Machine Learning: три надихаючі кар’єрні історії випускників CHI IT Academy

Завдяки ChatGPT про штучний інтелект говорять усі. Це не тільки розвага – це також революція для більшості індустрій. Технології впливають на наше життя на глобальному рівні, і бізнеси чудово це розуміють.

Досить тільки поглянути на прогнози Статисти. Ринок машинного навчання (англ. machine learning, ML), однієї з ключових ШІ-технологій, сягне двох трильйонів доларів уже в 2030 році (порівняно зі 140 мільярдами станом на 2024 рік).
Що це означає для ринку праці? Спеціальність ML-інженера, що навчає і тренує алгоритми штучного інтелекту, буде на піку своєї затребуваності.

22 квітня в CHI IT Academy стартує другий курс із Machine Learning на чолі з досвідченим лектором, професором, доктором технічних наук Ярославом Виклюком. Відгуки студентів першого потоку не залишили жодних сумнівів у продовженні курсу.

У цій статті ми поділимося історіями трьох випускників Ярослава Виклюка, які завдяки плідному навчанню стали частиною ML-команди CHI Software. Готовий надихнутися реальними історіями кар’єрного зростання після навчання в нашій академії? Тоді читай далі.

Микола Базан, Intern Computer Vision Engineer

Інтерес до сфери ІТ у мене виник ще в шкільні роки. Тоді я захоплювався інформатикою: зачитувався тематичною літературою, з цікавістю виконував практичні завдання, на відмінно складав контрольні, а потім й іспити. Але за іронією долі після випускного обрав для себе інший професійний шлях – архітектора будівельних споруд.

Насправді, знання з цієї спеціальності стануть мені у пригоді через кілька років. Кількість ML-проєктів для будівельної галузі з кожним роком лише зростатиме.

Усе це я кажу не просто так, адже перед роботою в ІТ встиг попрацювати за спеціальністю. Однак розумів, що своє майбутнє бачу у сфері технологій, тому паралельно з основною роботою проходив курси з Python, JavaScript, а також вивчав самостійно основи штучного інтелекту та машинного навчання. Навіть встиг зробити кілька власних проєктів.

Найбільше пишаюся створеним телеграм-ботом, в який інтегрував технологію синтезу мовлення – Text-to-Speech та Speech-to-Text. Бот міг вислухати запит користувача голосом, перевести його в текст, обробити й надати голосову відповідь. Після реалізації цього пет-проєкту усвідомив, що йду правильним шляхом.

Отримавши базу знань, я вирішив поглибитися далі у вивчення ML і прийшов на курс від CHI IT Academy. На початку думав, що курс для мене буде як rocket science, але пізніше увійшов у ритм.

У кожній лекції знаходив купу нового для себе: про фреймворки (Keras), класифікаційні моделі, дерева рішень та їх створення (Random Forest, Gradient Boosting, AdaBoost), нейронні мережі (CNN, RNN), Reinforcement Learning (це тип машинного навчання).

Після курсу мені вдалося потрапити до інтернатури в CHI Software, а згодом й отримати оффер. Кожен із цих етапів були для мене викликом, але я їх пройшов стійко і зараз маю можливість працювати в команді однодумців над класними внутрішніми та комерційними проєктами. Моя головна порада – не боятися будь-яких обмежень: у часі (стати тим, ким ти хочеш – ніколи не пізно), у знаннях (наполегливість і бажання вчитися новому допоможуть досягти успіху), в психологічних бар’єрах (немає нічого неможливого). Якщо ти плануєш йти на курс з ML-технологій, то нехай це буде знаком – у тебе все вийде!

Андрій Красних, Intern Computer Vision Engineer

Технічний ліцей із фізико-математичним ухилом та поглибленим вивченням програмування стали стартом у моєму захопленні світом технологій. Я знав основи С++ та Python, які використовують у Data Science та ML і постійно вдосконалював свої навички програмування. Вищу освіту здобув на економічному факультеті Київського національного університету, за фахом – економічний статистик, але прагнув все ж до інноваційних технологій.

У великому обсязі інформації я буквально дорився до методів ML і зрозумів, що більшість статистичних математичних методів перетинаються з методами машинного навчання. Тож мої знання та інтереси зрештою зійшлися на тому, щоб продовжувати свій кар’єрний шлях у напрямі штучного інтелекту.

