Какие специалисты создают нейросети

Над созданием систем искусственного интеллекта и нейросетей работают целые команды специалистов. Среди них есть не только технари, но и гуманитарии. Кстати, недавно центр профориентации ПрофГид разработал точный тест на профориентацию, который сам расскажет, какие профессии вам подходят, даст заключение о вашем типе личности и интеллекте.

Разработчик нейросетей

Это программист, который создает искусственные нейронные сети – программы, работающие по принципу нейронных связей в человеческом мозге. Они способны развиваться и обучаться, усваивая новую информацию, предназначены для решения обширного круга задач на основе искусственного интеллекта и используются в самых разных программных продуктах – от чат-ботов до систем навигации беспилотников. Разработчик может создавать нейросеть с нуля под потребности заказчика, а может использовать готовые библиотеки решений.

Для профессии нужны: креативность; умение программировать на Python и работать с библиотеками для обработки данных и машинного обучения (TensorFlow, PyTorch); опыт работы с Linux; знание популярных нейросетевых архитектур.

Читайте также

Профессии, которые создал искусственный интеллект

Профгид

Специалист по машинному обучению (Machine Learning Engineer)

В его работе объединены наука о данных и программирование. Инструментарий обработки больших данных и методики разработки ПО он использует для создания machine-learning моделей, способных обучаться самостоятельно, обрабатывая терабайты данных в режиме реального времени. Говоря более привычным языком, ML-специалист – это тот, тренирует ИИ.

Такая работа требует не только высокого интеллекта, незаурядных математических способностей, но и опыта создания программного обеспечения на Python, Java, C++, Scala, R.

Специалисты по работе с данными (Data и Big Data)

• Специалист по данным (Data Scientist) собирает данные, используя статистический анализ и другие методы, чтобы извлекать из них нужную информацию и решать конкретные проблемы в диапазоне от отслеживания динамики продаж до прогнозирования будущих событий. Для него необходим опыт программирования и работы с базами данных (database), например, Amazon S3, Hadoop и др.

• Инженер по данным (Data Engineer) – программист, обеспечивающий готовность данных к использованию: он берет их в «сыром» виде и форматирует, очищает и конвертирует так, чтобы другие члены команды могли воспользоваться ими. Также он занимается созданием фреймворков для работы с данными.

• Аналитик данных (Data Analyst) подготавливает данные для моделей машинного обучения, а затем формирует содержательные отчеты на основе результатов.

• Архитектор данных (Data Architect) – технический специалист, помогающий управлять данными, хранить и защищать их. Его задача – разработать и поддерживать в оптимальном состоянии базу данных компании.

Инженер по глубокому обучению (Deep Learning Engineer)

Эксперт по алгоритмам глубокого обучения ИИ, в которых используются многослойные нейронные сети. В отличие от специалистов по машинному обучению, его больше интересует архитектура системы, нежели ее функции. В то же время работа инженера по глубокому обучению включает преобразование прототипа кода в рабочий код и настройку облачной инфраструктуры для развертывания производственной модели. Поскольку профессия считается одной из самых сложных, первым шагом к овладению ею обычно становится работа Data Engineer.

Инженер по развертыванию моделей (Deployment Engineer)

Программист, который размещает разработанное ПО на сервере (в среде продакшена – production environment, к которой есть доступ у конечных пользователей продукта), проверяет его работоспособность в различных условиях, устраняет неполадки и обеспечивает надлежащее функционирование системы безопасности. В работе ему не обойтись без умения решать задачи в сжатые сроки, гибкости, способности быстро переключаться.

В работе Deployment Engineer использует Python, Java. Ему нужно знать языки сценариев, таких как Bash или PowerShell, системы контроля версий (например, Git, SVN), разбираться в технологиях контейнеризации (например, Docker, Kubernetes) и уметь работать с облачными платформами (AWS, Azure, GCP и др.).

