Uczenie maszynowe to jedna z istotniejszych dziś dziedzin zaliczanych do technologii z zakresu sztucznej inteligencji. Umiejętne wykorzystanie algorytmów machine learning daje m.in. możliwość zautomatyzowania procesu pozyskiwania i analizy danych. Jako takie, rozwiązania oparte na uczeniu maszynowym znajdują uzasadnienie w wielu obszarach biznesowych, w szczególności – w instytucjach finansowych, marketingowych czy sektorze medycznym. Jakie zatem kompetencje są poszukiwane na rynku pracy?
Pierwsze wzmianki o uczeniu maszynowym pojawiły się w latach 50. dwudziestego wieku, kiedy to Arthur Samuel, pracownik firmy IBM, stworzył program, który miał służyć szkoleniu zawodników szachowych. Jednak dopiero kilka lat temu ta dziedzina stała się bardzo popularna i szturmem wkroczyła w świat biznesu. Wynika to głównie z ogromnego rozwoju technologicznego, który wymaga analizowania oraz przetwarzania coraz większej ilości danych. W praktyce, biznesowe zastosowania technologii uczenia maszynowego są dość młodą, choć dynamicznie rozwijającą się dziedziną. Jednocześnie, skuszone potencjalnymi korzyściami biznesowymi, firmy bardzo chętnie inwestują w rozwiązania wykorzystujące tego rodzaju mechanizmy. W efekcie – pracownicy posiadający kompetencje niezbędne do skutecznego wykorzystania technologii opartych na algorytmach uczenia maszynowego w biznesie, są dziś bardzo poszukiwani.
Polskie uczelnie dopiero od niedawna posiadają w swojej ofercie możliwość studiowania kierunków, które są związane z uczeniem maszynowym, dlatego w Polsce liczba osób ze znaczącym doświadczeniem w tej dziedzinie jest niewielka. Dla młodych osób, które stawiają swoje pierwsze kroki na rynku pracy, jest to z kolei ogromna szansa. Wyższość popytu nad podażą pracowników nie oznacza jednak, że firmy nie stawiają przed kandydatami konkretnych wymagań, zarówno w zakresie umiejętności twardych, jak i miękkich.
Aby otrzymać możliwość dołączenia do zespołu, który ma brać udział w projektach związanych z machine learning, należy spełnić kilka konkretnych warunków. Poniżej prezentujemy te najważniejsze, które pomogą w zdobyciu wymarzonej pracy.
1. Umiejętność programowania
Trzema najpopularniejszymi językami programowania, które mają zastosowanie w uczeniu maszynowym są SQL, R oraz Python, jednak to ten ostatni zdecydowanie wiedzie prym. Znajomość tych języków programowania z pewnością zostanie doceniona na etapie rekrutacji. Natomiast najważniejszymi bibliotekami wykorzystywanymi w praktyce biznesowych zastosowań uczenia maszynowego są Keras, Pytorch, Tensorflow, NumPy oraz Pandas. Warto je poznać, ponieważ większość rekruterów sprawdza tę umiejętność w toku procesu rekrutacyjnego, na przykład poprzez przekazanie zadania praktycznego, test wiedzy czy zadanie pytania technicznego w trakcie klasycznej rozmowy kwalifikacyjnej.
2. Odpowiednie wykształcenie
Praca z uczeniem maszynowym to zdecydowanie ścieżka kariery dla umysłów ścisłych, jednak specjalizacja informatyczna nie jest jedynym kierunkiem, który predestynuje do rozwoju w tej dziedzinie. Z perspektywy rekrutera bardzo mile widziane są także osoby, które posiadają wykształcenie z obszaru matematyki, statystki czy fizyki.
3. Bardzo dobra znajomość języka angielskiego
Może się to wydawać oczywiste, ale bardzo dobra znajomość języka angielskiego jest jednym z podstawowych wymagań pracodawcy. Jest to spowodowane przede wszystkim faktem, że większość materiałów naukowych jest publikowanych w tym języku. Dodatkowo, projekty – realizacje dziś najczęściej dla międzynarodowych korporacji – wymagają stałej komunikacji w obcym języku, zwykle jest to język angielski.
4. Gotowość do międzynarodowych podróży służbowych
Dziedzina machine learning w Polsce nadal jest na wstępnym etapie rozwoju w porównaniu z innymi państwami, dlatego bardzo często zespoły pracujące nad konkretnym projektem są rozproszone po różnych krajach. Dzisiejsza technologia pozwala na codzienną współpracę z osobami, które mieszkają na drugim krańcu świata, natomiast wyjazdy pomagają niekiedy w rozwiązaniu konkretnego problemu – potencjalny pracodawca może więc oczekiwać gotowości do podróży służbowych.
5. Chęć nauki oraz rozwoju
Specjalizacja w zakresie uczenia maszynowego to młoda dziedzina o dynamicznym tempie rozwoju, co dla specjalistów z tej dziedziny oznacza konieczność stałego pogłębiania wiedzy. Warto więc, aby osoba chcąca realizować się w tej branży śledziła nowinki technologiczne, brała udział w konferencjach tematycznych, obserwowała rynek oraz była otwarta na nowe technologie.
6. Odpowiednie umiejętności miękkie
Nie ma dziś praktycznie projektów technologicznych realizowanych wyłącznie przez inżynierów w zaciszu pracowni komputerowych. Obecnie, od specjalistów w zakresie IT, a co za tym idzie także w obszarze uczenia maszynowego i sztucznej inteligencji, wymagane są umiejętności pracy w zespole i otwartości na spojrzenie innych osób. W szczególności istotna jest umiejętność komunikowania się z innymi członkami zespołu, w tym – zdolność do przekazywania swoich myśli, pomysłów oraz uzasadniania propozycji.
Ścieżka kariery / możliwości rozwoju
Istnieje bardzo wiele możliwości rozwoju w branży związanej z uczeniem maszynowym z racji jej dynamicznego rozwoju. Z badania wykonanego przez firmy Intel, Forbes Insights, Accenture Applied Intelligence oraz SAS wynika, że ponad 72% przedsiębiorstw na całym świecie wykorzystuje sztuczną inteligencję w jednym lub nawet kilku obszarach swojej działalności biznesowej. Jest to trend, który sprawia, że osoby wiążące swoją karierę zawodową z tą dziedziną, będą miały na pewno wiele możliwości rozwoju zarówno pionowego, jak i poziomego. Oprócz klasycznej ścieżki junior–specjalista–senior–team leader–manager można postawić na wąski kierunek wykorzystania algorytmów uczenia maszynowego i właśnie się w nim wyspecjalizować. Są to na przykład: przetwarzanie języka naturalnego (NLP), rozpoznawanie obrazu, drzewa decyzyjne czy analiza szeregów czasowych.
Julita Iks, IT Recruitment Expert, Career Advisor w agencji rekrutacyjnej Experis
