Все борются за то, чтобы нанять инженеров по машинному обучению с зарплатой до 250 000 долларов. Мы поговорили с исследователями из DeepMind и ИИ-единорога Tractable о том, как взломать систему.

• Инженеры по машинному обучению востребованы в Великобритании и США.
• Крупнейшие американские работодатели платят специалистам до 250 000 долларов базовой зарплаты.
• Insider спросил ведущих исследователей из DeepMind и Tractable, что нужно, чтобы присоединиться к их командам.

Специалисты по машинному обучению в настоящее время являются одними из самых востребованных специалистов в области технологий. Такие крупные компании, как Snap,

Увеличить

и реклама Microsoft для инженеров.

Машинное обучение — это отрасль искусственного интеллекта, где инженеры обычно разрабатывают программы и алгоритмы, которые могут обучаться. Такие функции, как распознавание лиц, ранжирование в новостной ленте Facebook и голосовой помощник Siri от Apple, включают машинное обучение. По мере роста применения искусственного интеллекта в технологиях, здравоохранении, финансах и других отраслях резко возрос спрос на специалистов.

По данным LinkedIn, инженер по машинному обучению занял второе место среди самых быстрорастущих вакансий в Великобритании и четвертое место в США.

По данным LinkedIn, базовая зарплата для этой должности в США колеблется от 72 600 до 170 000 долларов. Крупные фирмы будут платить еще больше. Согласно раскрытым данным о найме иностранной рабочей силы в США, проанализированным Insider, инженер по машинному обучению в Apple получил базовую зарплату в размере 250 000 долларов в 2021 году. Данные по Великобритании найти труднее, но в более высоких пределах зарплата составляет около 89 000 фунтов стерлингов. (около $121 000), включая бонусы, согласно Payscale.

Чтобы понять, что нужно, чтобы прорваться в эту область, Insider поговорил с исследователями из принадлежащего Alphabet исследовательского подразделения DeepMind, чья новаторская программа AlphaGo победила чемпионов среди людей в настольной игре Go и чья программа AlphaFold может предсказывать структуру белков. Мы также поговорили с Tractable, британским стартапом, который использует компьютерное зрение для оценки повреждений автомобилей.

Кандидатам нужны глубокие знания, но академические требования могут быть гибкими

Квалификация, необходимая для работы в области машинного обучения, варьируется от минимальной степени бакалавра в технической области, такой как информатика, до степени магистра или доктора в области компьютерных наук, математики, физики или других дисциплин, требующих количественного анализа.

Луис К. Кобо, старший инженер-исследователь, возглавляющий DeepMind, сказал Insider, что сильные способности в разработке программного обеспечения «необходимы, но недостаточны» сами по себе.

«Кандидаты должны иметь практический опыт применения научного метода в контексте AI/ML, выдвижения гипотез, проведения экспериментов и получения обоснованных выводов из результатов».

Tractable обладает определенной степенью гибкости, когда речь идет о прошлом заявителя.

«Больше всего нас волнуют их технические возможности и техническое совершенство», — сказал главный технический директор компании Разван Ранка. «Таким образом, у нас есть широкий спектр фонов».

«У нас довольно много физиков», — добавил он. «У нас есть нейробиологи, химики, все, кто за эти годы переквалифицировался в машинное обучение».

Хотя некоторый опыт программирования необходим, квалифицированных кандидатов можно научить определенным навыкам. Также важно мышление кандидата.

«Не у каждого серьезного академического исследователя есть склонность или способность довести что-то до конца, от идеи до запуска, знаете ли, миллионов домохозяйств», — сказал Ранка.

А Крис Гэмбл, также старший инженер-исследователь в DeepMind, сказал Insider, что он нанимает людей «с любым академическим образованием».

«Действительно, вам даже не нужно иметь степень в области искусственного интеллекта или компьютерных наук, чтобы добиться успеха», — сказал он. «Мы смотрим на потенциал успеха, продемонстрированные способности в области искусственного интеллекта / машинного обучения, умение кодировать и предпринимательский настрой».

По словам Гэмбла, если вас выбрали для прохождения собеседования при приеме на работу в DeepMind, вы можете рассчитывать как минимум на три раунда собеседований.

«Во-первых, первоначальная беседа с руководителем команды и нашей командой по подбору персонала; во-вторых, серия технических собеседований, посвященных навыкам кодирования и прикладным знаниям в области искусственного интеллекта; и, в-третьих, пара собеседований, чтобы определить, к какой команде вам наиболее целесообразно присоединиться. »

Карьерный рост может «пойти по многим путям», как только вы окажетесь внутри

Ранка из Tractable также подчеркнул предпринимательский настрой — по крайней мере, для инженеров, которые хотят работать в растущей фирме. «Мы ищем людей, которые действительно хотят взять на себя ответственность и действительно добиваться результатов», — сказал он.

На более высоком уровне: «Мы ищем людей, которые продемонстрировали, что могут развить что-то от идеи до реальной системы, которая работает в производстве и приносит пользу», — сказал он.

На данный момент существует общая нехватка навыков глубокого обучения. Для кандидатов из смежных отраслей, которые хотят перейти к машинному обучению, доступны роли начального уровня или стажировки.

«Некоторые из наших лучших и быстрорастущих исследователей начали со стажировки, потому что они, по сути, переключались из совершенно другой области», — сказал Ранка.

Между тем, Гэмбл сказал Insider, что, хотя многие сотрудники DeepMind начинают с должности младших инженеров, карьерный рост может «пойти по многим путям».

«Обычно мы ориентируемся на два потенциальных пути: как индивидуальный участник или как менеджер по персоналу», — сказал он. «Разделение этих путей не всегда четкое, и многие люди занимают как индивидуальные роли, так и управленческие роли».

Гэмбл добавил, что при оценке пути сотрудника компания учитывает три основных фактора: «Вклад в миссию DeepMind, сотрудничество и лидерство, а также развитие знаний».