Из гуманитариев — в data science: как историки и лингвисты стали специалистами по ИИ |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2020-01-21 07:13 Даже если в университете вас не учили математике, вы можете преуспеть в сфере машинного обучения. Евгения Коновалова, основатель центра развития проектов в сфере искусственного интеллекта AI Hub и научного сообщества Science Guide, собрала несколько историй гуманитариев, которые стали специалистами по ИИ. Я много лет занимаюсь вовлечением специалистов в сферу искусственного интеллекта — и вижу, что в эту отрасль приходят люди с совершенно разным бэкграундом: опытом работы, университетской подготовкой. И это неудивительно — спрос на таких специалистов велик, более того, в ИИ можно отлично заработать. Чтобы таких людей становилось все больше мы и создали комьюнити AI Hub и запустили бота, который может с нуля обучить любого желающего азам применения искусственного интеллекта. Есть стереотип, что в data science могут работать только технари — но это не так. Я видела много случаев, когда люди с гуманитарными специальностями становились вполне успешны в ИИ — и даже создавали свои громкие проекты. Отличный пример — Алиса Чумаченко, основательница GOSU Data Lab, которая получила режиссерское образование в ГИТИСе, про нее Rusbase уже писал раньше. Оказалось, что людей, перешедших из лириков в физики, немало — истории своих знакомых я и собрала ниже. Я училась в МПГУ на факультете иностранных языков, специальность — лингвист, переводчик. Выбрала эту профессию, потому что любила — и до сих пор очень люблю — немецкий язык. Сильно не задумывалась, куда поступать — и ни разу о своем выборе не пожалела. Но, когда начала искать работу, поняла, что знания одних иностранных языков недостаточно. Хотя отличное владение английским и немецким до сих пор считаю своей сильной стороной — именно благодаря знанию языка мне было очень легко даются в курсы на Coursera. После университета я пробовала быть переводчиком и персональным ассистентом руководителя — но все это было не мое. Мне хотелось расти, учиться, развиваться, а не просто выполнять рутинные задания. Поэтому и начала рассматривать разные вакансии, смежные с лингвистикой. Меня взяли в ABBYY аннотировать тексты, и мне очень понравилась атмосфера в IT. Пока работала там, продолжала искать «работу мечты» дальше. Найдя вакансию, которая меня заинтриговала (там было что-то вроде: «учим машины говорить»), я поняла, что должна туда попасть! Это оказалась вакансия компании Speaktoit — я проработала там более 4 лет, до тех пор, пока компанию не купил Google. И мы действительно учили машины говорить, причем на двенадцати языках! У нас было два продукта. Первый — голосовой помощник, аналог Siri или Алисы, а второй — платформа для создания чат-ботов и голосовых помощников. Сначала настоящего искусственного интеллекта там не было — мы просто использовали правила, чтобы научить машину понимать пользователя. Но постепенно мы перешли на machine learning. По своей природе я люблю все улучшать, автоматизировать процессы, и у меня это хорошо получается — поэтому в итоге я стала менеджером продукта. Я уже не представляю себе новый продукт, в котором не будет места для компонентов, построенных при помощи машинного обучения. Как я развивала свои компетенции в ИИ, имея лишь гуманитарное образование?
