Эксперт VK Васильев назвал ключевые навыки для карьеры в сфере ИИ и машинного обучения

Руководитель группы аудио модальности в отделе экспериментальных технологий AI VK и преподаватель Школы информатики, физики и технологий НИУ ВШЭ в Санкт-Петербурге Артем Васильев рассказал, какие ключевые навыки необходимы для старта и роста карьеры в сфере ИИ и машинного обучения (ML).

По его словам, на практике ML-задачи редко сводятся к обучению одной модели.

Чаще это работа с данными, проверка гипотез, выбор корректных метрик и доведение идеи до состояния, в котором ее можно воспроизводимо запускать и использовать в продукте.

"Индустрии нужны сотрудники, которые сочетают исследовательскую глубину с инженерной дисциплиной: мало построить и обучить модель, нужно доказать ее прикладную пользу. Поэтому качественное образование должно давать и теоретический фундамент, и практику в реальной проектной среде", — отметил эксперт.

Тем, кто только планирует войти в сферу ИИ и машинного обучения Васильев советует сосредоточиться на математике и базовой работе с моделями, параллельно развивая инженерные навыки и умение правильно использовать современные технологии.

Васильев выделил три ключевых навыка для старта карьеры. Первый — сильная теоретическая база: теория вероятностей, линейная алгебра, теория алгоритмов. Без этого специалист не понимает принципов работы моделей, их ограничений и не знает, что делать, если готовое решение перестает работать. Второй — инженерная зрелость. Работодатели в cфере ML обращают внимание на умение работать с данными, настраивать инфраструктурное окружение, обеспечивать воспроизводимость экспериментов и усовершенствовать решения до практического применения.

Разница между учебным проектом и реальной задачей часто именно в этом. Третий — развитое критическое мышление. С появлением больших языковых моделей ценность специалиста смещается от быстрого написания кода к пониманию того, что именно сгенерировала нейросеть, оценке корректности задачи и надежности решения.

Формировать такие компетенции помогают программы, где академическая база соседствует с работой над реальными технологиями. Один из примеров такого взаимодействия с бизнесом — Школа информатики, физики и технологий — совместный образовательный проект Питерской Вышки и VK. Во время учебы студенты не только изучают теорию, но и работают над индустриальными задачами с экспертами AI VK.