Два года назад житель Сингапура Дэвид Чонг закончил колледж, поступил на работу в банк, а потом вдруг увлекся машинным обучением и … превратился в эксперта по ИИ.
«У каждого свой путь к науке о данных. Эта статья не является пошаговым руководством к действию. Это моя собственная история, которая, быть может, сподвигнет кого-нибудь поменять свою жизнь. Два года я изучал экономику и финансы, мечтал связать с ними жизнь и думал только о них. Но проработав несколько месяцев в банке и познакомившись с программированием, я понял, что это намного интереснее, чем финансы. Оказалось, что, обладая данными, можно предсказывать результаты. Я попался на крючок. Я решил сменить профессию. Одна проблема: я не умел кодировать. Собственно, все, что приближало меня к миру данных — это Excel.
Для начала я записался сразу на несколько массовых открытым онлайн-курсов – и почти не одни не закончил. Легкость доступа к знаниям делала легким и переход от одного курса к другому. Самый большой недостаток таких курсов: краткость содержания и поверхностность. Или, возможно, мое ожидание, что они могут продвинуть меня в карьере в области науки о данных, было слишком наивным. Такие курсы часто создают у людей ложное впечатление, что это очень легко. Обычен подход, что машинное обучение — это просто несколько строк кода, и начать в этом разбираться можно с полпинка. Поймите меня правильно. Открытые курсы — это неплохо. Они помогают людям быстро получить знания и начать работу. Но сделают ли они вас экспертом? Нет.
После нескольких неудачных попыток я пришел к выводу, что ничего никогда не добьюсь. Конечно, я имел некоторые базовые навыки в Python`е, и кое-что умел, но немного. Чтобы улучшить свои навыки программирования, я начал практиковаться. В то же время я хотел иметь реальный проект, в котором я мог бы использовать Python. Именно тогда я начал работать над ботом, который мог бы заказать для меня площадки для бадминтона. Дело в том, что площадки для бадминтона в Сингапуре, например, обычно полностью забронированы за две недели, и многие люди часто тратят очень много времени для того, чтобы застолбить площадку, хотя она бронируется в течение секунды или двух.
Постепенно научился кое-чему, я ничего не знал об эффективности кода. Сложность пространства и времени была мне чужда, а объектноориентированное программирование — просто концепцией. С другой стороны, я был экспертом по Jupiter notebook. Честно говоря, моих знаний вполне хватало, чтобы считаться хорошим программистом. Но я и близко не подходил к тому месту, где должен был быть.
Чтобы стать специалистом в области машинного обучения и улучшить навыки в Python, я решил получить степень магистра IT в бизнесе (со специализацией в области искусственного интеллекта) в Сингапурском университете управления. Я узнал о математике, лежащей в основе традиционных моделей машинного обучения. Я узнал о важных концепциях ИИ. Я узнал о разработке алгоритмов. Знания буквально разорвали мой некомпьютерный мозг на части. На мой взгляд, магистерская степень обеспечивает академическую строгость, необходимую для профессионалов, но имеет мало связи с практикой.
Магистерский курс не скажет вам, что необходимо для получения работы в области науки о данных. Вам придется выяснить это самостоятельно. Я ходил на интервью, накапливая тонны опыта. Я узнавал, чего от меня ждут – и параллельно старался получить эти навыки. Часто от соискателя требуются разработка программного обеспечения и навыки DevOps, совместная работа с кодом, знание того, как настроить среду Docker, запустить экземпляр AWS EC2, разместить набор данных в хранилище blob-объектов Azure, эффективно организовать код и использовать GitHub или GitLab для управления версиями… Это некоторые из важнейших навыков, которые не преподаются в классе.
Два года спустя я, наконец, получил место инженера по искусственному интеллекту. Для меня это прекрасная возможность учиться и расти в области, к которой я испытываю настоящую страсть. И это доказательство того, что каждый может выполнить задуманное, даже если на это уходит больше времени, чем ты рассчитывал. Но в конце концов, карьера — это марафон, а не спринт. Делайте то, что вы любите, потому что вы будете тратить огромную часть своей жизни на работу.