Можно ли гуманитарию стать специалистом по машинному обучению?

_-data-science-1-2
Отвечает Антон Долганов, доцент УрФУ, ИРИТ-РТФ

Это рубрика, в которой эксперты отвечают на актуальные и волнующие вопросы об IT-профессиях, будущем сферы и ее перспективах.

Теорию гуманитариев и технарей ученые давно признали нейромифом. Но, к сожалению, многие в него верят до сих пор. Разбираемся вместе с Антоном Долгановым, доцентом УрФУ, ИРИТ-РТФ, могут ли гуманитарии работать специалистами по машинному обучению.

Деление на технарей и гуманитариев очень условное. Все зависит от мотивации. Если человеку интересно заниматься какой-либо задачей, он будет это делать.

Не все работодатели до конца понимают, кто такой дата-сайентист. Например, на hh.ru можно встретить совершенно разные требования к кандидатам, описания задач, которые предстоит решать.

Эксперты предложили рассматривать дата-сайентиста с позиции трех составляющих: знаний математики, программирования и предметной области. Конечно, настолько универсальных солдат не существует. Есть люди с разными долями компетенций в этих сферах. Знание предметной области бывает не менее важным, чем знание алгоритмов.

Сейчас порог входа в машинное обучение с точки зрения программирования достаточно низкий. Мы живем в 2022 году, когда есть масса библиотек с подробной документацией с примерами, решений No-code, которые позволяют заниматься разработкой без написания кода, активно развивается направление AutoML и пр. Гуманитарии могут обладать знаниями в предметной области, которые недоступны исключительно технарю. Гуманитарий может преобразовывать знания предметной области в полезные признаки и пр. Так ряд звезд соревнований на Kaggle.com отмечают, что основной вклад в улучшение результатов модели приносит, как правило, добавление новых признаков, специфичных для конкретной предметной области. Например, для создания языковых моделей мы привлекаем филологов, чтобы они могли внедрить в модель свои знания.

Сообщество Data Science очень открыто. Есть комьюнити, которое даже называется Open Data Science. Также существует множество площадок, подобных Kaggle.com, где люди со всего мира соревнуются друг с другом, решают различные задачи. Когда соревнования завершаются, топовые решения выкладываются в открытый доступ. Можно посмотреть не только результаты, но и их объяснения, и даже задать вопрос автору. И этим нужно пользоваться. Очень мала вероятность того, что вам как гуманитарию достанется задача, которую никто не решал ранее.

Нужно хотя бы раз в неделю просматривать статьи и блоги по теме. Например, русскоязычный Хабр по тегу «Машинное обучение», англоязычный Towards Data Science и пр. Там постоянно выкладывается множество интересных идей для объяснения алгоритмов, визуализации результатов и другие кейсы из практики. Также для лучшего понимания математических концепций пройдет подборка видеоэссе на YouTube канале 3blue1brown. В Data Science нужно быть максимально готовым к поиску новой информации и постоянному обучению. И не важно, гуманитарий вы или технарь.

Для специалиста по машинному обучению важно знание английского языка. На нем общается половина пользователей сети. Нужно читать оригинальные статьи, документацию, потому что неизвестно, кто и как переводил материал.

Также в работе потребуются хотя бы базовые знания математики (понимание, как работают функции, что такое производная и пр.), структурный взгляд на вещи. Без основ программирования логика работы некоторых решений будет не всегда понятна.

Если человек с гуманитарным образованием ищет какую-либо информацию, то может встретить материал со множеством неизвестных ему формул. Чтобы решать такие трудности, важно не бояться, проявлять терпение, не бросать, если что-то не понятно, задавать вопросы. Первое время стоит работать в команде: не нужно пытаться самостоятельно решать новые задачи. 

В программу онлайн-магистратуры  «Инженерия машинного обучения» мы добавили адаптационные дисциплины, которые помогут абитуриентам без технического образования и опыта в IT начать свой путь в профессии. После этого они получат все навыки для разработки систем ИИ.  

Если вы хотите задать вопрос эксперту о том, как изменилась сфера IT, напишите их в комментариях под этим постом, в нашей группе во ВКонтакте или в Telegram-канале.

Курсы по теме

(рейтинг: 5, голосов: 5)
Добавить комментарий