28歳で普通のエンジニアからAIに転職すべきか？

[[275552]]

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

28 歳の物理エンジニアが AI に転職する価値はあるのでしょうか?企業における機械学習エンジニアの現状はどうなっているのでしょうか？

今日、助けを求める投稿が Reddit フォーラムで急速に広まりました。

私は物理エンジニアです。現在の仕事にはあまり興味がないので、現実と責任から少し逃れるために学校に戻りたいと思っています。

卒業する前に、ある人から機械学習の道に進むよう勧められ、それがきっかけでコンピュータービジョンのインターンシップに参加したり、より多くのプロジェクトに取り組んだりするようになりました。現在、私は仕事をしており、この道を「再考」したいと思っています。

現在の作業は、データ処理の重要性と面倒さを示しています。 DOS システムに依存している企業に機械学習プロジェクトを簡単に統合できるかどうかはわかりませんが、生産上の問題の根本原因を見つけるには統計分析が重要だと思います。

上記の理由から、私は AI に関する 1 年間の専門修士課程に参加する意欲が高まりました。しかし、中規模から大規模の企業におけるデータ/機械学習エンジニアの仕事が具体的にどのようなものなのかを知りたいのです。

私はそれほど若くはなく、すでに 28 歳で、私の知識の大半は物理学に関するものなので、プログラマーになるつもりはありません。こうすれば、コンピューターが苦手な人でも競争力が上がると思います。

では、仕事を辞めて勉強を選ぶべきでしょうか？

見知らぬ人に助けを求めるのは賢明ではないと思われるかもしれませんが、他の人の話から自分自身への助けを見つけたいと思っています。

この投稿に対して一時はさまざまな意見が飛び交い、ネットユーザーたちはさまざまな角度から現在の機械学習エンジニアの実際の仕事の姿をまとめ上げました。

MLエンジニアの立場はちょっと厄介

ネットユーザーmimighostは、まず機械学習エンジニアについて正しい理解を持つべきだと述べた。この立場自体は多少矛盾していると言える。

彼は、機械学習エンジニアはまず有能なプログラマーである必要があり、プログラミングスキルは持っている科学的知識のすべてを上回る必要があると考えています。

したがって、たとえプロの物理エンジニアでなくても、まずはプログラミング自体の向上に注力すべきです。

Mimighost は、プログラマーの階級の中で機械学習エンジニアに残されたポジションは非常に限られており、そのポジション自体が矛盾していると考えています。しかし、機械学習の研究者や研究科学者に成長することを検討することもできます。

このように成長したいのであれば、修士課程を1年間勉強するだけでは到底足りません。少なくとも、医師になる必要があります。

年齢は基準ではない

あるネットユーザーも元の投稿者と同じような混乱を抱えており、若者が同じポジションを争う場合、28歳であることは有利ではなく不利になるだろうと述べている。

この問題は理解するのが難しくありません。「35歳のプログラマーはどこへ向かうべきか？」というのは、国内のプログラマーが悩む問題の一つでもあります。

ネットユーザーのfakemooseさんは、この年齢ではどんな状況でも初級レベルの仕事に応募すべきではなく、これまで培ってきた仕事のスキルを活かすべきだと考えている。

一部のネットユーザーはこれに反対し、データサイエンスの分野では、入門レベルでも収入が米国人口の90％を超えていると述べた。

他にも様々な声があります:

40 歳を超える場合、これが制限要因となる可能性があります。

——アナリスト___apu

私は30歳で物理学から機械学習への移行を始めたので、この年齢でキャリアを変えることは可能です。私は独学でした。

——アムネジア

28歳はまだ若いとほとんどの人が思っています。ほとんどの人は博士号を取得した後、すでにかなり高齢になっており、新しい分野を探求するための十分な資金を持っています。年齢は基準ではなく、業界での経験が基準となります。

データサイエンスを学ぶ

これを経験した多くの人は、転職後の最大の課題はデータサイエンスのスキルだとアドバイスしています。

そして物理学は AI に変わるのでしょうか?それは実はプラスです。

ネットユーザーのi_love_FFTは、彼は楽観主義者だと語った。現在の地域でハイテク企業を見つけることができれば、物理学のバックグラウンドはプラスとなり、必要なスキルとなります。

今日、ほぼすべてのテクノロジー企業が機械学習チームを構築しています。数多くのオンラインプログラミングコースを受講し、特定のウェブサイトから AI の認定資格を取得している人にとっては簡単ですが、最大の課題は常に、データ自体を理解できる人を見つけることです。

物理工学のバックグラウンドがあれば、センサーデータ、物理システムモデルなど、物理ベースのデータをよく理解できるようになります。このスキルは、機械学習への関心と相まって、就職活動のプロセスにおいて輝かしい例となります。

データサイエンスに加えて、ぜひPythonもしっかり学んでください。ネットユーザーの Heartomics 氏は、最大の障害は Python 的なやり方を受け入れることだと語った。

Python エキスパートになるために必要な、推奨学習リソース:

https://www.youtube.com/watch?v=7lmCu8wz8ro

機械学習プログラマーの一日

では、プログラマーの一日はどのように過ごされるのでしょうか?

機械学習エンジニアが、世界中に 10 万人以上の従業員を抱えるシステム インテグレーターでのスケジュールをまとめます。

彼によると、理論的には、彼らの仕事はモデルの設計、モデルの調整、NLP パイプラインのセットアップ、データ サイエンティストが書いたコードのリファクタリング、そしていくつかのクラウド タスクの実行だそうですが、本当でしょうか?

しかし、現実には、クライアントが望むものを何でも作ればいいのです。私のアイデンティティも変わる可能性があります。

Python 開発者、データ エンジニア、データ サイエンティスト、データ アナリストになることができます。私にとってはどれも同じように見えますが、これらの役割を区別することで、クライアントの目にはタスクがより多様に見えるようになります。

おそらくこんな感じです: 私はレンガで、必要な場所ならどこにでも移動できます。

現在、3 つのプロジェクトに同時に取り組んでいます。1 つは販売関連、1 つはコードのリファクタリングが必要な成熟したプロジェクト、もう 1 つは PoC から NLP プロジェクトへの移行です。

毎日のスケジュールは大体次のようになります。

09:00 電話会議

09:30 NLP プロジェクトの実行 (Python)

11:00 営業プロジェクトについて話し合うための電話（1時間）

12:00 昼食

12:30 電話デモタイム

13:00 プロジェクト作業（Python）

15:00 プロジェクトについての議論

16:00 同僚のモデルのドキュメント設定とハイパーパラメータを確認します。

17:00 帰宅。

はぁ？ 9時から5時まで働くプログラマー？

ポータル

Reddit の元の投稿アドレス:

https://www.reddit.com/r/MachineLearning/comments/cxhvbd/d_what_is_the_reality_of_machine_learning_engineer/