Ingenieros de Aprendizaje Automático ¿Qué hacen en realidad?

¿Qué hacen los ingenieros de aprendizaje automático?

¿Significa “Ingeniero de Aprendizaje Automático” algo nuevo para nuestro campo? Si es así, ¿qué?

El título es una pregunta trampa, por supuesto. Al igual que “Científico de Datos” antes, el título de “Ingeniero de Aprendizaje Automático” se está convirtiendo en una tendencia en el mercado laboral para las personas de nuestra profesión, pero no hay consenso sobre el significado del título o las funciones y habilidades que debería abarcar. Me imagino que los nuevos participantes en el mercado laboral en DS/ML encuentran esto frustrante de descifrar. (¡Incluso las personas con experiencia también!) Así que hablemos sobre lo que podría significar dependiendo de quién esté hablando.

Cuando estaba discutiendo esto con un amigo el otro día, lo expresé como “INGENIERO DE aprendizaje automático” o “ingeniero de APRENDIZAJE AUTOMÁTICO”. Básicamente, según lo que he visto, hay roles y expectativas en algunos grupos bajo el título que o bien:

• A. esperan amplias habilidades de ingeniería de software con algo de experiencia o al menos familiaridad con el aprendizaje automático, o
• B. tienen expectativas de una experiencia intensiva en aprendizaje automático, a menudo incluyendo aprendizaje profundo o IA generativa, y les gustaría que puedas escribir una función cuando se necesite.

El primer grupo probablemente habría sido simplemente “Ingenieros de Software” en años anteriores, mientras que el segundo grupo habría caído cómodamente bajo el título de “Científicos de Datos” en los días en que comencé mi carrera (aunque el IA generativa ciertamente no era parte del juego en ese entonces).

Esto refleja un patrón interesante en el desarrollo de nuestra profesión de manera más amplia. Nunca hemos sido buenos en dividir los roles en nuestro campo en subcategorías que delimiten claramente el conjunto de habilidades (o las responsabilidades) de los roles. ¡Es un campo joven en constante movimiento y cambio rápido, por lo que esto no es sorprendente! Esto siempre fue cierto para el título de Científico de Datos, que era esencialmente un delimitador para “algo más técnicamente capacitado que un Analista de Datos” durante mucho tiempo. Algunas personas se referían a los Científicos de Datos como aquellas personas que podían manejar datos no estructurados o desorganizados, y eso ya no es un factor definitorio según lo que puedo ver.

• Conoce AnyLoc El último método universal para el reconocimiento visual de lugares (VPR)
• Capa de métricas una única fuente de verdad para todas las definiciones de KPI
• Una opinión sobre la Inteligencia Artificial inspirada en el cerebro. ¿Hacia dónde vamos desde aquí?

Sospecho firmemente que el crecimiento de los IA es porque las personas que contratan a personas del tipo de Ingeniero de Software estaban molestas porque no estaban obteniendo candidatos que supieran cómo trabajar con un modelo de aprendizaje automático, mientras que las personas que contrataban a los Científicos de Datos estaban obteniendo especialistas en análisis cuando necesitaban modeladores con conjuntos de habilidades de aprendizaje automático. Se cruzaron desde cada dirección, formando un nuevo título que tiene desacuerdo interno sobre la importancia de cada conjunto de habilidades. Así que ahora tenemos una nueva división en el espacio en la que pensar.

Aunque esta subdivisión del campo probablemente sea muy natural, como respuesta a este tipo de dificultad, quiero hacer hincapié en lo que esto significa para los candidatos y el campo. Cada vez que ocurre una nueva división y la trayectoria profesional tiene una nueva posible divergencia, se asigna un estatus y privilegio a las dos rutas, generalmente detectable por los salarios que se ofrecen para cada dirección. Ahora que el campo de la Ciencia de Datos se está formalizando con más oportunidades educativas y demás, las personas tienen vías más fáciles hacia la carrera. Esto incluye a personas que están en desventaja o marginadas en la sociedad en general. Creo que corremos el riesgo de un efecto de “rosa-collar” en los Científicos de Datos.

(En resumen, el efecto de “rosa-collar” es cuando las mujeres, en particular, se convierten en una proporción mayor de trabajadores en un determinado campo y los salarios y el estatus social de los roles en los que predominan se ven sistemáticamente deprimidos debido a ello. La ciencia veterinaria es un ejemplo común. También ocurre en sentido contrario, ya que las mujeres eran predominantes entre los programadores de computadoras en la década de 1960 y principios de la década de 1970, y cuando los hombres se hicieron más representativos en ese campo, sus salarios y prestigio aumentaron.)

¿Está sucediendo esto realmente? No lo sé con certeza. Solo veo evidencia anecdótica de informes de la industria de lugares como Harnham y Burtch Works, así como al navegar por las publicaciones de trabajo en lugares como LinkedIn, que dan la impresión de que se está produciendo una divergencia salarial entre el Científico de Datos e Ingeniero de Aprendizaje Automático. Ciertamente conozco a muchas más mujeres jóvenes, personas de color y personas de diferentes identidades de género y orientaciones sexuales en roles de Científicos de Datos de lo que conocía hace apenas cinco años.

Espero sinceramente que los investigadores puedan averiguar si este cambio salarial es estadísticamente significativo y, de ser así, si se corresponde con cambios en la demografía de los trabajadores como sospecho que podría ser.

En cualquier caso, el desafío para quienes contratan en el campo es no permitir que las contrataciones más prestigiosas, más “técnicas” (por ejemplo, ahora Ingenieros de Aprendizaje Automático) sean predominadas por hombres y aquellos con ventaja social, y por consecuencia que las contrataciones de Científicos de Datos se conviertan en una variante de menor estatus a la que otros en el campo sean desviados independientemente de su habilidad. Paga a los roles lo que valen para tu negocio, por supuesto, pero no dejes que eso afecte la demografía de las personas que consideras o imaginas en cada rol. Eso es lo menos que todos podemos hacer en esta etapa del juego en constante evolución.

Puedes encontrar más de mi trabajo en www.stephaniekirmer.com.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!