Как создают продукт с ИИ: данные, модель, продукт
Система ИИ учится на примерах. У её создания три больших этапа:
- Данные: собрать, очистить и разметить примеры (фотографии, тексты, показания датчиков).
- Модель: выбрать метод обучения, обучить модель на данных и проверить, как часто она отвечает верно.
- Продукт: встроить модель в приложение или машину, проверить, что она честная и безопасная, и постоянно улучшать.
На каждом этапе нужны разные люди, поэтому карьера в ИИ подходит не только программистам.
Профессии в ИИ
- Аналитик данных / дата-сайентист: изучает данные, находит закономерности и строит графики, помогающие принимать решения.
- Разметчик данных: отмечает примеры (на этом фото кошка), чтобы модель могла учиться; часто это первая работа.
- Инженер машинного обучения (ML-инженер): обучает, проверяет и запускает модели, чтобы они работали быстро и надёжно.
- Исследователь ИИ: придумывает новые методы; обычно нужно углублённое образование.
- Инженер по компьютерному зрению / языку (NLP) / робототехнике: специалисты по изображениям, человеческой речи и движущимся машинам.
- Продакт-менеджер ИИ: решает, что создавать, и связывает пользователей, инженеров и бизнес.
- UX-дизайнер для ИИ: делает ИИ-инструменты понятными и удобными.
- Эксперт по этике и правилам ИИ: проверяет честность, приватность и безопасность; помогает писать правила.
- ИИ в других областях: врачи, фермеры, учителя, юристы и художники, которые используют ИИ в своей работе.
Какие навыки нужны
Технические навыки
- Математика: статистика, теория вероятностей, алгебра, немного матанализа.
- Программирование: Python чаще всего используют в ИИ.
- Работа с данными: таблицы, очистка «грязных» данных, графики.
Человеческие навыки
- Знание области: понимание медицины, сельского хозяйства, финансов или того, для чего создаётся ИИ.
- Общение и командная работа: умение просто объяснить результаты.
- Этика: мысли о предвзятости, приватности и о том, кому можно навредить.
- Умение решать задачи, любопытство и быстрое освоение новых инструментов.
Разным профессиям эти навыки нужны в разной пропорции, как показывают столбики в 3D.
Твой путь от школы до работы в ИИ
- В школе: математика, естественные науки, информатика и хорошее владение языками.
- Учись: бесплатные онлайн-курсы, затем колледж или вуз (информатика, наука о данных, статистика, инженерия или твоя область плюс ИИ).
- Делай проекты: небольшие приложения, истории на данных, школьные проекты по ИИ; собирай их в портфолио.
- Набирайся опыта: стажировки, хакатоны, соревнования, участие в open-source.
- Первая работа и дальше: инструменты ИИ меняются каждый год, поэтому обучение на протяжении всей жизни входит в работу.
Многие задачи изменятся из-за ИИ, поэтому самый надёжный навык: умение учиться.
Попробуй дома
Запиши три вещи, которые тебе нравятся (например, рисовать, решать головоломки, помогать людям). Отнеси каждую к этапу: Данные, Модель или Продукт. Затем выбери одну профессию из 3D и напиши один небольшой проект, который можно начать в этом месяце.
Главные формулы и определения
- Конвейер ИИ: Данные → Модель → Продукт
- Шесть навыков: математика, программирование, данные, знание области, общение, этика
- Лестница карьеры: школа → курс/вуз → проекты → стажировка → работа → постоянное обучение
Разобранные примеры
1. Рия любит статистику и графики. Какой этап и какая профессия ей подходят?
Этап данных. Профессии: аналитик данных, позже дата-сайентист. Ей стоит выучить Python, таблицы и статистику.
2. Кабир хорошо объясняет идеи и заботится о справедливости, но программирование даётся ему трудно. Закрыт ли для него ИИ?
Нет. Этика и правила ИИ или продакт-менеджмент требуют сильного общения и этики при меньшем объёме программирования.
3. Дочь фермера хочет с помощью ИИ предсказывать болезни растений. Какой набор навыков ей нужен?
Знание сельского хозяйства, работа с данными (фото листьев), базовые Python и ML, а также умение общаться, чтобы объяснять результаты фермерам.
4. Расставь по порядку этапы, которые может пройти школьник, чтобы стать ML-инженером.
Школьная математика и информатика → курс или вуз → личные ML-проекты → стажировка → работа ML-инженера → постоянное освоение новых инструментов.
Частые ошибки
- Думать, что в ИИ работают только программисты.
- Учить инструменты, не делая ни одного настоящего проекта.
- Не думать об этике и приватности, пока не случится беда.
- Верить, что одного курса достаточно: ИИ меняется каждый год.