ロシアのAIスペシャリストが稼ぐ金額
2018年初頭のHeadHunterによると、ロシアの人工知能専門家の給与は約19万ルーブルに達しました 。 これは、ITの平均給与の2倍であり、当時は約9万ルーブルでした。 第3四半期の終わりまでには、 ほとんど変わりませんでした 。
2018年の最も有望な分野はビッグデータのままです。この分野の専門家には約20万ルーブルの給与が提供されます。 機械学習の専門家-ニューラルネットワークの分野で約18万人-14万人以上。
これらの各領域の求人の数は、履歴書の数よりも急速に増加しています。これは、一般にIT担当者がいる状況の典型です。 IIDFの調査によると、ロシアでは2027年までに約200万人のIT専門家が不足するでしょう。
IIDFの予測によれば、最も人気のある分野の中で、この時点までに、人工知能、機械学習、ビッグデータ分析、コンピュータービジョン、拡張現実が実現します。
大企業で探している人
人工知能は、主にYandex、Mail.Ru Group、MegaFon、MTS、Beeline、Tele2、ABBYY、Sberbankなどの大企業で使用されています。 なぜ彼らの一部がそれを必要とし、誰が探しているのか：
1. ABBYY
ABBYYは、インテリジェントなデータ処理と言語学の分野で世界をリードしています。 AIベースのソリューションにより、テキストデータの認識、印刷ドキュメントおよびPDFファイルの操作、セマンティック検索の実行、および見慣れない単語やフレーズの翻訳の検索が可能になります。
会社の主な成果の1つは、自然言語のテキストを分析および理解できるComprenoシステムです。 ABBYYの専門家は約10年間このシステムの作成に取り組み、プロジェクトの費用は8000万ドルを超えました。
Comprenoは、たとえば、アーカイブドキュメントを体系化するために使用できます。その助けを借りて、フィールドまたは詳細、およびテキストで情報を検索できます。
ABBYYが探しているのは、現在、高度な開発部門のワードプロセッシング（NLP）の分野での実験とプロトタイピングのために、データサイエンティストが必要なことです。 候補者は、機械学習の方法とニューラルネットワーク、アルゴリズムとデータ構造の知識、Pythonプログラミングの経験、および他のいくつかのパラメーターの順守が必要です。
2.ヤンデックス
ロシア最大の検索エンジンは、その検索エンジンでAIテクノロジーを数年間使用しています。 したがって、Yandex.Zenでは、これにより、ユーザーの興味に合わせてパーソナライズされたコンテンツの推奨事項を発行できます。
「多くの点で、検索エンジンのように見えます。 検索が特定の何かを探している場合にのみ、Zenは幅広いクエリに応答します。特定の人にとって興味深いことです」 と 、サービスの立ち上げ段階でYandex.ZenのCEO Viktor Lamburt 氏は述べています。
誰がYandexを探しているのか：現在、会社にはZenの機械学習開発者が必要です。彼はデータを収集し、モデルを訓練し、実験でそれらを評価し、生産コードを記述します。 「まず、候補者に機械学習と統計の十分な知識を期待しますが、産業開発の経験も大きなプラスになるでしょう」と空室は言います。
3.ズベルバンク
機械学習と人工知能の方向性は、2013年からSberbankで発展しています。 主な目標は、内部および外部の両方の顧客向けの新しいインテリジェント製品およびサービスの作成、および機械学習テクノロジーを使用した銀行プロセスの最適化です。
そのため、2018年初頭に、銀行は商業用不動産を評価するためにロシアで最初のニューラルネットワークを立ち上げました 。 AIにより、銀行はほぼ即座に担保を評価できます。 このようなAIは、定期的に更新される街頭小売データベースで機能します。 このベースは、いくつかのタイプのソースから補充され、類似オブジェクトの主な特性、その写真、および価格が含まれています。
ニューラルネットワークはオブジェクトの特性を受け取り、それを他の特性と比較する必要があり、収集されたデータに基づいて、コストの計算に使用される最も近い類似物を選択します。 専門家がこれに数時間、場合によっては数日かかる場合、ニューラルネットワークの分析には数秒かかります。
Sberbankが探しているのは、銀行がさまざまなプロジェクトに一度に複数のデータサイエンティストを必要としていることです。 そのため、モスクワの空室の1つでは、専門家は問題解決の経験が必要です
ビジネス向けのデータサイエンス、ビッグデータの経験、優れたプログラミングスキル（Python、Spark、SQL）、機械学習ライブラリの知識。
Sberbankに加えて、VTB、UralSib、BinBankを含む他の多くの銀行には、データサイエンティストと機械学習の専門家が必要です 。
どこから始めるか
大学で機械学習またはビッグデータを学んだAI専門家はわずか30％です。 これは、昨年末に実施された16,000人のKaggleユーザーに対する調査の結果からも明らかです。 すべての回答者の半数以上（66％）が自分で独学していると考えています。彼らはさまざまなコースを使用して新しい分野を研究しています。
マイクロソフトの伝道者であり、バイナリーディストリクトのAIスクールの校長であるドミトリーソシュニコフは、ロシアの教育市場で4つの主なタイプのコースを特定しています。
- ビジネスにおけるAIの役割に関するショートコース -このテーマに初めて精通する必要があるマネージャー向け。
- 「5時間での画像認識」などの高度に専門化されたコース -特定のスキルを習得したい人向け。
- 古典的な大学のもの -すべてのアルゴリズムの詳細な理解を得て、ニューラルネットワークを独立してプログラムする方法を学びたい人のために;
- データサイエンティスト向けの長い特別コース -トレーニング後に新しい専門分野を取得し、職を完全に変更したい人向け（このようなコースは少なくとも数か月続きます）。
もちろん、それぞれのタイプには欠点があります。 たとえば、リーダーシップコースは、人工知能の分野のベストプラクティスに簡単に慣れるのに適していますが、AIのすべての機能とその限界についての全体像と共通理解を提供するものではありません。
高度に専門化されたコースに関する同じ問題：リスナーがAIの基本原則の理解を形成することを許可しません。 リスナーは特定の実用的なスキルを習得できますが、テクノロジーは6か月ごとに廃止され、そのスキルも失われます。
初心者向けの古典的な大学のコースは複雑すぎる場合があります。ここでは、数学の忘れられた部分を覚えておく必要があります。 さらに、将来のデータサイエンティストは通常、優れたプログラミングスキルを必要とします。
会社でAIを使用する方法と理由を理解したい開発者にとって、最良のコースは長すぎず、典型的な問題の解決方法を学ぶことができる集中コースです。 たとえば、 AI Schoolでは、生徒は1か月間に5ブロックのタスクを学習します。
- 事前に訓練された認知サービス（顔、感情、声などの認識）によって解決される典型的なタスク。 宿題の1つは、途中で映画の主人公の感情を認識するアプリケーションを作成することです。
- 最も単純な音声AIを作成します。
- 古典的な機械学習タスク（需要予測、予測分析など）;
- 画像（分類、オブジェクトの検出）およびビデオを操作します。
- テキストと自然言語（分類、生成など）を扱う。
この後、リスナーは、より異常な問題を解決する方法を学ぶために、追加の知識を必要とするかどうかをすでに決定できます。
ソシュニコフによると、コースを修了しても給与がすぐに上がるわけではありませんが、専門家は労働市場にとってより魅力的なものになります。 そして、これにより、現在の雇用主に増加を要求することと、他の機会を探すことの両方がすでに可能になります。 ここでは、それはすべて人自身に依存します。