Hoe deze ingenieur een carrièredraai maakte van marketing naar AI

Hoe deze ingenieur een carrièredraai maakte van marketing naar AI

  • De opkomst van kunstmatige intelligentie heeft geleid tot een enorme vraag naar expertise op het gebied van machine learning.
  • Ivan Lobov, een ingenieur bij DeepMind, werkte in marketing voordat hij overstapte naar AI.
  • Insider ging zitten met Lobov om erachter te komen hoe hij de carrièrespil maakte.

Naarmate meer industrieën innovatieve manieren vinden om kunstmatige intelligentie toe te passen op hun goederen en diensten, willen bedrijven snel experts op het gebied van machine learning inhuren.

Recruiters, consultants en ingenieurs vertelden Insider onlangs dat bedrijven te maken hebben met een tekort aan vaardigheden op het gebied van machine learning, aangezien sectoren als gezondheidszorg, financiën en landbouw kunstmatige intelligentie implementeren. Banken vertrouwen bijvoorbeeld op AI om te helpen bij het opsporen van fraude.

Machine learning, een van de meest gebruikte vormen van AI, stelt computers in staat patronen te extraheren uit enorme hoeveelheden gegevens, waardoor het bruikbaar is op verschillende gebieden.

Ivan Lobov is machine learning engineer bij DeepMind, het AI-onderzoekslab van Google. In 2012 werkte hij in de marketing bij Initiative, een reclamebureau dat campagnes maakt voor merken als Nintendo, Unilever en Lego.

DeepMind-ingenieur Ivan Lobov begon zijn carrière in marketing

Lobov, nu een DeepMind-ingenieur, begon zijn carrière in marketing.

DeepMind


“Mijn taak was om presentaties en pitches te maken, manieren voor te stellen om te adverteren en strategieën te ontwikkelen om het beter te doen”, vertelde Lobov, die in Londen is gevestigd, aan Insider.

Hoewel Lobov al van kinds af aan geïnteresseerd was in programmeren, had hij geen academische achtergrond in informatica – hij had een graad in reclame en public relations van de Staatsuniversiteit van Moskou.

“Ik voelde me niet voldaan en ging op zoek naar iets dat mijn interesse zou wekken,” zei hij.

Lobov nam in zijn vrije tijd deel aan machine learning-wedstrijden

Lobov zei dat hij ‘Predictive Analytics’, het boek uit 2016 over data-analyse van Eric Siegel, een professor in computerwetenschappen aan de Columbia University, ontdekte en ‘voor altijd verslaafd’ was.

“Het resoneerde met mijn interesse in programmeren”, zei Lobov. “Ik was geïntrigeerd door hoe een machine kon leren gegevens te begrijpen en mensen te helpen betere beslissingen te nemen of zelfs oplossingen te vinden die mensen nooit zouden kunnen.”

Hoewel sommige machine learning-rollen het soort academische training vereisen, is alleen een Ph.D. Matthew Forshaw, een senior adviseur voor vaardigheden bij het Alan Turing Institute, kan bieden, vertelde eerder aan Insider dat “de overgrote meerderheid” van die banen niet zo veel knowhow vereist.

Terwijl hij zijn fulltime marketingoptreden voortzette, begon Lobov vakanties te nemen om deel te nemen aan hackathons van een week en deed hij regelmatig mee aan online competities van Kaggle, een datawetenschapscommunitytool die eigendom is van Google.

“In het begin begreep ik niet welke vragen ik moest stellen of waar ik begeleiding kon vinden”, zei hij. Maar hij voegde eraan toe: “Na jaren in het veld denk ik dat ik de meeste hiaten in mijn opleiding heb gedicht tot een niveau waarop ik denk dat het moeilijk te zeggen is dat ik geen STEM-achtergrond heb.”

Streef er niet naar een grootmeester te worden, maar verwacht hard te werken

Lobov zei dat tegen de tijd dat hij genoeg zelfvertrouwen had om te solliciteren naar banen in machine learning, zijn gebrek aan een computerwetenschappelijke achtergrond wervingsmanagers soms op hun hoede kon maken.

“Een interviewer zou je meer in de technische en wiskundige details boren dan wanneer je een andere achtergrond had”, zei hij, herinnerend aan een zogenaamd “niet-technisch” interview waarin de recruiter hem opriep om een ​​reeks definities uit de AI-theorie te schrijven “gewoon om kijken of ik het zou kunnen.”

Lobov slaagde erin zijn twee passies te combineren in 2016 toen hij werd aangenomen als machine learning engineer door Criteo, een adtech-bedrijf. Ongeveer drie jaar later kreeg hij een baan bij DeepMind.

Voor degenen die zijn succes willen evenaren, heeft Lobov een eenvoudige boodschap: “Laat je niet ontmoedigen door mooie woorden en wiskundige papieren. De meeste ideeën zijn eenvoudig; je moet gewoon de taal leren.”

Afgezien van “Predictive Analytics”, omvatten Lobovs andere aanbevelingen voor niet-ingewijden “Introduction to Linear Algebra” door Gilbert Strang, “Understanding Analysis” door Stephen Abbott en “Machine Learning: A Probabilistic Perspective” door Kevin P. Murphy.

“Krijg je lineaire algebra, basisprincipes van analyse en statistiek,” zei hij. Je hoeft niet alles in één keer te begrijpen – begin een cursus machine learning te volgen en ga dan terug als je iets niet begrijpt.”

‘Maar streef er niet naar een grootmeester te worden’, zei hij.

Werk je bij DeepMind of Google? Heb je een verhaal om te delen? Neem in vertrouwen contact op met verslaggever Martin Coulter via e-mail op mcoulter@insider.com of via de gecodeerde berichten-app Signal op +447801985586.

Leave a Reply

Your email address will not be published.