О карьерных траекториях в AI – часть 1

Мне часто пишут в личку, мол «не так много понимаю в AI, но очень интересно и хочется поглубже разобраться». Спрашивают куда пойти учиться и с чего начать.

Давайте я покажу пару примеров возможных карьерных траекторий.

Дано: студент технарь по физике/математике/программированию. Есть техническая база, но не шарю в ML и AI, и в моем универе этого не преподают.

Что делать?
🔄Первый вариант (самый прямолинейный). Ищете магистратуру, где есть ML и AI в программе. Лучше в Европе или в других развитых странах, где есть научные институты и лабы, публикующие работы в сфере AI. Так вы сможете получить наиболее актуальные знание от практикующих профессоров.

Цена вопроса: Например, в Германии и Франции в государственных университетах обучение стоит символических денег даже для иностранных студентов. В Heidelberg University, где я закончил PhD, учеба в маге для иностранца стоит 3000€/год, не включая расходы на жизнь. Причем всегда есть возможность еще и стипендию выбить. А если если бабки не вопрос, то возможностей еще больше.

Посла маги можно гордо крутить нейронки в продакшене или даже, если повезет, найти позицию Research Engineer (но их очень мало) и помогать сайнтистам с рисерчем. Если же вы целитесь именно в ресерч и хотите писать статьи и двигать нас к AGI, то вам после маги нужно будет еще и PhD (читай следующий пункт).

🔄Второй вариант. Поступаете сразу на профильное PhD - имхо, только заграницу. Тут, конечно, нужен бэкграунд посильнее, но зато не нужно думать о деньгах. Как правило PhD студент либо получает зарплату либо стипендию, которой достаточно чтобы покрывать расходы на жизнь и за обучение. Исключением будет только UK и USA, там с финансированием все плохо, Но даже там можно выживать за счет летних стажировок и подработок.

Поступать можно пробовать и без публикаций, чисто на энтузиазме и с крепких техническим бэкграундом. Но в топовые лабы, конечно, хорошо бы иметь проекты в AI.

После 3-5 лет PhD вы выйдете с публикациями и обширными связями в области. Можно будет с ноги врываться в индустриальные AI лабы на позиции вроде Research Scientist. Тут конечно нужно внести много поправок на качество ваших публикаций и отношения с научником, но я тут все же описываю благоприятный исход.

🔄Третий вариант (самостоятельный). Поднимать базу AI/ML самому по курсам и пет-проектам.

Тут нужно много самодисциплины, смотреть онлайн лекции из топовых универов, читать книги (моя подборка), неистово врываться на Kaggle, и пилить опенсорс на гитхабе. Research Scientist-ом по такому варианту не стать, но стать крепким практиком и попасть в FAANG и другие топовые AI фирмы и стартапы вполне реально. В одной из следующих частей этой рубрики я сделаю подборку материалов для самостоятельного изучения.

Конечно, есть ещё куча вариантов развития, я попытаюсь их раскрыть в следующих постах.

Пишите в комментах, что бы вы ещё хотели узнать.

#карьера
@ai_newz