IT JOBS in BG: Какво е да работиш като ML Lead - Flex team в HyperScience?
За професията и възможностите в сферата на машинното обучение разказва Илия Цеков, който ръководи ML екипа в българо-американската софтуерна компания HyperScience
Илия Цеков е ML Lead - Flex team в българо-американската софтуерна компания HyperScience. HyperScience е основана от двама българи и един американец през 2014 г. и се занимава с машинно обучение и решения, базирани на изкуствен интелект. Има офис в София и в Ню Йорк.
Илия е завършил Mechanical Engineering в Масачузетския технологичен институт (MIT). Там стартира и кариерата си – отговаря за механиката на социални работи в лаборатория към университета. След това се връща за кратко в България и работи няколко години, преди отново да замине за САЩ. Преди около година заедно с жена си вземат решение да се върнат за постоянно в родината и така става част от екипа на HyperScience. Започва като Senior ML Еngineer, а от няколко месеца е начело на нов проект за машинното обучение и заема позицията ML Lead - Flex team.
Срещнахме се с Илия, за да ни разкаже повече за работата си в сферата на машинното обучение. С какво се занимава, какви отговорности има, как поддържа квалификацията си, какви са възможностите за развитие и кои са най-големите заблуди за професията.
Какво е да работиш като ML Lead - Flex team в HyperScience?
Какви са основните отговорности? Като ML Lead - Flex team ръководя екипа, който отговаря за машинното обучение за един от проектите ни – обработка, извличане и дигитализиране на данни от различни хартиени носители. Целта на нашия екип е да създадем модел, който изважда релевантната информация (имена, адреси, номера на сметки и др.) от документи с произволна структура като фактури, касови бележки, банкови извлечения и т.н. Това включва да прочете и да разбере текста и да извади точно това и само това, което ни трябва. Тренираме и създаваме нови модели и обогатяваме данните, като се стремим към създаване на алгоритъм, който работи по-добре и по-бързо. Нашите продукти целят да улеснят работата на компании, които получават информация на хартиени носители, а голяма част от инфраструктурата им е дигитална. В момента това се извършва от хора, които ръчно набират и вкарват информацията в системите на компаниите.
Как протича един работен ден? Обикновено идвам на работа в 9:00 часа. Проверявам какво е станало през нощта, защото имаме офис и в Ню Йорк и е добре да наваксам с информацията. След това съм се опитал да си разделя дните на по-инженерна и на по-административна работа. И в зависимост от това или разпределям задачи и проверявам какво и кога трябва да се свърши, или запретвам ръкави и започвам да работя.
Какви умения и качества са необходими за тази професия? Ще кажа какво на мен ми харесва и какво аз намирам за важно за себе си. Интересна ми е математиката и математическата част, която стои зад всичко, което правим. И разбирането ѝ в дълбочина е изключително важно за постигане на добри резултати. Важно е хората да могат да правят експерименти, да си поставят задачи, хипотези, да ги тестват и да знаят кога работят и кога – не. И там, където не работят, да знаят как да изследват нещата. И не на последно място, хората трябва да са наясно, че всичко се постига с много труд и много упоритост. Нещата се случват бавно и в повечето случаи се инвестира много в нещо, което дава плодове след доста време.
Как поддържаш знанията и квалификацията си? Аз лично обичам да запретвам ръкави, да влизам в дълбоките води и да научавам всичко, каквото ми трябва. Работата ми е свързана с четене и имплементиране на много неща, които се случват и откриват в момента. В тази сфера нещата се развиват толкова бързо и за да можем да създадем нещо релевантно, ежедневно се налага да чета документи, които са публикувани вчера. Следя конференции в областта, чета специализирани блогове за машинно обучение и изкуствен интелект на големи компании, информацията в социалните мрежи и т.н. Със сигурност не успявам да обхвана всичко, но затова сме екип и всеки, който намери нещо полезно или интересно, го споделя с колегите и така поддържаме знанията си.
Какви са възможностите за развитие? Що се касае до развитие в HyperScience, възможностите са големи, защото тепърва компанията предстои да се разраства, а заедно с това и позициите, проектите и отговорностите.
Като сфера, в момента машинното обучение е много гореща и много търсена. Почти всяка себеуважаваща се и голяма компания има вече такъв отдел и се търсят много такива хора. Възможностите за развитие са големи, но има и един известен страх дали това няма да се окаже някакъв балон, който след време ще се спука. Според мен това няма да се случи, но е нужно да се инвестира достатъчно време, познания и разбиране, за да може хората да допринасят с това, което правят, а не да възпроизвеждат нещо наготово.
Кои са най-големите заблуди за тази професия? Може би, че правим нещо извънземно и нещо, което се доближава до истински интелект. А това, което правим, е да търсим функции, които да отговорят на нашите въпроси. Като тренирането и обучението на съответните модели, е всъщност оптимизиране на параметрите на тези функции. Не правим нещо, което да замени някакъв естествен интелект. Ако вече успее да го замени, това ще постави въпроси за самия естествен интелект, не толкова за изкуствения.
Трябва ли да се страхуваме от изкуствения интелект? Аз виждам изкуствения интелект по-скоро като нещо, което ще върши работа. Но той е инструмент, който е изключително мощен и може да се използва за всичко. Така че всичко зависи от това какво го накараме да прави.
Австрийските инвестиции в България са около 5 млрд. евро, притежавате специализирано ноу-хау, което се оценява от австрийските компании – Герд Бомер, регионален мениджър за Югоизточна Европа и Централна Азия в Австрийската стопанска камара,пред Economy.bg