Los ingenieros de aprendizaje automático no existirán en 10 años.

Los puristas entre nosotros dicen que un ingeniero de aprendizaje automático es alguien que saca modelos del laboratorio y los pone en producción. Escalan los sistemas de Machine Learning, convierten las implementaciones de referencia en software listo para producción y, a menudo, pasan a la Ingeniería de datos.

Nota: esta es una pieza de opinión, siéntase libre de compartir su propia opinión para que podamos seguir moviendo nuestro campo en la dirección correcta.

Machine Learning hará la transición a una parte común del kit de herramientas de cada ingeniero de software.

En cada campo, obtenemos roles especializados en los primeros días, reemplazados por el rol común a lo largo del tiempo. Parece que este es otro caso de eso.

Vamos a desempacar.

El rol de Ingeniero de Aprendizaje Automático es una consecuencia de la publicidad masiva que alimenta las palabras de moda como AI y Data Science en la empresa. En los primeros días del aprendizaje automático, era un papel muy necesario. ¡Y significó un pequeño aumento salarial para muchos! Pero Machine Learning Engineer ha asumido muchas personalidades diferentes dependiendo de a quién le pregunte.

Los puristas entre nosotros dicen que un ingeniero de aprendizaje automático es alguien que saca modelos del laboratorio y los pone en producción. Escalan los sistemas de Machine Learning, convierten las implementaciones de referencia en software listo para producción y, a menudo, pasan a la Ingeniería de datos. Por lo general, son programadores fuertes que también tienen un conocimiento fundamental de los modelos con los que trabajan.

Pero esto se parece mucho a un ingeniero de software normal.

Pregunte a algunas de las principales empresas tecnológicas qué significa para ellos el ingeniero de aprendizaje automático y puede obtener 10 respuestas diferentes de 10 participantes de la encuesta. Esto no debería ser sorprendente. Este es un papel relativamente joven y las personas que publican estos trabajos son gerentes, a menudo de muchas décadas que no tienen el tiempo (o la voluntad) para comprender el espacio.

Aquí hay algunos requisitos de las ofertas de trabajo de algunas de las principales empresas de tecnología, observe cuán enormemente difieren:

Este primero es picante. ¿Estás seguro de que esto no es un investigador? ¿Cómo es esto un ingeniero de aprendizaje automático?

  • Doctorado en Matemáticas, Estadísticas, Investigación de Operaciones. Conocimiento de R, SQL y técnicas modernas de Machine Learning.
  • Licenciatura o maestría en informática. 1–5 años de trabajo o experiencia académica en desarrollo de software. Exposición a visión artificial, PNL, etc. un plus.
  • BS / MS en Informática. 3 o más años construyendo sistemas de Machine Learning de producción y código eficiente. Experiencia con Big Data a plus.

Algunas compañías han comenzado un nuevo enfoque y creo que la mayoría lo seguirá. El enfoque consiste en enumerar un rol de Ingeniería de Software con exposición al Aprendizaje Automático como un requisito central + unos años de experiencia como calificación preferida. Los empleadores preferirán a los ingenieros con experiencia en la construcción y escalamiento de sistemas, independientemente de si se basó en Machine Learning o alguna otra tecnología.

El Ingeniero de Aprendizaje Automático es necesario siempre que la comprensión del Aprendizaje Automático sea poco frecuente y tenga una alta barrera de entrada.

Creo sinceramente que el rol de Ingeniero de Aprendizaje Automático será asumido en su totalidad por el ingeniero de software común. Pasará a una función de ingeniería estándar donde el ingeniero obtendrá una implementación de especificación o referencia de alguien aguas arriba, la convertirá en código de producción y enviará y escalará aplicaciones.

Por ahora, muchos de los roles de Machine Learning existen en este espacio extraño donde estamos atacando problemas con ML que simplemente no han sido atacados antes. En consecuencia, los ingenieros de ML son en muchos casos mitad investigadores, mitad ingenieros. Me he encontrado con una buena cantidad de ingenieros de aprendizaje automático que juegan en toda la pila. Me he encontrado con otros que tienen un conjunto de habilidades más limitado, pero pasan más tiempo leyendo nuevos trabajos de investigación y convirtiéndolos en código utilizable.

