{"id":13592,"url":"\/distributions\/13592\/click?bit=1&hash=614144bb31dcda2de138a71c12a8b5f1c2d6612f2981479b7bf423e4bc53c03e","title":"\u041a\u0430\u043a \u043f\u043e\u043f\u0430\u0441\u0442\u044c \u0432 \u0435\u0434\u0438\u043d\u0441\u0442\u0432\u0435\u043d\u043d\u043e\u0435 \u043c\u0435\u0441\u0442\u043e \u0432 \u0420\u043e\u0441\u0441\u0438\u0438 \u0441 \u0447\u0430\u0439\u043d\u044b\u043c\u0438 \u043f\u043b\u0430\u043d\u0442\u0430\u0446\u0438\u044f\u043c\u0438","buttonText":"\u0423\u0437\u043d\u0430\u0442\u044c","imageUuid":"d85f2cfe-e0d7-5ad7-8507-983bc3b55643","isPaidAndBannersEnabled":false}

3 возможности стажировок для тех, кто хочет внести вклад в будущее разговорного ИИ

Стажировка стала популярным способом привлечь новые таланты в организацию, а для студента шансом проявить себя и сделать первые шаги в своей экспертной области.

Все большее внимание будущих стажеров привлекает сфера искусственного интеллекта (ИИ): согласно опросу VK Образования, 72% студентов хотели бы попробовать свои силы в этой области. Сегодня уже многие организации имеют подразделения, где трудятся над новыми разработками в сфере ИИ и машинного обучения. И, конечно, без свежих идей и горящих глаз стажеров тут не обойтись. Любой студент задумывается, как же выбрать то место, в котором ему будет и интересно, и комфортно, и перспективно? Рассказываем про три организации, работа в которых станет мощным толчком в развитии карьеры в сфере разговорного ИИ.

Рисерч и индустрия — разные вещи. Если человек идет в индустрию, например, телеком, то он развивается как телеком-специалист: это про бизнес, про задачи, про доменные знания этого направления. А в области рисерча он изучает теорию про технологии, исследования, поиски улучшений. То есть в индустрии стажер окунается в мир коммерческих проектов, где главная цель — улучшение продуктов компании. Стажер рассматривается как будущий сотрудник компании, и, скорее, здесь заинтересованы не в передаче знаний для саморазвития, а в обучении студента под свои задачи.

Чтобы заниматься ИИ и разговорным ИИ в коммерческой компании, студенты стремятся попасть на стажировку в Яндекс и Сбер — “Sberseasons”.

Яндекс

В Яндекс существует 5 направлений стажировок, и машинное обучение — одно из них. Машинное обучение и нейронные сети используются почти во всех ключевых продуктах Яндекса — от поиска и голосового помощника Алисы до беспилотных автомобилей. Стажёры улучшают алгоритмы машинного обучения для рекламных сервисов, разрабатывают инструменты для обучения нейронных сетей и делают многое другое. Критерии отбора не самые простые, но очень целеориентированные и заточенные на конкретный продукт. Ступени отбора для стажера:

  • Тестовое задание на Яндекс. Контест.
  • Техническое интервью, на котором попросят написать код и ответить на вопросы по машинному обучению.
  • Секция на алгоритмы и структуры данных, где необходимо написать код и продемонстрировать знание алгоритмов, решив несколько задач за определенное время.
  • Беседа с рекрутером.
  • Интервью с командой.

Эти ступени служат для отбора такого человека, который смог бы в будущем перейти в штат и на которого действительно можно рассчитывать.

Сбер

В Сбере тоже 5 направлений стажировки, однако задачки по ML спрятаны в другие подсекции — Data Science и Data Engineering. Стажерам предлагают стать частью большой экосистемы Сбера: заниматься виртуальным ассистентом Салют, участвовать в крупных IT-проектах (Platform V, SberMarket, SberCloud) и др. Вместе с тем для студентов открывается отличная возможность совмещать стажировку с учебой, выбрать индивидуальный график и количество часов работы.

Чтобы попасть на стажировку в Сбер, нужно:

  • Подать заявку — в анкете рассказать о себе и своих достижениях.
  • Если кандидат подошел по критериям отбора на этапе рассмотрения анкет, то его пригласят пройти небольшое телефонное интервью.
  • Далее необходимо пройти онлайн-тестирование по направлению.
  • И, наконец, пройти интервью с руководителем, с которым предстоит работать в ближайшие месяцы стажировки.

