Зарплаты в ИИ: где больше денег и кого ищут в России
Специалистам по искусственному интеллекту платят почти в два раза больше, чем другим профессионалам в сфере IT. Мы разобрались, на какую зарплату можно рассчитывать в разных областях ИИ в России, кого ищут «Яндекс», ABBYY и «Сбербанк», и какие курсы можно использовать для обучения в этой сфере.
Сколько зарабатывает специалист по ИИ в России
Зарплата специалиста по искусственному интеллекту в России, по данным HeadHunter на начало 2018 года, составила около 190 тысяч рублей. Это вдвое больше, чем средняя зарплата в IT, которая на тот момент равнялась примерно 90 тысячам рублей. К концу третьего квартала она почти не изменилась.
Самой перспективной сферой в 2018 году остается Big Data: экспертам в этой области предлагают зарплату в районе 200 тысяч рублей. Специалистам по машинному обучению — около 180 тысяч, в области нейронных сетей — больше чем 140 тысяч.
Число вакансий в каждой из этих областей растет быстрее количества резюме — это характерно для ситуации с кадрами в IT в целом. По данным исследования ФРИИ, к 2027 году в России будет не хватать порядка 2 миллионов IT-специалистов.
В числе самых востребованных направлений, по прогнозу ФРИИ, к этому времени окажутся искусственный интеллект, машинное обучение, аналитика больших данных, компьютерное зрение и дополненная реальность.
Кого ищут в крупных компаниях
Искусственный интеллект используют в первую очередь крупные компании, такие как «Яндекс», Mail.Ru Group, «МегаФон», МТС, «Билайн», Теле2, ABBYY и «Сбербанк». Для чего это нужно некоторым из них и кого они ищут:
1. ABBYY
ABBYY — один из мировых лидеров в области интеллектуальной обработки данных и лингвистики. Ее решения на базе ИИ позволяют распознавать текстовые данные, работать с печатными документами и файлами в формате PDF, проводить семантический поиск, а также находить переводы незнакомых слов и фраз.
Одно из главных достижений компании — система Compreno, которая позволяет анализировать и понимать текст на естественном языке. Над созданием этой системы специалисты ABBYY работали около десяти лет, стоимость проекта превысила 80 млн долларов.
Compreno может использоваться например, для систематизации архивных документов: с ее помощью можно будет находить информацию по полям или реквизитам, а также по тексту.
Кого ищет ABBYY: сейчас компании нужен Data Scientist — для экспериментов и создания прототипов в области обработки текстов (NLP) в отдел перспективных разработок. От кандидата требуется знание методов машинного обучения и нейронных сетей, алгоритмов и структур данных, опыт программирования на Python и соответствие некоторым другим параметрам.
2. «Яндекс»
Крупнейший российский поисковик уже несколько лет применяет технологии ИИ в своих поисковых механизмах. Так, в «Яндекс.Дзене» это позволяет выдавать персонализированные рекомендации контента в соответствии с интересами пользователя.
«Во многом он похож на поисковую систему. Только если поиск ищет что-то определенное, то Дзен отвечает на более широкий запрос: что интересно конкретному человеку», — говорил руководитель Яндекс.Дзена Виктор Ламбурт на этапе запуска сервиса.
Кого ищет «Яндекс»: прямо сейчас компании требуется разработчик машинного обучения для Дзена, который будет собирать данные, обучать модели, оценивать их в экспериментах и писать продакшн-код. «В первую очередь мы ждем от кандидатов хорошего знания машинного обучения и статистики, но опыт промышленной разработки также будет большим плюсом», — говорится в вакансии.
3. «Сбербанк»
Направление машинного обучения и искусственного интеллекта развивается в «Сбербанке» с 2013 года. Главная цель — создание новых интеллектуальных продуктов и сервисов как для внутреннего, так и для внешнего клиента, а также оптимизация банковских процессов с помощью технологий машинного обучения.
