Duomenų inžinerijos iššūkiai: Kaip mašininio mokymosi inžinierius Simonas sprendžia sudėtingiausias problemas
Dirbtiniam intelektui ir jo pritaikymui versle intensyviai populiarėjant, atsiranda vis naujų profesijų, leidžiančių įgalinti technologijų suteikiamas galimybes. Viena jų – mašininio mokymosi inžinieriaus specialybė, kurios atstovai kuria metodus, padedančius išmaniosioms technologijoms pritaikyti problemų sprendimus, atsižvelgiant į ankstesnius duomenis. Mašininio mokymosi inžinieriumi „Telia“ dirbantis Simonas Adomavičius pasakoja, kuo jį patraukė šį sritis ir kaip atrodo jo kasdienis darbas, kuriame nuobodžiauti netenka nė dienos.
Duomenų inžinerija - perspektyvi sritis ir paklausūs specialistai
„Bakalauro studijų metais baigiau politikos mokslus, o magistrantūroje studijavau Didžiųjų verslo duomenų analitiką. Tada ir supratau, kad labiausiai noriu dirbti su duomenimis“, – apie savo kelio pradžią mašininio mokymosi srityje pasakoja S. Adomavičius.
Mašininio mokymosi inžinieriumi „Telia“ dirbančio vaikino teigimu, šios specialybės atstovai yra itin paklausūs technologijų ir telekomunikacijų rinkoje, o jam pritaria ir Duomenų įgalinimo skyriaus vadovas Dainius Laukis.
„Dinamiška šių dienų rinka ir analitikos tendencijos diktuoja, kad daugybę verslo problemų galima išspręsti pasitelkus mašininio mokymosi algoritmus. Tai padeda būti pirmiems teikiant naujus pasiūlymus tiek klientams, tiek įmonės darbuotojams“, – sako D. Laukis.
Duomenų mokslo ir inžinerijos komandoje nėra vietos nuoboduliui
Kadangi sričių, kuriose galima pritaikyti mašininio mokymosi algoritmus yra daug, o pati sritis ganėtinai jauna, užduočių spektras, kurį atlieka inžinieriai, yra itin platus. Dažniausiai įmonėse mašininio mokymo inžinieriai prižiūri duomenų mokslininkų kurtus modelius, palaiko virtualias darbo aplinkas, paruošia duomenis, vysto platformas, siekiant pagerinti turimą infrastruktūrą.
„Šioje pozicijoje susipina įvairios disciplinos. Mano pagrindinis darbas – prižiūrėti duomenų mokslininkų sukurtus modelius. Taip pat rūpinuosi, kad duomenų mokslininkai turėtų visus reikalingus įrankius greitai ir efektyviai dirbti“, – pasakoja S. Adomavičius.
Jis taip pat pabrėžia, kad darbe niekad netenka patirti nuobodžių dienų, o kiekvieną mėnesį yra fokusuojamasi į naują sritį. S. Adomavičiui jau teko dirbti prie sprendimo, įgalinančio mašininio mokymosi modelių stebėjimą, kaupiant įvairias metrikas. Taip pat jis kūrė šabloną „K8S“ „Python“ aplikacijai, kuri gali padėti surinkti grįžtamąjį ryšį iš „Telia“ klientų įmonės pateikiamoms „Telia Play“ televizijos rekomendacijoms. Šis sprendimas naudoja daug skirtingų technologijų, tačiau išdirbus bendrą šabloną galima greitai ir paprastai sukurti įvairias kitas aplikacijas ir padaryti jas prieinamas „Telia“ viduje.
Kuo įdomus mašininio mokymosi inžinieriaus darbas?
„Be visų kasdien įgyjamų žinių, šis darbas unikalus tuo, kad suteikia galimybę matyti pilną mašininio mokymosi modelio gyvavimo ciklą – nuo duomenų atsiradimo ir transformacijos duomenų sandėlyje iki modelio rezultatų atvaizdavimo galinėse sistemose. Taip pat – susipažinti su visomis technologijomis, kurios šią kelionę įgalina. Tai leidžia atrasti visus „kabliukus“ ir trikdžius, kurie gali atsirasti kuriant įvairius sprendimus, bei rasti geriausius įmanomus sprendimus juos panaikinti. Taip duomenų mokslininkai gali mažiau rūpintis techniniais dalykais ir fokusuotis į tai, ką jie išmano geriausiai – modeliavimą ir įžvalgų paieškas“, – apie dinamišką ir itin įdomią sritį kalba S. Adomavičius.
Techninių ir minkštųjų įgūdžių kombinacija – raktas į sėkmę
„Telia“ Duomenų įgalinimo skyriaus vadovas D. Laukis pastebi, kad nors mašininio mokymosi inžinierių galimybės yra ganėtinai plačios, realybėje jiems tenka nemenkai pasistengi ir sukaupti pakankamai patirties, kad galėtų tapti šiais specialistais. D. Laukio nuomone, kitas labai ryškus iššūkis yra sugebėti atsirinkti tinkamiausią sprendimą sau, komandai ar net organizacijai iš tokios gausios aibės pasirinkimų.
„Ne paslaptis, kad technologijų augimas ne vienerius metus buvo laikomas ženkliai spartesniu nei žmogaus sugebėjimas prisitaikyti prie pokyčių. Šios srities specialistams svarbu žinoti, kad net sukūrus patį geriausią mašininio mokymosi sprendimą, reikės įdėti nemažai pastangų, kad tas sprendimas įsilietų į organizacijos procesus“, – pastebi jis.
Kasdien sėkmingai darbuotis mašininio mokymosi srityje, „Telia“ kolegų teigimu, be techninių žinių padeda ir minkštosios kompetencijos.
Įvairiapusiškumas, smalsumas, domėjimasis analitikos pasaulio tendencijomis, gebėjimas dirbti komandoje ir komunikabilumas – tai tik keletas savybių, kurių reikia mašininio mokymosi inžinieriams. Įmonėje vadovaujamės „traukimo“ principais, tad gebėjimas planuoti ir įvertinti, kiek darbai galėtų užtrukti, o kolegai susidūrus su problema – ištiesti pagalbos ranką, yra labai vertinamos savybės“, – pasakoja D. Laukis.
Nori daugiau sužinoti apie mašininio mokymosi sritį ir joje išbandyti save? Sužinok apie savo galimybes jau dabar: