Как работается в качестве ML Engineer, чем он занимается?

Question

[PerseforeComplete]

Работаю backend разрабом. Было интересно потыкать другие направления в IT. Прошёл курс по машинному обучению, реализовал пару десятков моделей на учебных примерах. У меня возник вопрос - а как работается ML Engineer'ом, чем он занимается на повседневной почве, что нужно знать помимо моделей ML? Вот типичная задача для ML - взять данные, привести их к удобоваримому формату, попробовать несколько моделей, оценить качество моделей и выбрать ту, которая лучше всего подходит для решения задачи. Ровно так и проходят все курсы по ML. Но курс != работа. Чем ещё приходится заниматься? Нужно ли разрабатывать софт и помогут ли знания backend разработки? Было бы супер если бы ML Engineer отписался тут о своей типичной рабочей неделе и что он делал в течении неё

Comments

[Vitsliputsli]

Как и в любой работе, все может различаться в разных компаниях. Основное, выбор модели и параметров её работы, и это может занять достаточно продолжительное время. В зависимости от выбранной технологии потребуются знание математики от просто хороших, до очень глубоких. Быть может потребуется и выбор самой технологии. Если вы тренировались с градиентным бустингом, то с нейронками будет совсем иное. Вероятно, также потребуется писать сопутствующее ПО: сбор, подготовка данных для обучения, автоматизация этих процессов. Стандартные навыки работы с бд, python, и вероятно какой нибудь Go. Если в ML то для работы будет какая нибудь Тесла.
Но основное, поиск наилучших результатов по точности и полноте, и оптимизация скорости работы.

[Сергей Горностаев]

Сам я к ML отношения не имею, но те, кто у нас занимаются AI/ML - это головастые ребята с глубокими знаниями матана, которые "разрабатывают софт", а не просто подбирают модельки и подкручивают коэффициенты.

[Vitsliputsli]

Сергей Горностаев,

"разрабатывают софт", а не просто подбирают модельки и подкручивают коэффициенты.

Создание адекватной модели с хорошими показателями нетривиальная задача.Это и разработка, и матан, и статистика, и анализ. И это точно не просто. Но именно это основная задача в ML, и ваши ребята тоже занимаются именно этим.

Answer 1

[Dimonchik]

главное - продать результаты:
иногда кроме э-э... программерско-научно-математического выхлопа для самих разработчиков никакого явного толка бизнесу нет ( я, конечно, в основном о экономико-статистичких задачках, всякие там рекомендательные системы и т.п., но всякие распознавания можно туда же: что уже сделано - работает неплохо, а улучшения на 0,01% как -то слабо ощущаются) и таких прут

конечно, в переводах, озвучке и даже всяких грамарли работы еще много, но там надо быть и матаном, и теряться в коллективе себе подобных, где тоже сложно порой оценить вклад одного разработчика

поэтому помимо технических знаний очень важны навыки самопрезентации