コンピューターサイエンス
ソフトウェアとシステムの基礎本番MLプラットフォームに必要なプログラミング、分散システム、アルゴリズムの基礎を与える。
MLOpsエンジニアには重なる基礎が要る。信頼できるサービスのためのソフトウェア工学、パイプラインのためのデータ工学、拡張可能なインフラのためのクラウド運用、そして訓練・評価・ドリフトを理解できるだけの機械学習だ。一つの学位で全部を完璧に覆うことは少なく、キャリアは隣接職から始まることが多い。
準備の最良の証拠は再現可能なプロジェクトだ。データとコードを版管理し、パイプラインでモデルを訓練し、配備し、監視し、失敗モードを説明できる候補者は、高いスコアのノートブックより、雇用主が求める姿勢をはっきり示す。
参入ロードマップ
-
1
プログラミングと数学
1〜2年Python、SQL、統計、バージョン管理、Linux、基本的なソフトウェア設計を学ぶ。
関門授業、コーディング課題、技術基礎。
-
2
学位または体系的訓練
3〜4年コンピューターサイエンス、データサイエンス、工学、または実践的なシステム作業を伴う定量分野を学ぶ。
関門入学選考と継続的な技術科目。
-
3
データとMLのプロジェクト構築
1〜2年ノートブックだけでなく、再現可能なデータ、追跡された実験、テスト可能なパイプラインでモデルを訓練する。
関門ポートフォリオ審査、インターンまたは初級職の面接。
-
4
本番エンジニアリング経験
2〜3年ソフトウェア、データ、クラウド、ML工学で働き、配備、監視、インシデント対応を学ぶ。
関門システム設計と実践的デバッグの面接。
-
5
MLOpsへの専門化
2〜4年一つ以上のモデルチームにわたる訓練、サービング、レジストリ、評価、可観測性のシステムを担う。
関門安全な本番公開と運用判断の証拠。
-
6
プラットフォームまたはAIシステムリーダー
5年以上製品横断でMLプラットフォームのアーキテクチャ、ガバナンス基準、コストや信頼性の戦略を定める。
関門チーム横断の信頼と説明可能な技術リーダーシップ。
学位とクラウドラボ
国により異なる
大学費用は低料金の公立から高額な私立まで幅広い。クラウドクレジット、認定試験、ラボサービスは継続コストになるが、オープンソースツールと公開データセットは、利用を注意深く抑えれば、控えめな費用で本格的なポートフォリオを支えられる。
何を専攻するか
データサイエンス
データとモデリングの道強い工学実務と組み合わせれば、統計、データパイプライン、機械学習手法を結ぶ。
コンピューター工学
システムの深さ性能、インフラ、エッジ配備の仕事に役立つ。
統計学または数学
モデル評価の深さ実験、不確実性、指標、モデル検証への厳密さを養う。
情報システム
企業統合技術設計をガバナンス、プロセス、組織への定着につなぐ。
どこで最もよく教えられるか
スタンフォード大学
米国影響力の大きいコンピューターサイエンス、AI、システム研究のエコシステム。
カーネギーメロン大学
米国機械学習、ソフトウェア工学、システム分野が強い。
トロント大学
カナダ機械学習研究と工学人材の主要な拠点。
ETH Zurich
スイス機械学習、データ、システムの研究に強み。
ケンブリッジ大学
英国長年のコンピューターサイエンスと機械学習研究。
シンガポール国立大学
シンガポールAI研究とテクノロジー工学の地域ハブ。
KAIST
韓国AIとシステム分野で韓国を代表する工科系研究所。
東京大学
日本コンピューターサイエンスとAIプログラムを持つ日本の主要研究大学。
免許と試験
Google Professional Machine Learning Engineer
世界Google Cloud上でのモデル設計、配備、運用を扱うクラウドプラットフォーム認定。
AWS Certified Machine Learning – Specialty
世界機械学習ワークロードの設計と運用利用向けのAWS認定。名称や提供はプログラムにより変わり得る。
Microsoft Azure AI Engineer Associate
世界Azure AIソリューションの設計と実装に焦点を当てたベンダー資格。
Certified Kubernetes Administrator
世界多くのMLプラットフォームが使うコンテナオーケストレーションに関連するCNCFの資格。
もう一つの道
DevOpsまたはプラットフォーム工学からの道
すでに配備、コンテナ、クラウド運用を自動化しているエンジニアが、MLリテラシーを加えてMLプラットフォームへ移る。
データ工学からの道
品質、パイプライン、ウェアハウスを担うデータエンジニアが、本番ML経験とともにモデル訓練と特徴量パイプラインを構築する。
似ている職業
分野だけでなく、6つのスコアが近い職業です。
🔐
?????????????????
デジタル攻撃を発見、防止し、対応することで、システム、データ、人々を保護します。
AI耐性 63 🧫臨床データサイエンティスト
臨床データ、治験データ、医療システムのデータを用いて、より安全な医療、研究、業務上の意思決定のための信頼できるエビデンスを生み出す。
AI耐性 68 🔌半導体エンジニア
自動車のブレーキから核ミサイルの誘導システムまで、あらゆるコンピュータや携帯電話の中にあるトランジスタを設計・製造する。地球上でごく一部の工場しか動かせないほど精密な機械を使う仕事だ。
AI耐性 60 🦾ロボット技術者
感知し、判断し、物理世界で行動する機械を設計する仕事。真の難問は知能ではなく、世界そのものだった。
AI耐性 65 🌿サステナビリティマネージャー
組織が事業上の義務を果たしながら環境・社会への害を減らせるよう、戦略、測定、報告を主導する。
AI耐性 66 👔弁護士
依頼人に法的助言を与え、権利義務を縛る文書を起草し、法廷では代理人として弁論する——助言が誤っていれば自ら法的責任を負う職業。
AI耐性 58さらに探す
さらに探す
工学・技術のほかの職業
💻
ソフトウェアエンジニア
現代生活を動かすコードを書き、テストし、保守する仕事であり、AIが自分自身の日々の作業を自動化していく様子を最初に目の当たりにしている職業の一つでもある。
AI耐性 35 🤖AI研究者
機械知能を支えるアルゴリズムを設計・検証する仕事。今やその研究プロセス自体の自動化を競う分野になりつつある。
AI耐性 50 🛰️航空宇宙エンジニア
地上を離れる航空機・ロケット・宇宙船を設計・解析・認証する仕事で、推測の余地を残さない安全マージンを守り続ける。
AI耐性 74 🌉土木技術者
川と岩と重力を橋・道路・清潔な水に変える職業――イムホテプ以来、文明を静かに支え続ける仕事。
AI耐性 72 🔌半導体エンジニア
自動車のブレーキから核ミサイルの誘導システムまで、あらゆるコンピュータや携帯電話の中にあるトランジスタを設計・製造する。地球上でごく一部の工場しか動かせないほど精密な機械を使う仕事だ。
AI耐性 60 🦾ロボット技術者
感知し、判断し、物理世界で行動する機械を設計する仕事。真の難問は知能ではなく、世界そのものだった。
AI耐性 65 🔐?????????????????
デジタル攻撃を発見、防止し、対応することで、システム、データ、人々を保護します。
AI耐性 63 🌬️再生可能エネルギーエンジニア
再生可能な資源を信頼できる電力に変える、風力、太陽光、蓄電、送電網のシステムを設計・構築・改善する。
AI耐性 72