Estamos en una encrucijada extraña donde definimos dónde encajan los miembros de nuestros equipos en el rompecabezas.

Como consecuencia de la forma en que trabajamos, tendemos a meternos en discusiones y sentarnos en reuniones, independientemente de si es esencial para nuestra experiencia. Aceptamos todas y cada una de las invitaciones a reuniones … En mi opinión, el Ingeniero de Aprendizaje Automático pertenece al final de la construcción de una implementación de referencia y luego es dueño de convertir todo eso en código de producción.

Dentro de poco, la mayoría de las empresas tendrán poca necesidad de realizar esfuerzos de investigación para llevar sus proyectos a la meta. Solo los casos de uso de nicho y los esfuerzos técnicos profundos requerirán un conjunto de habilidades especiales. Los ingenieros consumirán API y el mundo seguirá adelante; El aprendizaje automático se convierte en una herramienta común en el conjunto de herramientas de cada nuevo ingeniero. Ya estamos viendo esto a medida que más y más exposición al aprendizaje automático se filtra en las universidades. Vaya a un curso de Machine Learning en una universidad y está repleto. Casi todos los graduados abandonarán la universidad con cierta exposición al campo.

Podemos hacer una analogía con Blockchain, donde el ingeniero de sistemas distribuidos se puso de moda. La gran mayoría de los proyectos de Blockchain desde el libro blanco de Nakamoto han dedicado sus esfuerzos a construir la tecnología y la infraestructura fundamentales. Para hacerlo, tenía que tener habilidades de ingeniería increíblemente fuertes, a menudo descritas como un ingeniero de sistemas distribuidos. Finalmente está viendo un cambio en el que las cosas se están abstrayendo, las empresas están comenzando a encontrar casos de uso y el ingeniero cotidiano ahora puede construir nuevos casos de uso utilizando blockchain. Estamos viendo el mismo cambio general en AI / ML.

Algunos puntos de contador válidos

  • Es posible que el tema de Silicon Valley de «Una API para gobernarlos a todos» sea falso y el aprendizaje automático siempre requiera cierto grado de personalización a nivel de infraestructura. Es mi opinión que lo que HuggingFace es para la PNL pasará a todos los demás dominios. Podremos conquistar la mayoría de los casos de uso con una API simple.Podremos conquistar la mayoría de los casos de uso con una API simple.
  • “Es solo un título, amigo. Ingeniero de Aprendizaje Automático solo se refiere a alguien con más experiencia en Matemáticas y Estadísticas que un graduado promedio de CS » Totalmente de acuerdo. Es solo un título. Pero si ese papel ya no es necesario, ¿existirá el título? Pero tienes razón, es solo un título.
  • «En mi organización, eso no es lo que quiere decir Engineer Machine Learning». Déjame saber lo que significa para tu organización para que pueda aprender. Estoy constantemente inspeccionando el campo para entender dónde están las cosas y hacia dónde se dirigen. Me encantaría conocer tu perspectiva.
  • “Es solo un título. ¿A quien le importa?» Tienes razón, pero es divertido considerarlo de todos modos.
  • “El aprendizaje automático es un campo incipiente con nuevos casos de uso e investigaciones que se realizan constantemente; pensar que esto se ralentizará en la próxima década es ingenuo «. ¡Muy posible!

Una de mis respuestas favoritas al artículo, de Varii en Twitter:

“Como dijiste, es un título. La mayoría de los empleadores esperan que tenga conjuntos de habilidades superpuestas. Siento que al final no se trata de quién es eliminado, sino de quién es lo suficientemente versátil como para adaptarse constantemente a la industria en constante cambio «.