Так, в начале 2018 года банк запустил первую в России нейронную сеть для оценки коммерческой недвижимости. ИИ позволяет банку почти мгновенно проводить оценку залогов. Такой ИИ работает с регулярно актуализируемой базой данных по стрит-ритейлу. Эта база пополняется из нескольких типов источников и содержит основные характеристики объектов-аналогов, их фото и цены.
Нейросеть получает характеристики объекта, который надо сравнить с другими, и на основе собранных данных подбирает наиболее близкие аналоги, которые используются для расчета стоимости. Если экспертам для этого нужны часы и даже дни, то нейросети для анализа требуется несколько секунд.
Кого ищет «Сбербанк»: сейчас банку нужны сразу несколько дата-сайентистов для разных проектов. Так, в одной из вакансий в Москве от специалиста требуется опыт в решении задач
data science для бизнеса, опыт работы с большими данными, хорошие навыки программирования (Python, Spark, SQL) и знание библиотек машинного обучения.
Кроме «Сбербанка», дата-сайентисты и специалисты по машинному обучению требуются многим другим банкам, в том числе ВТБ, «УралСибу» и БинБанку.
С чего начинать
Только 30% специалистов, работающих в сфере ИИ, изучали машинное обучение или большие данные в университете. Об этом свидетельствуют итоги опроса 16 тысяч пользователей Kaggle, проведенного в конце прошлого года. Более половины (66%) всех респондентов считают себя самоучками: для изучения новых дисциплин они использовали различные курсы.
Евангелист Microsoft и руководитель AI School в Binary District Дмитрий Сошников выделяет четыре основных типа курсов на российском образовательном рынке:
- короткие курсы про роль ИИ в бизнесе— для руководителей, которым надо получить первое знакомство с предметом;
- узкоспециализированные курсы типа «Распознавание изображений за пять часов»— для тех, кто хочет отработать конкретные навыки;
- классические университетские — для тех, кто хочет получить детальное понимание всех алгоритмов и научиться самостоятельно программировать нейронные сети;
- длительные спецкурсы для дата-сайентистов— для тех, кто хочет получить новую специализацию и полностью сменить работу после обучения (такие курсы длятся не менее нескольких месяцев).
У каждого типа курсов есть свои недостатки. Курсы для руководителей, например, хороши для того, чтобы вкратце ознакомиться с лучшими практиками в сфере искусственного интеллекта, но не дают цельной картины и общего понимания всех возможностей ИИ и его ограничений.
Та же проблема с узкоспециализированными курсами: они не позволяют сформировать у слушателя понимание фундаментальных принципов работы ИИ. Слушатель может освоить отдельные практические навыки, но технологии устаревают раз в полгода, и навыки — вместе с ними.
Классические университетские курсы для новичков могут быть слишком сложными: здесь придется вспомнить забытые разделы математики. Будущим дата-сайентистам, кроме этого, обычно надо иметь хорошие навыки программирования.
Для разработчиков, которые хотят разобраться, как и для чего можно использовать ИИ в их компании, лучше всего подойдет не слишком долгий, но интенсивный курс, который позволит научиться решать типовые задачи. В AI School, например, слушатели за месяц изучают пять блоков задач:
- типовые задачи, решаемые предобученными когнитивными сервисами (распознавание лиц, эмоций, голоса и т. д.). Одно из домашних заданий — сделать приложение, распознающее эмоции главных героев фильма по ходу действия;
- создание простейшего разговорного ИИ;
- классические задачи машинного обучения (предсказание спроса, предиктивная аналитика и т. д.);
- Работа с изображениями (классификация, обнаружение объектов) и видео;
- Работа с текстом и естественным языком (классификация, генерация и т. д.).
После этого слушатель уже может решить, надо ли ему получать дополнительные знания, чтобы научиться решать более необычные задачи.
По словам Сошникова, прохождение курса не приведет к моментальному повышению зарплаты, но это сделает специалиста более привлекательным для рынка труда. А это уже позволит как требовать повышения от текущего работодателя, так и искать другие возможности. Тут уже все зависит от самого человека.
