posible para convertirse y trabajar como un ingeniero de aprendizaje automático en su empresa actual.
Quién sabe, incluso pueden cambiar su título y ofrecerle el trabajo de ingeniero de aprendizaje automático en su lugar de trabajo actual. (He oído que esto suceda).
A lo que realmente estoy haciendo aquí es el interruptor de identidad. Desea pensar y actuar como un ingeniero de aprendizaje automático.
Esta mentalidad lo ayudará a aprender más y mejor enmarcarse para las entrevistas de aprendizaje automático.
Tendrá esa confianza y una variedad de proyectos demostrables que generan impacto.
Siempre puedes decir: “Soy básicamente un ingeniero de aprendizaje automático en mi compañía actual”.
Hice esto, y el resto es historia, como dicen.
¡Otra cosa!
Únete a mi boletín gratuito, Repartir los datosdonde comparto consejos semanales, ideas y consejos de mi experiencia como ingeniero de aprendizaje automático en ejercicio. Además, como suscriptor, obtendrás mi Plantilla de currículum de ciencia de datos gratuita!
Disparar los datos | Egor Howell | Sustitución
Consejos y aprendizajes sobre ciencia de datos, tecnología y emprendimiento. Haga clic para leer Disparar los datos, por Egor Howell, A …Newsletter.egorhowell.com