Toneladas de gran aporte de la comunidad en general de la que estoy aprendiendo. Pero mi opinión nunca cambiará en una cosa: si te apasiona algo, no importa lo que le suceda a un título, un campo o una tendencia, siempre habrá un lugar para que persigas tu pasión y construyas genial cosas.

¡Manténgase seguro y continúe!

Comencé un grupo de análisis (gratuito) llamado Dataset Daily donde compartimos un conjunto de datos todos los lunes y codificamos durante toda la semana.

Continuemos la conversación en Twitter.

No te pierdas
Este libro es un viaje hacia nuestro interior, desvelando los secretos de cómo creamos nuestra percepción del mundo. Aprender a enfocarnos en las posibilidades del futuro y reinventarnos nos lleva a descubrir nuevas perspectivas y posibilidades. Descubre cómo reinventarte a ti mismo y superar las adversidades para construir una vida más plena y satisfactoria. Una guía práctica llena de ejemplos y consejos para encontrar tu propósito, desarrollar tus talentos y enfrentar cambios y crisis con éxito. ¡No te pierdas esta segunda oportunidad de transformarte y crecer como persona!
Descubre el arte del fileteado porteño de Buenos Aires con el pintor y docente Alfredo Genovese. Aprenderás su historia, aplicaciones y técnicas para diseñar y pintar un cartel con esmalte sintético y pinceles de pelo largo. El fileteado es un patrimonio cultural que representa la identidad de la ciudad y es utilizado en diversas formas de arte.
Aprende las técnicas y estrategias de SEO con Natzir Turrado, experto en SEO y analista digital, para mejorar el posicionamiento orgánico de tu sitio web en buscadores y crear contenidos atractivos para atraer más tráfico.
La película documental «Chasing Coral» sigue a un empresario que lucha por la conservación de los arrecifes de coral y muestra la realidad alarmante de su rápida desaparición debido al cambio climático. Genera conciencia en el espectador sobre la importancia ecológica de los corales y muestra la esperanza de colaboración inter-sectorial para salvar el medio ambiente. Impulsa al espectador a tomar acción. Disponible en Netflix.
Aprende sobre licencias de marca con la ilustradora y diseñadora Allison Cole para comercializar tus patrones ilustrados y hacer crecer tu negocio. Descubre cómo presentar una propuesta profesional y aplicar el análisis de mercado para vender tus productos.
Cómo liderar un proyecto de manera eficiente: definir los objetivos con claridad, asignar roles adecuados, establecer metas a corto y largo plazo, fomentar la comunicación, establecer un cronograma realista, supervisar el progreso del proyecto y celebrar los logros.
¿Eres una mujer emprendedora que quiere destacar en Instagram con fotografías impecables? Entonces nuestro curso de Fotografía para Instagram es perfecto para ti. Con este curso aprenderás a tomar fotos de alta calidad con tu móvil, a sacar provecho de la luz y a hacer fotografía de producto. Además, obtendrás conocimientos en marketing y mobile marketing para que puedas promocionar tu marca de manera efectiva en redes sociales. ¡No te pierdas esta oportunidad de destacar en Instagram y hacer crecer tu negocio!
«Tu éxito es inevitable» es una guía que enseña cómo utilizar el poder de la manifestación para cumplir nuestros propósitos. Escrito por Maïté Issa, coach experta en manifestación, este libro contiene prácticos ejercicios para reprogramar la mente y alcanzar una vida llena de amor, abundancia, salud y éxito en todas las áreas.
En este curso online aprenderás a crear una landing page usando Figma y la herramienta del storytelling. El diseñador Juan Mora te enseñará cómo conectar con el público contando una historia única, utilizando los fundamentos del diseño UX/UI.
«How to Win Friends and Influence People» («Cómo ganar amigos e influir en las personas») de Dale Carnegie es un libro de autoayuda superventas que ofrece consejos prácticos y técnicas para mejorar las relaciones y aumentar la popularidad, las habilidades de persuasión y la motivación. Publicado en 1936, sigue siendo un clásico y ha vendido más de 16 millones de copias en todo el mundo.