Шавкат Садуллоев заинтересовался программированием еще подростком. Он учился в президентской школе, а затем поступил на факультет искусственного интеллекта и робототехники в New Uzbekistan University. После обучения в Yandex ML School он устроился ML-инженером в Ucell.
Аббос Ибрагимов пришел в машинное обучение из backend-разработки. Он хотел глубже разобраться в математике и алгоритмах и поэтому решил поступить в Yandex ML School. Во время обучения вместе с другим студентом занял второе место в крупном ML-соревновании. Сейчас Аббос работает аналитиком-инженером в Avo Bank и планирует продолжить карьеру в ML.
Они рассказали о своем опыте обучения, первых рабочих задачах и о том, почему начинающим специалистам не стоит ограничивать поиск работы только вакансиями ML-инженеров.
«Я понял, что сейчас это своего рода окно возможностей»
В президентской школе Шавкат Садуллоев углубленно изучал информатику и физику. Поначалу он планировал связать будущее с финансами или экономикой, но со временем программирование стало интересовать его больше.
После школы Шавкат поступил в New Uzbekistan University на факультет искусственного интеллекта и робототехники. Во время учебы он увидел объявление о наборе в Yandex ML School и решил попробовать свои силы.
По его словам, изначально он хотел понять, как работают ChatGPT и другие технологии на основе искусственного интеллекта. Погрузившись в тему глубже, Шавкат осознал, что это перспективное направление.
«Я понял, что сейчас это своего рода окно возможностей: если успеть войти в ML, развиваться и стать сильным специалистом, ты будешь востребован».
При этом он не рассчитывал пройти отбор с первого раза.
«Мне казалось, что в Узбекистане есть много ребят, которые знают информатику намного лучше меня. Но я подготовился, сдал экзамены и поступил», — рассказал Шавкат.
Аббос Ибрагимов пришел в машинное обучение из backend-разработки. Он долго изучал это направление, но в какой-то момент понял, что хочет больше глубины и решил попробовать себя в ML.
Математикой Аббос интересовался давно, однако считал, что для серьезного изучения машинного обучения нужно гораздо больше знаний:
«Я думал, нужно быть чуть ли не профессором. Несмотря на это решил попробовать. В итоге ML оказалось тем направлением, которое я искал: здесь огромное количество тем, которые требуют подробного и предметного изучения», — рассказал он.
«Мне казалось, что ML-специалист почти все время занимается математикой»
До начала обучения представления Аббоса о работе ML-специалиста были другими. Он предполагал, что большую часть времени специалист занимается математикой, вычислениями и научной работой.
Учеба и работа показали, что значительная часть времени уходит на работу с данными: необходимо проверить их качество, обработать и подготовить, выбрать подходящий алгоритм, настроить модель, определить метрики и оценить результат.
Шавкат также отметил, что ML-специалисту важно понимать бизнес-задачи.
«Нужно учиться разбираться в задачах бизнеса и учитывать их. Важно понимать не только, какую модель ты можешь сделать, но и какую проблему она должна решить», — рассказал он.
«Если модель работала неправильно, мы могли быстро понять, где искать проблему»
Одним из ключевых моментов обучения для Аббоса стал ML-контест. Участникам необходимо было предсказать вероятность наступления страхового случая у клиента. Все признаки были обезличены, поэтому команды даже не знали, что означает каждая колонка в данных.
В соревновании участвовало более 30 команд. Аббос вместе с другим студентом занял второе место.
По его словам, во время конкурса особенно пригодились знания, полученные в Yandex ML School: участники понимали, как подготовить данные, выбрать и настроить модель и оценить ее работу.
«Если модель работала неправильно, мы могли достаточно быстро понять, где искать проблему. В конце контеста я впервые почувствовал, что действительно понимаю, что делаю. Не просто пишу код, а могу решить задачу, имея данные и условия», — отметил Аббос.
Шавкат осознал, что разбирается в ML, когда выполнил одно из заданий по Computer Vision в рамках обучения. Ему необходимо было проанализировать видео и посчитать, сколько людей поднимаются по эскалатору. На эту работу у Шавката ушло три или четыре дня.
«Сначала ничего не получалось, но в итоге, когда показал результат преподавателю, получил хорошую обратную связь. Я был очень горд собой», — вспоминает он.
«На собеседовании спрашивали даже формулы»
Когда обучение в Yandex ML School подходило к концу, Шавкат начал искать работу и откликнулся на вакансию в Ucell.
На собеседовании ему задавали вопросы непосредственно по машинному обучению, причем некоторые из них были достаточно глубокими — вплоть до формул.
По словам Шавката, без знаний, полученных в школе, ему было бы сложно ответить на значительную часть вопросов.
Аббосу найти работу помогло знакомство, которое он также обрел в школе: однокурсник организовал для него собеседование в Avo Bank. После успешного прохождения интервью Аббос получил позицию аналитика-инженера.
«Я точно хочу продолжать развиваться в ML»
Сейчас выпускники работают с разными задачами.
Шавкат участвует в нескольких ML-проектах. Один из них — виртуальный ассистент в мобильном приложении и на сайте компании, который круглосуточно отвечает на вопросы клиентов и помогает решать типовые проблемы. Задача этого ассистента — сокращать время ожидания ответа для клиентов и улучшать их опыт взаимодействия с компанией.
Аббос работает с хранилищем данных: собирает витрины, настраивает загрузку и следит за качеством данных.
По его словам, аналитическую инженерию он выбрал в том числе для того, чтобы лучше понять, откуда появляются данные, с которыми работают ML-специалисты.
«Модель хороша ровно настолько, насколько хороши данные, которые ей дают», — отметил Аббос.
В дальнейшем он планирует перейти непосредственно в машинное обучение.
«Возможно, не сразу, но точно хочу продолжать развиваться в этом направлении», — сказал он.
Размышляя о будущем и технологиях, Шавкат, в свою очередь, заметил, что хотел бы поработать над роботами, способными выполнять опасную работу вместо человека. В качестве примера он приводит профессии, связанные с работой на большой высоте.
По его мнению, ML может помочь создавать технологии, которые помогут освободить людей от опасных задач и сделать их труд безопаснее.
«ML-специалисты нужны везде, где есть данные»
По оценке выпускников Yandex ML School, спрос на специалистов в области машинного обучения в Узбекистане постепенно растет. При этом начинающим специалистам найти первую работу сложнее.
Шавкат советует не зацикливаться на названии конкретной вакансии.
Если позиция ML-инженера пока недоступна, можно рассматривать смежные направления, получить необходимый опыт, познакомиться с коллегами внутри компании и со временем попробовать перейти в ML.
Аббос считает, что искать работу стоит не только в технологических компаниях.
«ML-специалисты нужны IT-компаниям, банкам, финтеху, медицине, маркетплейсам, телекому, сельскому хозяйству — практически везде, где есть данные», — отметил он.
«Не нужно ждать, пока университет даст все знания»
По словам Шавката, университет и образовательные программы дают фундамент, однако дальнейшее развитие во многом зависит от самого человека.
Аббос советует использовать дополнительные образовательные возможности, развиваться не только в своей, но и в смежных сферах и не бояться пробовать новое.
На правах рекламы.
