Zawartość
- Niektóre podstawy inżyniera uczenia maszynowego
- Bez błędów, bez stresu - Twój przewodnik krok po kroku do tworzenia oprogramowania zmieniającego życie bez niszczenia życia
- Więcej wkładu od inżynierów uczenia maszynowego
- Zrozumienie niektórych zagrożeń
- Codzienne życie inżyniera uczenia maszynowego
- Czego się nauczyliśmy
Na wynos:
Inżynierowie uczenia maszynowego (MLE) mają różne obowiązki. Wiele z nich ma związek z cyklem życia ML i ogólnym zadaniem pracy z danym projektem ML poprzez określony proces.
Inżynier uczenia maszynowego (MLE) jest kluczową częścią zespołu pracującego dla firmy, która chce skorzystać z funkcji uczenia maszynowego i sztucznej inteligencji.
Ogólnie rzecz biorąc, ci specjaliści są strażnikami jednych z najpotężniejszych technologii na świecie.
Przyjrzyjmy się więcej temu, co robią MLE od specjalistów od uczenia maszynowego w dziedzinie technologii, którzy rozmawiali z nami o tym, co oznacza pełnienie jednej z tych ról.
Niektóre podstawy inżyniera uczenia maszynowego
Na bardzo podstawowym poziomie inżynierowie uczący się maszynowo muszą zrozumieć, w jaki sposób można łączyć te projekty i jak je realizować. (Czytaj Machine Learning 101.)
„Inżynier uczenia maszynowego jest odpowiedzialny za uruchomienie rozwiązania opartego na uczeniu maszynowym”, mówi dr Rosaria Silipo, główny specjalista ds. Danych w KNIME. „Obejmuje to pewne programowanie w celu zintegrowania algorytmu uczenia maszynowego w projekcie oraz pewne doświadczenie IT w celu wdrożenia ostatecznego rozwiązania w produkcji”.
Silipo sugeruje, że praktyczne doświadczenie w uczeniu maszynowym będzie miało długą drogę, ponieważ rozwiąże problem rozwiązywania problemów.
„Oczekuje się, że inżynier uczenia maszynowego będzie miał wystarczającą wiedzę na temat uczenia maszynowego, aby zrozumieć rolę algorytmu w aplikacji i rozwiązać potencjalne pułapki i nieprawidłowe działanie”, mówi Silipo.
Właśnie tutaj pojawiają się niektóre z tych umiejętności programowania i matematyki. MLE często chcą znać języki programowania, takie jak Python, i są dość biegli w posługiwaniu się sztuczkami matematycznymi. (Przeczytaj debatę między R a Pythonem).
Bez błędów, bez stresu - Twój przewodnik krok po kroku do tworzenia oprogramowania zmieniającego życie bez niszczenia życia
Nie możesz poprawić swoich umiejętności programistycznych, gdy nikt nie dba o jakość oprogramowania.
Więcej wkładu od inżynierów uczenia maszynowego
Niektórzy z tych, którzy zajmują pierwsze miejsce w sposobie, w jaki firmy współpracują z inżynierami uczącymi się maszyn, również odzwierciedlają przekonanie, że ci specjaliści są wyjątkowo silni w świecie biznesu.
„Inżynierowie uczenia maszynowego to najlepsi programiści, którzy projektują samodzielne oprogramowanie, które może uczyć się i stosować wiedzę na temat autopilota bez udziału człowieka” - mówi Maciej Baranowski, specjalista ds. Uczenia maszynowego i automatyzacji marketingu w firmie Zety.
Baranowski sugeruje, że inżynierowie uczenia maszynowego są bardzo poszukiwani w oparciu o konkretne cele firmy związane z oszczędnością czasu.
„Firmy dysponują stosem siana zestawów danych do przetworzenia, a jeśli robią to ręcznie, będzie to jak próba obejrzenia 13 filmów Star Trek w ciągu godziny” - mówi Baranowski.
Alex Bekker, kierownik działu analizy danych w ScienceSoft, ma bardziej prozaiczny opis tego, co robią inżynierowie uczenia maszynowego.
