Инженер искусственного интеллекта/МО
Об этой роли
Роль в проекте: инженер по искусственному интеллекту и машинному обучению. Описание роли в проекте: разрабатывает приложения и системы, использующие инструменты искусственного интеллекта, облачные сервисы искусственного интеллекта, с соответствующим облачным или локальным конвейером приложений с производственными возможностями.
О ролях данных/ML
Роли данных и машинного обучения разделены на три лагеря: аналитики (SQL, информационные панели, бизнес-вопросы), инженеры (конвейеры, инфраструктура) и ученые (моделирование, экспериментирование). В названии должности не всегда указано, какая именно — внимательно читайте описание.
Типичные навыки: SQL, Python, pandas, базовая статистика; Роли ML добавляют scikit-learn/PyTorch/TensorFlow; инженерные роли добавить Airflow/dbt/Spark
Статистика по зарплатам (США, ориентировочно)
Типичный диапазон ролей data/ml в США: 85 000–240 000 долларов в год, которые сильно различаются в зависимости от стажа, уровня компании и города.
Только оценки. Чтобы узнать цифры для конкретной компании, посетите сайты level.fyi (tech), Glassdoor или спросите на собеседовании.
Как подготовиться к собеседованию
Данные интервью разделены: аналитики получить вопросы по SQL + практическим примерам, инженеры получить проектирование конвейера + кодирование, ученые получить статистику + моделирование машинного обучения + иногда набор данных на дому. Внимательно прочитайте JD и приготовьтесь к реальному варианту — не тратьте время на PyTorch в роли аналитика.
Общие вопросы для всех трех: «Как бы вы оценили успех [функции продукта]?», «Расскажите мне о проекте, данные которого рассказали вам нечто удивительное»и Оконные функции SQL (LAG, ROW_NUMBER, PARTITION BY — практикуйте это специально). Что касается ролей ML, ожидайте вопросов о переоснащении, компромиссе между отклонениями и о том, как вы будете отлаживать модель, которая хорошо работает при обучении и плохо работает в производстве.
К чему обычно приводит эта роль
Карьерный путь в области данных/МО стал более запутанным по мере развития дисциплины. Самая яркая прогрессия: Младший аналитик → Старший аналитик → Менеджер по аналитике со стороны аналитика, Младший инженер по обработке данных → Старший → Персонал с инженерной стороны и Младший DS → Старший DS → Главный DS/ML Lead на модельной стороне. Пиковые зарплаты самые высокие у инженеров машинного обучения и ученых-исследователей в крупных технологических компаниях.
Междисциплинарные переходы являются обычным явлением: аналитики, изучающие инженерное дело, часто превосходят инженеров, которые не изучали бизнес-контекст. Будьте ближе к бизнесу: самые ценные данные — это те, которые руководители привносят в обсуждения стратегии, а не только те, кто создает информационные панели.
Красные флаги, на которые стоит обратить внимание
- Роль «специалист по данным», которая на самом деле является аналитиком SQL. Внимательно прочитайте обязанности — если это все информационные панели и специальные запросы, то это роль аналитика с научным званием.
- Никакого упоминания о сотрудничестве заинтересованных сторон. Работа с данными изолированно — это обычно работа с данными, которую игнорируют. Роль должна быть встроена в бизнес-команду.
- «ИИ/МО» указано везде, но без конкретики. Если они не могут назвать реальные проблемы, которые хотят решить с помощью машинного обучения, значит, компания покупает модные словечки.
- Просите «10+ лет Python» или невозможные комбинации. Либо JD был написан HR без участия команды данных, либо у компании нереалистичные ожидания.
Часто задаваемые вопросы
Как мне подать заявку на эту роль?
Нажмите кнопку «Подать заявку на Careerjet» вверху этой страницы. Вы будете перенаправлены на исходную публикацию, где работодатель принимает заявления. Wikishopline не собирает резюме и не обрабатывает заявки.
Этот список актуален?
Wikishopline ежедневно собирает вакансии из партнерских источников (careerjet). Сообщения старше ~14 дней удаляются, но всегда проверяйте, что вакансия все еще открыта на сайте работодателя, прежде чем тратить время на сопроводительное письмо.
Взимает ли Wikishopline плату с работодателей или соискателей?
Нет. Объединенные рабочие места бесплатны для обеих сторон. Wikishopline также принимает платные публикации за 5 долларов за 30 дней в /jobs/submit для работодателей, которым нужна прямая видимость, но объявление, которое вы просматриваете, было получено от партнера.
Что обычно включает в себя роль data/ml?
Роли данных и машинного обучения разделены на три лагеря: аналитики (SQL, информационные панели, бизнес-вопросы), инженеры (конвейеры, инфраструктура) и ученые (моделирование, экспериментирование). В названии должности не всегда указано, какая именно — внимательно читайте описание.
Каков типичный диапазон зарплат для должностей, связанных с данными и машинным обучением, в США?
Примерно 85 000–240 000 долларов США в год, в зависимости от стажа, местоположения и уровня компании. Это широкий диапазон специально — сверяйте с уровнями.fyi или Glassdoor для конкретной компании.
