Хто працює з ШІ: професії майбутнього та сьогодення

Навчити машину думати як людина – таке завдання вже звучить як виклик. Але це ще не найважча частина рівняння. Справа в тому, що варіантів «олюднення» комп’ютерів безліч, як і безмірно багато можливостей людського мозку. До прикладу, можна навчити машину сприймати людську мову, бачити й ідентифікувати предмети або проводити аналітику даних.

За кожне з перелічених завдань відповідає окремий спеціаліст, у той час як перелік можливостей штучного інтелекту (ШІ) зростає буквально кожного дня. Словом, сфера ШІ повна професійних можливостей уже зараз, пропонуючи величезні перспективи всім охочим.

У цій статті ти знайдеш перелік найбільш популярних ШІ-спеціальностей на ринку, а також дізнаєшся прогноз від спеціаліста – наскільки сповниться світ новими ШІ-професіями та які завдання за ними закріпляться.

Читай та обирай свій шлях!

Machine Learning (ML) Engineer – той, хто тренує машини

Machine Learning Engineer – це спеціаліст, який займається розгортанням, тренуванням та підтримкою моделей машинного навчання. Він власне розробляє алгоритми й моделі, навчає їх на певному обсязі даних, щоб ті вміли робити свої прогнози майже без втручань людини, приймали рішення й виконувати бізнес-завдання.

Точно визначити список завдань, з якими стикається ML Engineer щодня, неможливо, адже мова йде про дослідницьку й експериментальну роботу, а не про чітку інженерну. Іноді тестування однієї гіпотези може тривати цілий день, але іншим разом воно затягнеться до тижня через неідентифіковану помилку.

І все-таки фундаментальні задачі ML-інженера ми можемо перелічити:

• збір та обробка даних для тренування;
• аналіз та вибір моделі;
• навчання обраної моделі;
• тестування моделі;
• деплой.

А назвати себе ML-інженером може той, хто володіє наступним скілсетом:

• знання мови програмування Python на базовому рівні;
• розуміння бібліотек Python для роботи з даними та моделями (Pandas, NumPy, Matplotlib, TensorFlow, scikit-learn тощо);
• досвід роботи з базовими інструментами ML (logistic regression model, random forest algorithm, XGBoost тощо);
• досвід роботи з базовими нейронними мережами;
• знання баз даних та мови SQL;
• розуміння основ статистики та математики.

Разом зі збільшенням потреби бізнесу в ШІ-функціоналі потроху зростає й попит на ML-інженерів. Так, на момент написання статті ми знайшли 23 вакансії в Linkedin та 32 на DOU для досвідчених інженерів з машинного навчання.

Початківцю, не втрачай надії! Для ML-розробників без комерційного бекграунду деякі компанії пропонують пройти інтернатуру, яка вкаже шлях до грейду Junior і далі – до омріяних кар’єрних цілей.

Знов звернемось до статистики DOU: середня заробітна плата ML-спеціалістів становить $3000 на місяць, в той час як досвідчені інженери отримують до $7000.

Natural Language Processing (NLP) Engineer – той, хто вчить машини людської мови

NLP Engineer – це фахівець, який за допомогою алгоритмів допомагає комп’ютерам розуміти, інтерпретувати та генерувати людську мову. Зазвичай NLP-спеціалісти розробляють чатботи й голосові помічники, а також впроваджують машинний переклад та аналіз емоційно забарвленої лексики.

Щоденна робоча рутина інженерів NLP схожа на (не)типовий день ML-інженера, проте є нюанси. У межах проєкту NLP Engineer має:

• зібрати й попередньо обробити текстові дані різних форматів із декількох джерел,
• розробити та оцінити модель NLP за допомогою ряду фреймворків,
• реалізувати конвеєри,
• оптимізувати модель для її продуктивної роботи, масштабованості й надійності,
• розгорнути рішення на хмарних платформах,
• усунути можливі несправності,
• і, врешті-решт, представити результати технічній і нетехнічній аудиторіям.

Усе це NLP-інженер може зробити завдяки таким навичкам:

• знання мови програмування Python як однієї з найпопулярніших для обробки природної мови;
• робота з NLP-бібліотеками: NLTK, spaCy, AllenNLP, Transformers тощо;
• вміння працювати з базами даних;
• базове розуміння принципів машинного навчання;
• статистика й математика також тут 🙂

На українському ринку вакансій для NLP-інженерів помітно менше, ніж для ML-спеціалістів: маємо до десяти схожих вакансій у Linkedin та на DOU. Проте з розвитком GenAI та текстових помічників ситуація може змінитися. Зазвичай у NLP переходять з Machine Learning, тож врахуй це під час навчання. Загальна мета – NLP, проте до неї слід іти через вивчення ML.

Computer Vision (CV) Engineer – той, хто дарує машинам очі

CV Engineer – це спеціаліст, який вчить нейронні мережі розпізнавати об’єкти на фото та відео. Він також працює з алгоритмами й моделями, обробляє відповідні дані, проте спрямовує ці дії виключно на створення технологій комп’ютерного зору. Чув про камери відеоспостереження, які ідентифікують співробітників офісу? Або ж про автопілоти в автомобілях Tesla? Всі вони є витворами кропіткої роботи Computer Vision-інженерів.