„Inżynierowie uczący się są odpowiedzialni za przygotowanie danych wymaganych do wyszkolenia modelu ML (na przykład rozszerzają dane i redukują hałas) i pracują z modelami ML”, mówi Bekker, opisując, jak rzeczy działają we własnym zespole. „Ten ostatni zakłada projektowanie modeli, wybór odpowiednich funkcji aktywacji i optymalizacji, dostrajanie hiperparametrów modeli, szkolenie i przekwalifikowanie modeli, upewniając się, że model odróżnia sygnały od szumu i nie tylko. „
Mówi, że praca z modelami uczenia maszynowego obejmuje szereg zadań na wysokim poziomie, obejmujących cykl rozwojowy.
Zrozumienie niektórych zagrożeń
Oto inny sposób, aby zrozumieć, co robi inżynier uczenia maszynowego, i uświadomić sobie ich znaczenie w korporacyjnej produkcji projektów uczenia maszynowego.
Niedawno Departament Sprawiedliwości USA wniósł oskarżenia przeciwko byłemu inżynierowi Google uczenia się maszyn Anthonemu Levandowskiemu, twierdząc, że zabrał ze sobą własność intelektualną w formie tajemnic handlowych do Ubera.
Oto przykład, w którym samodzielny inżynier samochodowy miał tak dużą władzę nad procesem, że był w stanie skutecznie ukraść pracodawcy ważne tajemnice handlowe.
To pokazuje, jak firmy muszą zasadniczo ufać inżynierom uczącym się maszynowo i dawać im pewną władzę nad procesem oraz dostęp do poufnych informacji. Są tak ważne dla procesu, że firmy muszą uważnie przyjrzeć się ich weryfikacji i wprowadzić niezbędne kontrole.
Codzienne życie inżyniera uczenia maszynowego
David Khachaturov, inżynier uczenia maszynowego w firmie Speechmatics zajmującej się technologią rozpoznawania mowy, dał nam bardziej szczegółowy obraz tego, jak inżynierowie uczenia maszynowego mogą pracować w praktyce.
„Duża część bycia inżynierem uczenia maszynowego polega na byciu na bieżąco z najnowszymi osiągnięciami w dziedzinie AI / ML - niezależnie od tego, czy chodzi o przeszukiwanie strony trendów w GitHub, gorączkowe odświeżanie arXiv lub spędzanie zbyt dużo czasu na przewijaniu strony reddit.com/r/MachineLearning ”- mówi Chaczaturow. „Próbują zmienić przeznaczenie technologii zorientowanych na badania w celu uzyskania większych korzyści komercyjnych. To ponowne przeznaczenie zwykle wiąże się z dodaniem dodatkowej funkcjonalności i użyteczności, której często brakuje oryginalnej pracy naukowej. ”
Czasami, jak mówi, wielkie przełomy w uczeniu maszynowym następują szybko.
„W tych momentach inżynierowie uczenia maszynowego często sięgają na wyższy bieg i szybko próbują opracować koncepcję (PoC), która może wnieść ogromną wartość dodaną dla ich firmy i klientów” - dodaje. „Jeśli PoC działa zgodnie z przeznaczeniem, można go rozwinąć w zupełnie nowy produkt. Może to być bardzo ekscytujące, jeśli chodzi o otwieranie nowych możliwości zarówno dla firmy, jak i dla klientów końcowych, ze względu na zwiększoną dźwignię techniczną uzyskaną dzięki zastosowaniu najnowocześniejszego uczenia maszynowego. ”
Chaczaturow również powraca do tego, co wielu innych powiedziało nam również o inżynierach ML, że niektóre z bardziej żmudnych prac obejmują czyszczenie i zarządzanie danymi. Istnieje wiele rutynowych zadań związanych z ciągłą potrzebą gromadzenia i przetwarzania danych, i chociaż niektóre z nich można zautomatyzować, reszta nie zniknie w najbliższym czasie.
„Inżynier uczący się od maszyn powinien być gotowy na wszystko”, mówi Chaczaturow, „Od próby dostosowania danych do odpowiedniego formatu wejściowego po pisanie niestandardowych skrobaków internetowych. „
Czego się nauczyliśmy
Mam nadzieję, że daje to nieco lepszy obraz tego, jak inżynierowie ML spędzają czas. Ta ważna rola zawodowa będzie nadal przedmiotem dużej uwagi, ponieważ wykorzystujemy możliwości ML w celu przekształcenia naszego biznesu i naszego życia.