Чтобы прокачать навыки, я проходила онлайн-курсы, ходила на митапы Mail.ru, «Яндекса» и других компаний. С 2012 года я постоянно обучаюсь на разных курсах на той же курсере, а также EdX, Udacity. С тех пор как я пришла в ИИ, я успела поработать на разных проектах, делала чат-ботов и голосовых помощников. Сейчас дома у меня живут три колонки — Алиса, Алекса и Google Ассистент, и я пользуюсь ими каждый день. Очень рада, что я принимала участие в зарождении этого всего — и, надеюсь, что общение с голосовыми интерфейсами скоро станет для всех привычкой. Я закончила МГИМО, регионоведение со знанием китайского языка. Это профильный «мидовский» набор, но во время обучения моя мама вышла замуж за гражданина США — и в МИД меня не взяли даже на стажировку, о чем я, кстати, ни капли не жалею. Выбор специализации в 18 лет — история не самая оптимальная, я просто пошла туда, куда и большая часть моих друзей. После окончания университета и «пятерки» на государственном экзамене по китайскому я выходила с мыслью, что не хочу работать с этим языком. Через неделю получила оффер в российское представительство китайской компании Alibaba Group. Работа в Alibaba — уникальный опыт. Я начинала персональным ассистентом, закончила в маркетинге. Именно там, увидев неэффективность ряда процессов, увлеклась большими данными. Много читала, смотрела курсы, взяла курс по большим данным и Python. В этот момент в МТС открылась вакансия аналитика в департаменте искусственного интеллекта — туда я и решила устроиться. Меня взяли, и я с удовольствием работаю в МТС уже третий год. Я анализирую тренды на рынке, общаюсь со стартапами и лидерами мнений, провожу исследования и собираю инсайты для продуктологов. В МТС мой главный ресурс для постоянной «прокачки» — опытный руководитель и сильная команда по machine learning. Курсы мне дали большой толчок для того, чтобы попасть в отрасль — но настоящее понимание технологий и трендов появляется уже в процессе взаимодействия с экспертами. Я учился в Украине. Моя профессия в прошлом — историк, если точнее, моя специальность была «история и педагогика». Но я ни дня не проработал ни в школе, ни в вузе. Я, правда, работал научным сотрудником в Николаевском областном краеведческом музее — я даже думал дальше заниматься наукой, защищаться. Заработать историком, да еще и в науке в Украине, было практически нереально — и я со всей очевидностью понял это во время кризиса 2008 года. Тогда бросил это дело и пошел в бизнес. Пробовал делать рекламное агентство — но почему-то не вышло. А вот программирование, которым я увлекался еще в школе, внезапно зашло. Мне удалось построить довольно-таки успешную карьеру программиста — пока в 2016-м я не переехал в Сан-Франциско, скажем так, по воле случая. И в 2017-м не устроился в стартап, направлением работы которого был как раз искусственный интеллект. По удачному стечению обстоятельств наш стартап тогда еще и попал в акселератор 500 Startups. Вот так я впервые прикоснулся к сфере искусственного интеллекта. Благо, оказалось, что для решения прикладных задач необязательно строить собственные модели — можно дообучать существующие. И, на самом деле, навыки в программировании оказались гораздо полезнее — я мог взять готовую модель, дообучить и «прикрутить» куда-нибудь в продакшн. Для многих людей с гуманитарным складом важно проявлять креативность, а тут просто берешь готовые модели, запихиваешь в них данные — кажется ужасной рутиной, но это не так. Простора для творчества предостаточно. Начинается оно в тот момент, когда ты видишь задачу и думаешь о том, как прийти к нужному результату. Потом этап сбора данных — какие данные брать, где их искать? Тоже не самый банальный вопрос. Процесс дообучения — самый креативный и интересный. И это уже не говоря о том, что можно делать комбинированные модели (на что алгоритмы пока не способны): например, одна модель генерирует портреты котиков, а другая — валидирует, насколько эти котики действительно похожи на котиков. И таких примеров креативных решений — миллион. В общем, в data science всегда есть где проявить свою творческую натуру! Конечно, мне пришлось подучиться, чтобы работать в сфере ИИ. Начал я с онлайн-курсов — в частности, знаменитого курса Andrew Ng по machine learning на «Курсере». Но быстро понял, что уровня математической подготовки мне не хватает — поэтому