Помогайте людям, которые на шаг позади вас. Не беспокойтесь о том, чтобы произвести впечатление на лучших людей в этой области — Алекса Гордич

Так много блогов о начале работы с ИИ, зачем еще один? 🚨

Позвольте мне подытожить, что вас ждет в TheAIJourney, и стоит ли вам подумать о том, чтобы инвестировать свое драгоценное время.

Это НЕсерия блогов «Начало работы с ИИ (искусственным интеллектом)» , но для тех, кто имеет начальные знания в области ИИ (выпускники колледжей, первые практики в отрасли и т. д.) и в фазе исследования — о том, как стать частью этого прекрасного сообщества, эта серия блогов для вас.

Вы узнаете о ресурсах, на которые я натыкаюсь, таких как популярные области, люди/университеты/группы, которым нужно следовать, навыки, которые можно добавить в свой арсенал и т. д. Большинство блогов в этой серии будут посвящены темам DL (Deep Learning), я бы прочитал в предыдущем месяце, инсайты при их реализации и нетривиальный процесс обучения.

В конечном счете, я хочу, чтобы мое путешествие по ИИ регулярно записывалось, чтобы помочь людям, которые отстают на шаг, ответить на вопрос "Что дальше?"

Немного о себе, чтобы завоевать ваше доверие 😃

В настоящее время я работаю специалистом по данным в Microsoft в области интеллектуального анализа данных с использованием графиков. Я получил степень бакалавра технических наук в области электроники в Индийском технологическом институте в Харагпуре. Чтобы узнать больше обо мне, загляните в мой профиль LinkedIn.

Впервые я столкнулся с ИИ на одном из семинаров в колледже, где я был очарован концепцией сопоставления нейронной сети с человеческим мозгом. В колледже я был в основном самоучкой, большую часть времени занимаясь соревновательным программированием, изучая новые области, такие как CV (Cкомпьютерная версия), НЛП ( Nестественныйязык, обработка языка), неконтролируемое обучение и т. д., и пытаюсь реализовать некоторые из них, чтобы увидеть, как волшебство происходит прямо на моих глазах. .

Я был в восторге от того факта, что вы можете получить работающую модель обнаружения объектов, не выходя из своей комнаты. Это заставило меня почувствовать силу и осознать силу ИИ как инструмента, которым человечество может воспользоваться для решения проблем человечества. Тот факт, что у него есть приложения в подавляющем большинстве областей, будь то климат, энергетика, робототехника, космос и т. д., делает меня смиренным, чтобы быть его частью.

Теперь наступает часть моей жизни, которая заставляет меня начать TheAIJourney сегодня. После окончания колледжа я начал думать о том, как воплотить в жизнь свою мечту о значительном вкладе в ИИ. Вскоре я понял, что мой подход к обучению должен существенно измениться.

Пока я учился в колледже, для меня было нормально работать в бункерах и получать удовольствие от изучения классных библиотек, прохождения учебных пособий, запойных лекций на YouTube и т. д. Но теперь пришло время заняться серьезным бизнесом. Поэтому я начал искать группы, за которыми можно следить, блоги/бюллетени/подкасты для просмотра, области, в которые я могу внести серьезный вклад, и многое другое об обучении и планировании собственного пути.

Я с нетерпением жду возможности поделиться своим путешествием на TheAIJourney. Большое спасибо TheAIEpiphany ❤️ — причина, по которой я начала эту серию.

Время классного контента 😎

В этом разделе я поделюсь ответами на основные вопросы, с которыми я столкнулся за последние 6 месяцев. Все ответы будут предвзяты к моему мышлению и пониманию, но цель поделиться ими — не решить, что правильно, а донести информацию о возможных вариантах.

Я хочу, чтобы аудитория сосредоточилась не только на ответах на вопросы, но и на самих вопросах. Помните, чтобы решить любую серьезную жизненную проблему, вам нужно сначала задать правильные вопросы.

Какие у меня есть варианты карьеры в этой области? 😄

Ответ на этот вопрос зависит от уровня воздействия, которое вы хотите создать, и от глубины понимания, которую вы хотите приобрести. Управление всем жизненным циклом машинного обучения — не детская игра, и для этого требуются усилия людей с разными ролями, чтобы ответ на поисковый запрос был получен с задержкой в ​​миллисекунды в реальном мире. Тем не менее, я собираюсь упомянуть роли в цикле, которые больше связаны с аспектом AI/DL, чем с инженерным аспектом. Список, как всегда, не является исчерпывающим и является лишь руководством для будущих исследований.