Лаборатория нейронных систем и глубокого обучения МФТИ

Стажировка в лаборатории — это несколько иное. Здесь речь не про коммерческий продукт, который модернизируется и продается заказчикам, а желание открыть те завесы науки, о которых ранее никто не знал, научиться новаторским вещам и внести свой вклад в развитие области ИИ и ML/DL.

Путь исследователя не прост, а путь исследователя, разрабатывающего стек технологий с открытым кодом для создания чатботов — вдвойне. Ведь вкладывая свои усилия в его создание, ты ответственен за его качественную работу. Аналогичных DeepPavlov проектов в России нет. Здесь собираются специалисты, которые работают над open-source продуктами в области разговорного ИИ и занимаются фундаментальными исследованиями.

DeepPavlov — передовой проект лаборатории нейронных систем и глубокого обучения МФТИ. Лаборатория проводит исследования в области глубоких нейросетевых архитектур для работы с текстом на естественном языке (NLP & Conversational AI), а также в областях теории глубокого обучения и поиска нейросетевых архитектур (neural architecture search). Среди основных продуктов лаборатории — библиотека (DeepPavlov Library), диалоговая платформа для создания чат-ботов и виртуальных ассистентов (DeepPavlov Dream) и платформа для оркестрирования диалогов (DeepPavlov Agent).

В DeepPavlov существует 4 направления стажировок: разработка, компьютерная лингвистика, дизайн и рисерч, и каждое из них относится к области ИИ. Стажеры работают над постановкой и подтверждением различных исследовательских гипотез, например, среди тем: “Извлечение лингвистических моделей”, “Внедрение функций потерь”, а также улучшением продуктов и разработкой новых.

Итак, этапы отбора для стажировки на проекте DeepPavlov:

  • Для каждого из направлений существует свое тестовое задание, которое стажер исходя из своих интересов может выбрать на сайте. Таким образом, у каждого есть возможность раскрыть себя в той сфере ИИ, в которой он хотел бы получить экспертизу и работать дальше.
  • Интервью с ментором/рекрутером/CPO — на данном этапе команда понимает, сходятся ли интересы стажера и цели DeepPavlov, нравится ли им подход и умение решать задачи, а также личные качества специалиста.

Как выбрать для себя стажировку

Тут стоит для себя осознать, насколько вы хотите расти как специалист, насколько вы хотите принести пользу обществу и какая экспертная сфера вам наиболее интересна.

  • Если для вас важна материальная составляющая, то лучше начать строить карьеру в коммерческой сфере. Хотя опытные исследователи тоже на зарплату не жалуются.
  • Если вам уже давно нравятся продукты или, быть может, корпоративная культура какой-то компании и вы мечтаете стать частью команды, разрабатывающей флагманский продукт, чтобы его и компанию вывести на новый уровень, то вас с радостью будут ждать в коммерческих ИТ-проектах.
  • Если вы хотите получить качественную экспертизу в какой-либо области ИИ или машинного обучения, то безусловно ваш выбор должен остановиться на исследовательских лабораториях, ведь именно здесь фокусируются все передовые возможности и исследования.
  • Если вам важно ощущать себя общего технологического прогресса в целом и сферы разговорного ИИ в частности, то вам так же дорога в исследовательскую лабораторию.
0
4 комментария
Влад Аваков

👍🏽

Ответить
Развернуть ветку
Андрей Матигин

Спасибо!

Ответить
Развернуть ветку
Константин Комиссаров

молодец, чё)

Ответить
Развернуть ветку
SL Potapenko

у яндекса завышенные ожидания от студентов. Да и у остальных.

чтобы решать контесты и писать код на доске нужно держать эти алгоритмы в уме, что не всегда приемлемо. В противном случае все это зависнет на тесте номер 5 с мало понятной ошибкой.

МФТИ перебрали с внедрением "контестов" в обучение. В системе типа контест невозможно научиться отлаживать программы, потому что это черный ящик для _спортивного_программирования_. Соответственно отладить свой код в такой системе нельзя, а нужно написать кучу своих тестов, не всегда понимая причину проблемы (это же студент, он учится). Так как референсный код для тех же алгоритмов на практике не дают, и необходимо именно исследовать алгоритм, в конечном итоге это высасывает тучу времени и сил. Что уж говорить о студентах не из МФТИ.
А так конечно обьем и сложность тестовых задач для стажировки в МФТИ поражает: бот для игры в шашки за день с нуля (привет, абби)

В конечном итоге эта система стажировок конечно как-то работает. Ключевое слово "как-то".

Ответить
Развернуть ветку
Читать все 4 комментария
null