пришлось добавить курсы на Khan Academy по линейной алгебре, матанализу и статистике. Сегодня я работаю программистом в корпорации и возглавляю отделение School of AI в Сан-Франциско. Я занимаюсь проектом, который включает в себя такие разделы ИИ, как обучение с подкреплением и компьютерное зрение — но мы пока непубличные, поэтому, к сожалению, не могу рассказать больше. Я училась на юриста в УрГЮА, получила диплом бакалавра с отличием. Почему юриспруденция? Мои родители оба юристы, и большая часть семьи — тоже юристы в разных сферах. Поэтому, когда родители сказали: «Иди в юридическую академию — тебе там дадут хорошие знания. А дальше уже делай, что хочешь» — я решила, что это здравая мысль. Но с первого дня я поняла, что юристом я быть не хочу, несмотря на то, что учиться было интересно. Да и в целом, родители были правы — академия меня многому научила:
Пока я училась, я работала в юридической клинике — чтобы лучше понять суть профессии, которую я выбрала. Такие организации помогают людям, которые не могут себе позволить профессионального юриста. Я бесплатно помогала людям в течение двух лет. Мне понравилось помогать, я почувствовала свою миссию в том, чтобы делать жизнь людей чуть лучше. Потом я поехала в Москву на практику. Я работала в юридическом консалтинге — и попала в фирму, которая входила в топ-10 лучших юридических фирм России. И в ходе этой практики я поняла, что мне безумно нравится консалтинг — из-за темпа, из-за того, что у тебя постоянно разные проекты. Но я окончательно поняла, что именно правом мне не нравится заниматься. В итоге я оказалась именно в консалтинге — после вуза стала работать в PwC, налоговым консультантом в нефтегазовой сфере. В окружении у меня стало появляться все больше айтишников, и в какой-то момент я подумала: может, я все-таки смогу применить свои скиллы в IT? Тем более что еще с университета меня интересовало все, что связано с IT, и особенно data science. Сначала мне казалось, что в этот поезд мне уже вообще никак не запрыгнуть — это все невероятно далеко, сложно и не для меня. Тем не менее я расспрашивала людей «оттуда», что нужно знать для такой карьеры. Поняла, что нужна математика, а я ее совсем не помню — и три года назад села учить математику, прямо начиная с пятого класса. Занималась в основном на Khan Academy, каждый день старалась уделить этому хотя бы полчаса. В итоге где-то за год-полтора я «закончила школу» и начала уже разбирать какие-то материалы для первых курсов технических университетов. Мне повезло с окружением — были люди, с которыми я могла посоветоваться, которые могли мне что-то объяснить. Параллельно я еще училась программировать — но я бы не сказала, что это носило систематический характер: я заканчивала какой-нибудь онлайн-курс, потом был перерыв, потом через какое-то время брала новый курс. Потом я пошла на курс по продакт-менеджменту, и там я познакомилась с классным человеком. Он был разработчиком, потом переквалифицировался в data science, сделал много крутых проектов. Мы придумали создать компанию, которая будет заниматься консалтингом в этой сфере: у него как раз была техническая экспертиза, у меня — бизнесовая. Сначала мы работали над маленьким проектом, плюс, вместе проходили курс по продакт-менеджменту — и просто смотрели, сработаемся мы или нет. Стало понятно, что мы прекрасно дополняем друг друга — и так появился наш проект AimRevenue. Сейчас мы предоставляем консалтинг для компаний, которые хотят внедрить ИИ-решения, и занимаемся аналитикой. Также разрабатываем ПО под запросы компаний — в том числе такие решения, как голосовые помощники, чат-боты, решения на базе computer vision. Впоследствии мы хотим выделить это в отдельное направление — предлагать уже готовые сервисы на базе того, что у нас сейчас чаще всего заказывают. Я в проекте выполняю роль продакта: смотрю, чтобы продукты, которые мы отдаем нашим заказчикам, соответствовали их запросам, чтобы было понятно, как пользоваться нашими решениями. Стараюсь сильно не лезть в техническую часть, но прошу ребят показывать мне код. Я очень люблю свое дело. Наконец-то я чувствую себя на своем месте. И, мне кажется, это самое вообще главное в жизни — когда каждое утро ты просыпаешься счастливая оттого, что ты сейчас пойдешь на любимую работу и будешь делать мир немного лучше. Источник: m.vk.com Комментарии: |
|