Читайте также

Как ИИ и нейросети используют в разных профессиях

Профгид

Специалист по компьютерному зрению (Computer vision specialist)

У профессии несколько названий: специалист по обработке изображений, разработчик / инженер / исследователь компьютерного (технического) зрения. Независимо от того, как называется должность, главная задача computer vision специалиста – обработка визуальных данных, которые могут быть представлены в виде цифровых сигналов, видеопотоков или аналоговых изображений. Работа включает в себя поиск изображений, модерацию контента, разработку инструментов и алгоритмов распознавания визуальных образов и воспроизведения действий для тренировки нейросети. Именно специалист по компьютерному отвечает за способность ИИ находить, идентифицировать и использовать объекты.

В работе использует, как правило, Python, чтобы написать код для экспериментов, а для обучения нейросетей – фреймворки Tensorflow или Pytorch.

Исследователи и ученые

В основе любых практических решений лежат академические и прикладные исследования. Искусственный интеллект и нейросети не исключение. Их изучают эксперты в нескольких научных дисциплинах: математике, программировании, статистике, машинном обучении. Исследователи создают новые алгоритмы, выдвигают свежие идеи для развития ИИ, разрабатывают инновационные методы обучения нейросетей и прогнозируют дальнейшее развитие отрасли. Результатами деятельности ученых могут быть научные публикации, монографии, доклады или собственные бизнес-проекты.

Наиболее известные исследователи ИИ и нейросетей:

• Джеффри Хинтон – «крестный отец ИИ», исследования и разработки Хинтона и его учеников Ильи Суцкевера и Алекса Крижевского в области нейросетей ускорили переход к широкому практическому применению ИИ и привели к появлению ChatGPT, Google Bard и других чат-ботов).
• Майкл Ирвин Джордан занимается исследованиями способов сбора и кластеризации данных для машинного обучения, процессами обучения систем, состоящих из отдельных сетей.
• Кай-Фу Ли специализируется на системах распознавания речи. Работал в Google, Apple и Microsoft. Основал свой инвестиционный фонд и поддерживает стартапы в области ИТ.
• Юрген Шмидхубер занимался разработкой архитектуры нейросетей, распознающих речь. Результаты его исследования Google использовал для создания ПО для распознавания речи. Позже основал компанию Nnaisense. Ее специализация – коммерческое применение ИИ беспилотных автомобилях и в сфере финансов.
• Ян ЛеКун разработал архитектуру нейросети для оптического распознавания образов и символов. Оно используется для преобразования книг и документов в электронный формат. Исследует машинное обучение и компьютерное зрение.

Инженер по обработке естественного языка (NLP Engineer)

Специализируется на обработке устной и письменной речи для обучения нейросетей. NLP Engineer проектирует и использует алгоритмы, по которым ИИ воспринимает и анализирует текстовые документы и аудиосообщения на естественных языках. Также в его обязанности входит определение наборов данных для обучения нейросети. Общение с чат-ботом и умным помощником, использование программ онлайн-перевода или применение фильтров электронной почты возможны только благодаря его деятельности.

От NLP-специалиста требуется знание не только прикладной информатики, но и компьютерной лингвистики. Необходимо также владение Python.

Специалист по этике

Это профессионал, специализирующийся на этических аспектах применения ИИ. Он формулирует морально-нравственные принципы для работы нейросетей, оценивает потенциальные этические риски. От специалиста по этике требуется как владение технической стороной вопроса, так и глубокие познания в области этики, философии и социальных наук.

Специалисты по микроэлектронике

Чтобы развернуть программное обеспечение для ИИ, обучать нейросети и обеспечивать их работу, нужны высокопроизводительные процессоры и микросхемы – ИИ-чипы, нейронные процессоры. Их создают инженеры по микроэлектронике, разработчики интегральных микросхем. Они проектируют архитектуру нейропроцессоров – логику работы, их устройство, соответствующее предполагаемым вычислительным нагрузкам. Без мощных микропроцессоров не будет работать ни одна нейросеть. Так что фундамент искусственного интеллекта создают инженеры-микроэлектронщики.