Чим займається CV Engineer?

У своїй роботі інженер із комп’ютерного зору стикається з багатьма завданнями, які можна умовно поділити на такі:

• Класифікація – до якої категорії належить цей об’єкт?
• Ідентифікація – який це тип об’єкта?
• Верифікація – чи присутній цей об’єкт на зображенні?
• Виявлення – де знаходяться об’єкти на цьому зображенні?
• Виявлення орієнтирів – які ключові точки на цьому зображенні?
• Сегментація – які пікселі належать цьому об’єкту на зображенні?
• Розпізнавання – які об’єкти присутні на цьому зображенні й де вони знаходяться?

Тож, якщо ти обереш кар’єрний шлях до технологій комп’ютерного зору, май на увазі, що в першу чергу ти повинен опанувати:

• мови програмування Python та C++. Спеціалісти також радять звернути увагу на нову мову програмування Mojo;
• обробку візуальних даних, їх аналіз, очищення та анотування за допомогою Pandas, NumPy та SQL.
• алгоритми машинного навчання: згорткові, рекурентні нейронні мережі, дерева рішень, SVM;
• і (вгадай що!) математику й статистику, зокрема для CV важливі знання з геометрії, тригонометрії та матричних обчислень.

Для тих, хто вже вивчив всю необхідну теорію з Computer Vision та встиг попрактикуватися на реальних проєктах, на липень 2024 року ринок пропонує лише п’ять вакансій в Linkedin та чотири на DOU. А початківцям у сфері залишається слідкувати за стартами інтернатур і практико-орієнтованих курсів.

Ми в CHI IT Academy періодично набираємо талановитих студентів на передінтернатурні курси з машинного навчання, де найсумлінніші випускники мають можливість потрапити до комплексної програми стажування в компанії CHI Software. Тож слідкуй за нами в Linkedin, щоб швидше за всіх дізнаватися про нові інтернатури.

MLOps – той, хто об’єднує ШІ з розробкою

Коли штучний інтелект перестав бути суто науковою дисципліною й перетворився ще й на бізнес-інструмент, на світ з’явилася нова професія – MLOps.

MLOps-спеціаліст полегшує створення, розгортання та керування моделями машинного навчання в реальних програмах. З визначення розуміємо, що MLOps – це DevOps у світі штучного інтелекту.

Сьогодні за MLOps-експертизою зазвичай звертаються великі компанії з масштабними проєктами – спостерігаємо до десяти вакансій у Linkedin від великих гравців ринку. Та зі зростанням запитів на ML-розробку ширитиметься й попит на MLOps-спеціалістів.

На цьому перелік ШІ-професій не закінчується, а тільки починається. Зараз зі штучним інтелектом працюють не тільки розробники, а й багато інших спеціалістів, серед яких, наприклад:

• AI Research Scientist
• AI Content Writer
• AI Project Manager
• Prompt Engineer

Обов’язки на цих та подібних позиціях варіюються, проте це зернятка, які зміцняться на ринку й стануть більш популярними професіями.

А на що чекати далі?

ШІ-професії майбутнього

Нам стало цікаво, наскільки ще сфера штучного інтелекту може розширити ринок праці. Навіщо ворожити на кавовій гущі, якщо можна запитати в експертки? Нам відповіла дослідниця Єнського університету, консультантка з напрямів NLP/ML у CHI Software Ольга Каніщева.

«На мою думку, слід звернути увагу на стрімкий розвиток агентних систем та появу окремих ролей, які будуть їх обслуговувати. Агентні системи – це комп’ютерні системи, які здатні самостійно виконувати певні завдання, приймаючи рішення на основі взаємодії з навколишнім середовищем.

Ще одним перспективним напрямом бачу професії, пов’язані з перевіркою контенту, який генерує ШІ. Наприклад, у відео тривалістю понад годину необхідно унеможливити потрапляння зайвої або ж некоректної інформації, як от собаки з недогенерованим вухом або ж людини з декількома зайвими пальцями.

Поява лейблів «Зроблено за допомогою GenAI» також відчиняє двері спеціалістам, які, наприклад, перевірятимуть весь можливий контент на «людськість» та визначатимуть, до якого відео чи звуку слід додати відповідну вотермарку. Це особливо важливо перевіряти під час збору даних для навчання ШІ-моделі, адже вона має тренуватися на даних, створених людиною.

А ще штучний інтелект буде сильніше регулюватися – цього не уникнути. Тож і на спеціалістів, скажімо, з ШІ-безпеки також зросте попит».

Сьогодні, за місяць чи за три роки – у будь-який час ШІ-індустрія, як і будь-яка інша, потребуватиме справжніх профі. Галузь штучного інтелекту попри суспільні побоювання не вчинила катастрофи й не залишила людство без роботи, а навпаки показала безліч можливостей для тих, хто не боїться досліджувати й постійно навчатися.

А ти готовий відкрити для себе дійсно перспективну професію? Тоді тобі до нас! Запрошуємо до CHI IT Academy вчити Machine Learning – легко не буде, але воно того варте!