Профессия ML-инженера: чем занимается и как им стать

Многие знают, что нейросети «учатся», чтобы со временем выдавать все более и более точные результаты. Но кто учит искусственный интеллект и помогает ему развиваться? Николай Ундалов, ML-инженер онлайн-кинотеатра KION рассказал, кто стоит за обучением нейросетей, каковы шансы стать специалистом в этой области и зачем такие сотрудники нужны стриминговым платформам. 

Чем занимается ML-инженер? 

Как становится понятно из названия тем, кто знает английский, ML-инженер (он же Machine Learning Engineer или специалист по Machine Learning) занимается тем, что учит машины алгоритмам работы с большими данными, в том числе на базе  нейросетей. Это современная профессия из мира Data Science, и она очень востребована в разных сферах — продажах, промышленности, логистике, медицине и так далее. Голосовые боты-помощники, предиктивный набор текста (когда клавиатура сама «подсказывает» вам следующее слово) и даже список рекомендаций на основе просмотренных видео — все это есть у современного человека благодаря ML-инженерам. 

Какие задачи ML-инженеры выполняют внутри стриминговой платформы?

Как уже было сказано выше, профессия весьма востребована. По прогнозам Бюро статистики труда США, занятость ML-инженеров вырастет на 22% к 2030 году по сравнению с 2020, и подобный тренд наблюдается на рынках большинства стран. Все больше компаний копят данные и хотят принимать решения на их основе. Часто у бизнеса даже есть опыт решения подобных задач, нужно только собрать всю информацию, провести анализ, приспособить наиболее подходящее в условиях кампании решение и реализовать его в продукте. В широком смысле, именно этим и занимаются ML-инженеры. 

Если же говорить о частностях, в нашей команде ML-инженеры работают над системой рекомендаций, поиском, решают задачи по прогнозированию различных важных для бизнеса характеристик. Еще коллеги разрабатывают ML модели, готовят данные для них и алгоритмы их использования (кстати, ML-инженер должен еще быть и математиком). Иногда, решают смежные задачи по аналитике и разработке. Ну и ходят в гости к различным отделам, если появляется задача на стыке компетенций нескольких команд. Вообще стоит отметить: хотя ML-инженер — профессия скорее техническая, для успеха в карьере важно развивать и коммуникативные навыки, потому что в большой компании любой сотрудник — часть большой команды, единого организма. 

Какие еще навыки нужны ML-инженеру? 

Если говорить о так называемых hard skills, это разработка, алгоритмы, SQL, базы данных, статистика, ML алгоритмы. Из важных soft skills: умение коммуницировать с людьми, собирать требования, суммировать опыт экспертов в целевой задаче. 

Относительно легко будет перейти в ML-инженеры из аналитики или бэкенд-разработки, потому что это смежные области, и опыт в них покроет часть задач. Кроме того, может пригодится знания прикладной задачи, которая решается с помощью ML, так как часто люди со знанием прикладной области могут придумать качественные нетривиальные признаки для работы ML моделей. 

В общем, ML-инженеру точно пригодятся навыки решения логических задачек, исследовательский опыт в разных сферах, математическая подготовка. 

Освоение профессии занимает у всех разное время и зависит от профессионального опыта, знаний и личных качеств. Стать ML-инженером можно за срок от нескольких месяцев до нескольких лет. 

Как строится работа ML-инженера? 

Как и у представителей любых других профессий, бывают разные дни. Иногда нужно решить несколько мелких задач, например, поправить работу ML сервиса, сделать первичный анализ данных, поисследовать некоторую проблему, добавить фичу в данные. Иногда же весь день, а то и несколько дней занимает разработка большой модели. Тогда последовательно готовятся и собираются источники и требования, изучаются подходы к решению, готовятся данные. Потом идет стадия экспериментов и разработки модели, затем внедрение. В целом, работа сочетает вдумчивый труд и креативный, но логический подход к решению задач. 

Как отличить плохого ML-инженера от хорошего? 

Чтобы определить, насколько ML-инженер хорош в своем деле, можно попросить его решить конкретную задачу. Нужно понаблюдать, с чего человек начинает решение, о чем думает в первую очередь, насколько смелые и дерзкие выводы он делает на основе цифр. Важно, чтобы человек задумывался о данных и критериях оценки, это характеризует внимательного и компетентного ML-инженера. 

Если специалист предлагает всего один вариант решения и не обосновывает такую категоричность, это тоже не очень хорошо. Как правило, у любой задачи есть несколько вариантов решения со своими плюсами и минусами, которые хороший ML-инженер обязательно подчеркнет. Также оценить профессионализм можно, попросив оценить возможные риски и потенциальные проблемы, которые могут появиться в результате реализации той или иной стратегии.