  1. Исследователь ИИ в университете / RS (научный сотрудник) в лаборатории ИИ: обе эти роли, по моему мнению, требуют высочайшего уровня знаний, поскольку именно они приносят крупные прорывы на уровне земли. Чтобы быть одним из них, часто требуется докторская степень или многолетний опыт работы в отрасли. Публикация научных статей и финансирование лаборатории — одна из ключевых обязанностей, необходимых для этой роли. Следовательно, нужно следить за последними исследованиями в этой области, выбирать области для работы, показывать результаты, получать средства для лаборатории и многое другое.
  2. Независимый исследователь ИИ: Да, такие люди существуют, и они тоже хороши! Работа в качестве независимого исследователя в такой быстро развивающейся области может показаться навязчивой. Будь то управление финансами, создание сетей, мотивация, руководство и т. д., но, как ни удивительно, некоторые люди преуспели и в этом. Не верите мне? Закажите один из моих любимых Росс Вайтман ❤. Как независимый исследователь, Росс превратился в одного из самых видных участников исследований ИИ и кодовых баз. В прошлой жизни он был инженером канадского стартапа-единорога, а в настоящее время занимается созданием новых моделей ИИ, которые находятся в свободном доступе на GitHub для использования всеми и каждым. И он по сути самоучка. ️Вот подкаст💪 самого себя и профессора Питера Аббиля.
  3. RE (инженер-исследователь): я беру отрывок из Описание инженера-исследователя Open AI. Самые выдающиеся результаты глубокого обучения все чаще достигаются в массовом масштабе, и для этих результатов требуются инженеры, которые умеют работать в больших распределенных системах. Для этого требуются люди с солидными инженерными навыками (например, проектирование, внедрение и совершенствование крупномасштабной распределенной системы машинного обучения), написание безошибочного кода машинного обучения и создание наука об используемых алгоритмах.
  4. DS (Data & Applied Scientist): люди в этом спектре цикла машинного обучения больше обеспокоены конечными приложениями ИИ. Понимание реальных данных, исправление пробелов в данных, моделирование проблемы, развертывание решений и итерация для улучшения — вот на что будет потрачена большая часть времени. Конечным результатом этого может быть продукт (например, анализ важных тем в документе), который будет использоваться пользовательскими командами, работающими над продуктом, или может быть сам конечный продукт (например, поиск связанных людей). Обратите внимание, что в некоторых компаниях, где роли хорошо разделены, DS не придется беспокоиться о масштабировании решений/оптимизации их для развертывания с миллисекундной задержкой. Об этом позаботится RE.

Каковы возможные пути? 🚨

Что ж, не существует единого шаблонного пути к успеху. Выяснение правильного пути, соответствующего вашим потребностям, — это красота жизни. Тем не менее, ниже приведены некоторые указания, о которых следует помнить при принятии решений.

  1. Исследователь ИИ (1 и 2): большинство из них, как правило, имеют долгий академический опыт и докторскую степень. Это количество времени, которое они вкладывают, необходимо для того, что требует их задача. Не только навыки, но и сообщество, частью которого они становятся, чрезвычайно важны для новаторских исследований, которые они должны выполнять. Сказав, что исключения существуют (и когда я говорю «исключение» — я не имею в виду, что это невыполнимо или трудно, но я имею в виду, что путь менее проторенный), кто решает потратить столько же времени и усилий на другой маршрут. Они остаются в отрасли, ежедневно сотрудничают с исследователями/опытными экспертами и учатся у них. Этот путь постепенно становится более открытым из-за простоты доступа к ресурсам, сообществам с открытым исходным кодом и группам ИИ для быстрого поиска людей и совместной работы.
  2. Инженер-исследователь: ожидается, что эти люди будут более хорошо разбираться в отрасли, поскольку они будут нести ответственность за реализацию, масштабирование, развертывание и обслуживание проектов. предложенный РС. Как правило, ведущие технологические компании нанимают выпускников магистерских программ или инженеров из промышленности с опытом работы от 2–3 лет. Однако, если вы хотите стать разработчиком RE в исследовательской лаборатории без мастера, задача усложняется из-за самой конкуренции. Ожидается, что у вас будет хорошая карьерная траектория, где ваша предыдущая работа соответствует потребностям лаборатории. Хороший репозиторий GitHub, демонстрирующий вашу способность реализовывать исследовательские работы, чрезвычайно важен. Ежедневно вести блог о том, что вы читаете/программируете, — это хороший совет для расширения своей сети и видимости. Посмотрите это видео Алексы Гордич, которая является RE в DeepMind и не имеет степени в области машинного обучения.
  3. Data Scientist: Путь становится проще, но совсем не легким для DS. В отрасли есть много вакансий для DS (все еще относительно мало по сравнению с SDE), а объем «интересной работы» действительно зависит от команды и проекта. Наименее опытные люди в этих ролях — это выпускники аспирантуры, имеющие степень бакалавра и опыт работы с ML/DL на уровне колледжа. На YouTube уже доступно много контента для подготовки, необходимой для работы в качестве DS.

