Модуль 3. Применение ИИ на практике

Как работать с ИИ

Data Science — область науки, которая изучает методы анализа и обработки больших объемов данных с целью извлечения полезной информации. Специалисты в этой области работают с данными различного формата, от текстов и изображений до звуков и видео.

Какие есть профессии в Data Science?

Кем можно работать в этой области? Давайте познакомимся с некоторыми возможными профессиями.

Data Scientist (дата сайентист) разрабатывает продукт, основанный на данных. Именно он создает новые нейросети, модели машинного обучения и алгоритмы.

Machine Learning Engineer (инженер машинного обучения) разрабатывает и отвечает за развитие цифровых продуктов, основанных на данных.

Data Engineer (дата-инженер) отвечает за извлечение, преобразование, загрузку данных и их обработку для дальнейшего использования дата сайентистами.

Архитектор баз данных проектирует системы хранение этих данных, а разработчик баз данных обеспечивает их бесперебойную работу.

Аналитик анализирует ключевые метрики цифровых сервисов и продуктов, проводит эксперименты, строит прогнозы о развитии.

Business Intelligence специалист занимается визуализацией данных и созданием интерактивных дашбордов, отражающих метрики и прогнозы.

Какие задачи бизнеса могут решать дата сайентисты?

Технологии искусственного интеллекта помогают развиваться науке и технике, но в первую очередь работают на пользу бизнеса. Поэтому в своей работе дата сайентисты каждый день решают целый спектр задач.

• •

  Прояснить требования к бизнес-задаче и перевести её в математическую плоскость. Например, у бизнеса есть большое количество данных об отзывах клиентов, но он не понимает, как сделать из них выводы.

• •

  Подготовить данные для решения задачи: разобраться, откуда их взять, и как обработать, чтобы они стали доступны для работы. Бизнес может не понимать, как собрать все отзывы клиентов в одном месте и использовать их для дальнейшей работы.

• •

  Проанализировать и структурировать данные. Например, разделить все отзывы клиентов на позитивные и негативные, конструктивные и эмоциональные.

• •

  Построить модель машинного обучения, которая будет решать задачу. Модель может выявить из отзывов, какие проблемы чаще всего возникают у клиентов, какие функции работают некорректно, а также предложить варианты решения проблем.

• •

  Проверить правильность работы модели: внедрить на наборе пользователей или провести A/B-тестирование. Например, предложить части пользователей попробовать новую функцию, решающую существующие проблемы.

Hard Skills для Data Science

Специалисты по Data Science должны обладать уникальным набором знаний и умений. Им важно иметь знания машинного обучения (Machine Learning) и глубокого обучения (Deep Learning).

Кроме того, нужно владеть целым спектром знаний.

• •

  Хорошо знать математику, матанализ, математическую статистику, теорию вероятностей.

• •

  Разбираться и уметь использовать библиотеки для анализа данных.

• •

  Хорошо знать английский язык.

• •

  Знать языки программирования, у которых имеются компоненты для работы с большими массивами данных: SQL, Java (Hadoop), C++(BigARTM, Vowpel Wabbit, XGBoost), Python (Matplotlib, Numpy, Scikit, Skipy). Чаще всего дата-сайентисты пользуются SQL, Python, а для сложных вычислений — C/C++.

• •

  Владеть статистическими инструментами: SPSS, R, MATLAB, SAS Data Miner, Tableau и др.

• •

  Очень полезно разбираться в той отрасли, в которой работает компания. Например, если это фармацевтическая отрасль, то необходимо знание основных процессов производства, компонентов лекарств.

• •

  Важно понимать, как в целом работает бизнес, как он зарабатывает, развивается и улучшается.

Soft Skills для Data Science

Не менее важны для дата сайентиста и мягкие навыки, так называемые soft skills.

• •

  Пригодятся аналитический склад ума, внимательность.

• •

  Невероятно важно не бояться неудачи — часто приходится доводить исследования до конца, несмотря на неудачные промежуточные результаты.

• •

  Очень важна коммуникабельность, умение работать в команде, находить общий язык с любым человеком, завязывать полезные знакомства.

• •

  Обязательно умение объяснить сложные вещи простыми словами, чтобы вести диалог с представителями бизнеса.

• •

  Дата сайентисту нужно хорошее портфолио с реализованными проектами, а также умение и желание постоянно учиться: посещать конференции, читать научные статьи, быть включенным в среду, чтобы не пропустить важные новые открытия и тренды.

Плюсы и минусы работы в Data Science

Как и в любой профессии, в работе дата сайентиста есть свои плюсы и минусы.

К плюсам можно отнести то, что это сфера сейчас активно развивается, и в ней можно быстро построить хорошую карьеру. Спрос на специалистов в дата сайнс растет, хороших экспертов не хватает, и есть возможность быстро занять свою нишу. Работа дата сайентиста реально влияет на то, как устроены компании, что в них происходит. Дата сайентист имеет возможность увидеть, как результаты его труда приносят значительную прибыль компании, улучшают опыт пользователя и меняют мир. И, конечно, в этой сфере сейчас довольно высокие зарплаты — эксперты по дата сайнс зарабатывают больше, чем обычные разработчики.

