Привет всем, кто думает о том, чтобы начать свой путь в ML, но сомневается! Меня зовут Надежда Кондратьева, я магистрантка AI Talent Hub— крупнейшей программы по искусственному интеллекту от ITMO и @NapoleonIT. Прошел год, как я сменила специальность и поступила в магистратуру. Хочу поделиться своей историей и рассказать, что мне это дало.
Но начну я с конца.
Мои выводы спустя первый год обучения в магистратуре AI Talent Hub:
Устойчивость к фрустрации и толерантность к неопределенности — два столпа, которые помогут легче перенести работу в этой сфере, да и жизнь в целом. Ошибки будут всегда, всегда будет что-то падать, но стойкость — наше всё.
Ежедневная практика. Технические курсы на данной программе магистратуры нацелены только на практику. Никаких тестов, рефератов, пустой писанины — только реальные задачи, код, код и еще раз код. Я сама на протяжении нескольких лет не раз видела, как, благодаря ежедневной терапии и грамотно построенной программе вмешательства, дети, которые не говорили годами, начинали говорить первые слова, а затем и предложения. Так какие сомнения и отговорки могут быть у вас насчет того, сможете ли вы осилить техническую сторону ML? Практика, и все получится. Особенно в сообществе AI Talent Hub!
Софты. Кто бы что под ними ни понимал, софты очень важны в сфере IT, поэтому не стоит их недооценивать. Большой упор в магистратуре для заинтересованных в этом делается на навыки управления проектами и командой. Для себя целью я ставила прокачать технические навыки, поэтому в моем случае они проявились немного другим образом. Благодаря софтам, я попала в AI Talent Hub, закончила второй семестр на «отлично» (хотя на первом мечтала просто не вылететь,одногруппники созванивались со мной и иногда часами объясняли какие-то сложные мне моменты), нашла проект, подтянула туда опытных одногруппников и реализовала его с ними.
В моей прошлой специализации при работе с детьми с РАС акцент ставился на навыках “Learning how to learn skills”. Это тот перечень умений, которые я бы поставила во главу рейтинга навыков, которыми должен обладать хороший специалист в IT в общем, и в ML в частности. Учиться и изучать новое приходится постоянно, даже тем одногруппникам, кто не первый год работает в ML. Поэтому, если вам постоянно неймется и всегда хочется изучить что-то новое, AI Talent Hub для вас! И не важно, на какой ступени профессионального развития вы сейчас. Желание быть лучше — вот то, что действительно важно на длинной дистанции.
Занудный пункт про теорию обучения, но не могу его не написать :) Человек, как вид, очень подвержен влиянию людей вокруг. Например, одной из причин такого сильного отставания в навыках у детей с аутизмом является отсутствие потребности в социальном подкреплении, следствием чего становится нарушение имитации — критически важного навыка на ранних этапах развития младенца. Но важность имитации не уменьшается с годами — это то, что позволяет нам быстро адаптироваться в незнакомой среде и осваивать новые навыки. Поэтому самое лучшее, что вы можете сделать для себя — это поместить себя в среду умных, увлеченных своим делом, замотивированных людей. Все остальное, как говорится, приложится со временем и под влиянием среды. AI Talent Hub — именно то место, куда стоит себя поместить ❤️
Пару недель назад одногруппники организовали встречу с Анатолием Карповым. Каково было мое удивление, когда я узнала, что в свое время он ушел из аспирантуры факультета психологии СПбГУ. С другой стороны, смог бы он организовать свои курсы, если бы не его предыдущий опыт?! На нашем потоке много тех, кто по первой специальности работал далеко не в IT: медицина, промышленная инженерия, строительство, работа в химической лаборатории, нефтянка, консалтинг и многое другое! И наша первая специализация — наше преимущество. Потому что не существует ML-проектов в вакууме, они все имплементированы в какой-то бизнес, который существует в определенной сфере и окружен конкретными людьми.
Инсайдерская информация: прочитайте книгу «Никаких правил. Уникальная культура Netflix», если хотите прочувствовать один из пластов ценностей, на которых строится проект AI Talent Hub. Дмитрий Ботов — руководитель проекта — очень советовал эту книгу (и не только ее) в рамках своего курса «Управление проектами в Data Science» . И она, с моей точки зрения, довольно неплохо описывает часть из того, что действительно есть в этой магистратуре.
ML — это не узкая специализация. Перед поступлением у меня было представление, что ML Engineer — это тот, кто ковыряется в гугл-колабе или кагле, разбирается в математике и применяет различные алгоритмы и модели к данным, умеет в SQL. Оказалось, я очень ошибалась. Нужно уметь примерно все: кодить, знать теорию классического ML, работать с БД, деплоить модель в прод, быстренько прикрутить апишечку, логировать все в ClearML или что-то аналогичное, заворачивать в Doker, уверенно владеть гитом, писать СI/CD, шарить в DL, конечно же знать основы статистики и тервера, линейной алгебры и матана, ну, и еще питчить проекты, узнавать потребности пользователей и кое-что еще, что я наверняка упустила.
Мой опыт до ML
В далеком 2007 году я участвовала в городской олимпиаде по информатике и заняла 2 место (позже, в том же году, сдав экзамены в 9 классе, я получила корочку «Оператор ЭВМ» от гимназии, в которой училась). 1 место на ней занял парнишка, который позже основал успешную компанию по разработке ПО в Москве
Интересные статьи
Интересные статьи