Как мне самому открыть это знание? 😕

Путь открытия знаний начинается с самого путешествия 😝. Вот несколько советов из моего путешествия до сих пор.

  1. Следите за людьми в Твиттере. Сообщество ИИ очень активно использует Твиттер. Исследователи активно делятся своей работой, а сообщество ведет здоровую беседу, в которой полезно заглянуть в мысли этих удивительных личностей. Помимо этого, продолжают появляться возможности для работы, работы и т. д.. Я бы посоветовал создать новую учетную запись в Твиттере, так как это помогает поддерживать актуальность вашей ленты. Если вы новичок, некоторые люди, которых вы должны знать в этой области, упомянуты в этом блоге Алексы.
  2. Присоединяйтесь к каналам Discord/Slack. Если вы хотите общаться с людьми, ежедневно обсуждающими ИИ, рассмотрите возможность присоединения к дискуссионным группам. Помимо обсуждений, вы можете найти единомышленников, чтобы начать проект и лучше общаться. Некоторые из групп, в которых я участвовал, являются случайными открытиями во время участия в конкурсах, пролистывании твиттера, блогов и т. д. Вот некоторые из них —AIcrowd, OpenMined, EleutherAI и А.И.Богоявление.
  3. Следите за информационными бюллетенями: это один из моих любимых способов быть в курсе последних событий в области искусственного интеллекта. Вот несколько рекомендаций — Papers With Code, DeepLearning.AI и AIEpiphany.
  4. Подкасты и каналы YouTube: послушайте их в свободное время, чтобы получить более широкое представление об ИИ, включая темы, связанные с созданием этичных систем ИИ, применением ИИ в прогнозировании погоды и другие важные темы, о которых должен знать каждый гражданин ИИ. Поверьте, это весело! Некоторые рекомендации — The Robot Brains Podcast (просто потрясающе ❤️), Lex Fridman (еще одно чудо 🙌), AI Epiphany и Yannic Kilcher.

О, подождите, чтобы узнать о возможностях трудоустройства, вам, очевидно, придется посетить страницу вакансий технологических компаний в области ИИ😜.

Какие интересные путешествия стоит знать? 🙌

Трудно выбрать несколько из стольких удивительных путешествий практиков ИИ. Но я бы выбрал некоторые из моих личных фаворитов и кратко упомянул уникальные аспекты, которые привлекли мое внимание.

  1. Питер Эббил — директор лаборатории обучения роботов в Беркли и содиректор исследовательского центра искусственного интеллекта Беркли (BAIR). Соучредитель covariant.ai, венчурного стартапа, целью которого является обучение роботов новым сложным навыкам. Известен исследованиями в области робототехники и обучения с подкреплением. Организатор одного из моих любимых подкастов (The Robot Brains Podcast), где я могу заглянуть в лучшие умы ИИ. Вот его основной доклад На пути к общему решению для робототехники на CVPR 2021.
  2. Андрей Карпати — директор по искусственному интеллекту и автопилотному зрению в Tesla, возглавляющий концепцию Илона Маска о самостоятельном вождении, решаемую с помощью компьютерного зрения, в отличие от большей части отрасли, полагающейся на лидар (обнаружение света и определение дальности). основанные решения. Хорошо известен очень известным курсом по CNN — CS 231n: Convolutional Neural Networks for Visual Recognition. Его статья о Software 2.0. оказал глубокое влияние на то, как я воспринимал нейронные сети. Послушайте, как он говорит об автономном вождении Tesla.
  3. Росс Вайтман — независимый исследователь искусственного интеллекта и создатель библиотеки timm (модели изображения факела), которой сегодня пользуется почти каждый Kaggler. Создает новые модели ИИ, которые находятся в свободном доступе на GitHub для всех и каждого. Уже будучи опытным разработчиком программного обеспечения, работавшим с камерами наблюдения в первые дни своей жизни, он решил заняться ИИ примерно в 2014 году. Полностью самоучка, начал изучать ИИ у Kaggling и сейчас является одним из известных исследователей в этой области.
  4. Алек Рэдфорд — научный сотрудник OpenAI без докторской степени или магистра. Парень за CLIP: соединение текста и изображений и Image GPT. Руководитель отдела исследований в Indico Data Solutions, работает над выявлением/разработкой перспективных технологий машинного обучения изображений и языков и переводом их из области исследований в разработку для более широкого использования в отрасли.