Но есть и минусы. Как всегда бывает с новыми отраслями, объяснять значение и важность своей работы может быть непросто. Причем одинаково сложно это может быть объяснить и вашей бабушке, и бизнесу, в котором вы работаете. Часто бизнес путает задачи дата сайентиста и аналитика, но это, конечно, совсем разные сферы деятельности. Дата сайнс развивается прямо сейчас, и знания быстро устаревают. Нужно все время быть в тренде, следит за рынком, учиться самостоятельно.

Как быстро стать data-science-специалистом

Это зависит от вашего уровня подготовки и желания учиться. Некоторые люди могут достичь успеха в этой области за несколько месяцев — благодаря самообразованию и самодисциплине. Другим же может потребоваться несколько лет обучения и практики, прежде чем они станут экспертами в Data Science.

Хорошая новость в том, что необязательно учиться много лет, чтобы начать работать в этой сфере. Сегодня существует великое множество бесплатных и платных курсов, видео на обучающих платформах и статей, которые помогут быстро погрузиться в тему и освоить базовые навыки.

Также полезно принимать участие в хакатонах, конференциях и мастер-классах по Data Science, где можно обменяться опытом с другими специалистами и расширить свой кругозор. Важно также работать над собственными проектами, чтобы продемонстрировать свои навыки и опыт потенциальным работодателям.

А если я гуманитарий, но хочу в IT?

Как же быть, если вы гуманитарий, не умеете создавать математические модели и работать с данными? В IT в целом и в Data Science особенно нужны люди, которые обладают развитыми коммуникативными навыками и умеют управлять процессами. Гуманитарии могут легко стать продакт- и проджект-менеджерами и управлять проектами и продуктами в DS.

Задачи и обязанности продакт-менеджера

Кто такой продакт-менеджер? Он создает и развивать цифровой продукт компании таким образом, чтобы он привлекал и удерживал клиентов и, естественно, приносил доход.

Чем же занимается продакт-менеджер?

• •

  Он исследует рынок и конкурентов, целевую аудиторию и потребности клиентов, изучает метрики продукта, определяет его рентабельность. Продакт-менеджер находится в постоянном контакте с аудиторией и рынком, чтобы иметь самую свежую информацию и воплощать ее в продукте.

• •

  Продакт также активно принимает участие в разработке продукта на всех стадиях: дизайна, разработки, тестирования, выпуска. Продакт является как бы хозяином, владельцем продукта, и он должен знать все, что с ним происходит. Какие новые функции внедряются, на каком этапе сейчас доработка дизайна, какие результаты показало тестирование. Продакт создает свой продукт от прототипов дизайна до сбора обратной связи от пользователей.

• •

  Следит за отзывами пользователей, систематизирует их и определяет необходимости доработок и изменений в продукте.

• •

  Также он масштабирует продукт, разрабатывает новые функции для него, привлекает больше клиентов, влияет на продажи.

Продакт-менеджер является связующим звеном между миром разработчиков и всеми остальными специалистами: маркетологами, экономистами, дизайнерами и так далее.

Задачи и обязанности проджект-менеджера

А кто такой проджект-менеджер? Он отвечает за планирование и управлением всеми работами в проекте, следит за сроками и бюджетами. Именно проджект-менеджер подгоняет всех исполнителей, напоминает о дедлайнах, проводит встречи и планерки.

Его работа включает в себя целый спектр задач.

• •

  Он планирует все этапы работы проекта, определяет сроки и контрольные точки, назначает ответственных и ставит KPI, а затем следит, чтобы все было выполнено вовремя, качественно и в рамках бюджета.

• •

  Проджект также управляет ресурсами: людьми, техникой, бюджетом. Проджект распределяет задачи между сотрудниками, заключает договора с внешними подрядчиками. Он следит, чтобы все члены команды были в контакте друг с другом, чтобы коммуникация строилась четко и своевременно. Он же решает конфликты и ищет решение проблем, управляет рисками команды и проекта.

• •

  В конце проекта проджект-менеджер анализирует результаты, оценивает эффективность команды.

Короче говоря, проджект-менеджер играет ключевую роль в успешном выполнении проекта, так как он координирует работу команды, обеспечивает выполнение плана и достижение целей проекта.

Hard и Soft Skills для успешной карьеры в IT

• •

  Проведение исследований, владение социологическими и психологическими методиками: опросы, интервью, фокус-группы.

• •

  Внимание к деталям, усидчивость, ответственность. В IT очень важно быть предельно внимательным ко всем нюансам, особенно если вы отвечаете за важный продукт или серьезный проект.

• •

  Лидерские качества, коммуникабельность, умение вести за собой людей. Нередко в рамках проектов приходится строить отношения между представителями разных сфер и индустрий. Если вы можете договориться даже с самым сложным собеседником, из вас получится отличный проджект-менеджер.

• •

  Умение объяснять сложное простыми словами, готовность выступать публично. Менеджеры часто выступают перед коллегами, рассказывают о своих достижениях на конференциях и митапах.

• •

  Гибкость мышления, умение посмотреть на проблему с разных сторон. Умеете находить нестандартные решения проблем? вам точно стоит попробовать себя в управлении IT-проектами.

Как видите, вариантов развития в сфере ИИ немало. Вы сможете выбрать то, что вам откликается больше!