Почав своє навчання з відеолекцій професора Стенфордського університету Ендрю Ина на Youtube-каналі вишу. Лектор дає вступ до ML, розкриваючи множинну лінійну регресію, логістичну регресію, нейронні мережі та дерева рішень, а також кластеризацію, рекомендаційні системи, оцінку та налаштування моделей.

Крім того, я читав багато статей ML-дослідників і намагався самостійно імплементувати вивчене. Одним із перших я реалізував проєкт, суть якого полягала в переносі стилю одного зображення на інше. Застосування методу перевтілювало звичайне фото природи на картину в стилі відомого художника Клода Моне. Я кілька днів працював над тим, щоб навчити цю модель змінювати зображення, і мені все ж це вдалося. Як розвиток експертизи в Generative AI це було цікаво й корисно.

Заручившись знаннями, я спробував свої сили на курсі «Machine Learning» від CHI IT Academy, після чого пройшов на інтернатуру й залишився в команді ML-розробників CHI Software. Вдячний курсу й зокрема викладачеві за завдання, в яких був акцент на неочевидні рішення. Раджу студентам якомога більше спілкуватися з досвідченим лектором та обговорювати кожне завдання. Так ви отримаєте максимум від навчання.

Юрій Мірошник, Intern Computer Vision Engineer

Мій шлях в AI та ML розпочався шість років тому, у випускному класі. На роботі в мого батька до моїх рук потрапили окуляри доповненої реальності Hololens – вони мене так вразили, що я вмить зацікавився розробкою рішень на основі Computer Vision (CV) для повсякденного життя. Попри те, що тоді я зосередився саме на технологіях комп’ютерного зору, згодом я заглибився у штучний інтелект та зокрема машинне навчання (хоча CV досі залишається моєю пріоритетною експертизою😉).

Для мене найцікавішим у машинному навчанні, особливо в контексті комп’ютерного зору, є здатність навчати моделі розуміти та інтерпретувати візуальний світ навколо нас. На мій погляд, ML/CV-розробники цінують свою сферу саме завдяки можливості створювати чи вдосконалювати продукти, які полегшують буденне життя.

Що треба розуміти ML-розробнику на початку шляху?

Інформація на майбутнє: ML/CV-розробники приділяють безмежну кількість часу на саморозвиток. Адже в галузі, яка з кожним роком набирає обертів, інакше неможливо. Тому моя порада – постійно бути в темі:

– читати наукові статті з конференцій та журналів, наприклад, CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR тощо;

– слухати доступні курси на Coursera, edX, Udacity або Fast.ai;

– відвідувати конференції, особливо від Nvidia, AWS та інші. Звичайно, участь у таких заходах не завжди доступна, але деякі матеріали по ним можна знайти в мережі;

– долучатися до спільнот чи груп з однодумцями, щоб моніторити цікаві новини, обмінюватися досвідом.

Серед навичок та знань, які слід отримати новачку, вважаю головними:

• математику та статистику – це фундамент для розуміння та реалізації алгоритмів машинного навчання. Без фундаменту у вигляді лінійної алгебри, теорії ймовірностей, статистики та оптимізації буде важкувато розуміти наукові статті. У CV додатково важливі знання з геометрії, тригонометрії та матричних обчислень;
• програмування та розробку, особливо Python та С++. Зверни увагу на нову мову програмування Mojo (на майбутнє);
• обробку даних, їх аналіз та очищення. Актуальні інструменти включають Pandas, NumPy та SQL. У CV часто доводиться працювати з різноманітними наборами зображень та відео, тому вміння ефективно обробляти та анотувати такі дані є ключовим;
• алгоритми машинного навчання, такі як нейронні мережі, дерева рішень, SVM тощо. В контексті CV важливо знати архітектури згорткових нейронних мереж, рекурентних нейронних мереж, а також підходи до задач класифікації, сегментації та детекції об’єктів.

Певен, що курс «Machine Learning» від академії буде для тебе цікавим та змістовним. Ти зануришся не тільки в необхідну теорію, але й у практичне використання алгоритмів, реальні проєкти та кейпоінти, на які треба звертати увагу. До того ж ти отримаєш знання, які складно віднайти у вільному доступі (наприклад, тема про time series чи генетичні алгоритми). Just do it, як-то кажуть.