Основной мотивацией для рассказа этих четырех историй было осведомление о разнообразии возможных профессий ИИ.

Как я могу стать одним из них? 🚨

Прежде всего, чрезвычайно важно понимать, что каждое путешествие уникально и нет определенного пути к успеху. Даже концепция успеха зависит от восприятия и социальных правил. Кроме того, некоторые пути могут показаться более распространенными, чем другие, но даже менее распространенные пути не являются исключением, как нам кажется. Время, усилия, самоотверженность, вера, настойчивость и следование плану чрезвычайно важны, чтобы дойти до конца пути, по которому вы хотите пройти, и сделать его плодотворным. Тем не менее, вот несколько советов, которыми я хочу поделиться.

  1. Сильное присутствие с открытым исходным кодом. Поскольку мир движется к продвижению открытого исходного кода, стало чрезвычайно важно иметь присутствие в сообществе. Это не только способствует сотрудничеству, но и дает четкое указание уровня навыков человека. Попробуйте формализовать любые проекты, которые вы пробуете, в репозиторий GitHub, так как это не только сделает вас заметными, но и позволит лучше структурировать ваши знания и сделать их презентабельными.
  2. Участвуйте в соревнованиях. Соревнования, проводимые на таких платформах, как Kaggle, AIcrowd, DrivenData и т. д., — это отличные места для работы над реальными проблемами ИИ, не беспокоясь о сборе маркировка данных, принятие решения об оценке, поскольку организаторы уже позаботились об этом. Кроме того, это отличное место, чтобы учиться на чужих решениях, обсуждать и сотрудничать. ML Contests — это мое любимое место для отслеживания соревнований, проводимых на разных платформах.
  3. Стать частью сообщества. Старайтесь следить за последними и самыми большими достижениями в области ИИ, не относящимися к вашей текущей сфере деятельности. Информационные бюллетени, подкасты, твиттер — отличные места, которые помогут в путешествии.
  4. Оказывайте реальное влияние. На начальных этапах опробования новой области можно играть, учиться и исследовать, но должно быть время, когда работа, которую вы делаете, должна иметь реальное влияние. Именно тогда пришло время переключать передачи и вносить свой вклад в поле. В частности, для ИИ это может быть научная статья, полезные библиотеки, крутые проекты, реализованные E2E, хорошая реализация исследовательской работы или написание блогов для обмена знаниями, расположенных в порядке убывания сложности. Вы можете начать с любого из них в зависимости от вашего уровня знаний.
  5. Создание сетей: это один из самых недооцененных навыков, но он определенно необходим. По мере того, как человек продвигается по карьерной лестнице, поиск подходящей возможности, соответствующей его потребностям, становится нетривиальным процессом. Процесс, путь, расположение информации не организованы в одном месте, как в школе/колледже. На мой взгляд, нетворкинг — один из самых надежных источников знаний. Осознание того, где происходит «захватывающая работа» и как стать ее частью, имеет гораздо большее значение, чем подготовка к ней. Поэтому постарайтесь следовать советам, которые я дал выше, чтобы улучшить этот аспект.
  6. Придерживайтесь плана. Во многих случаях маршрут, которым вы следуете, может быть не самым проторенным, но, поверьте мне, это не исключение. Научиться учиться, подготовить план, выполнить его, повторять исправление ошибок и придерживаться плана — это то, что остается на всю жизнь и требует необычайного набора навыков. Если вы смогли сдать сложный экзамен в школьные или студенческие годы, эта игра ничем не отличается, за исключением того факта, что на этот раз вам предстоит разобраться с планированием и ресурсами.

Что дальше в TheAIJourney?

В то время как этот блог был больше ориентирован на то, чтобы аудитория лучше знала, как подойти к началу этого пути, будущие блоги будут включать больше контента, связанного с DL. Я планирую поделиться результатами своей работы за 2–3 месяца в определенной области DL. Он будет включать резюме исследовательских работ в этой области, выводы при их реализации; наряду с любыми знаниями, которыми стоит поделиться, техническими/нетехническими в моем путешествии. В следующем блоге я планирую опубликовать информацию об обучении с помощью нескольких приемов и метаобучении. Оставайтесь с нами для получения дополнительной информации, свяжитесь со мной для сотрудничества и надеюсь, вам понравился этот блог ❤️!