MicrosoftエンジニアのAIイノベーションとリーダーシップへのガイド

『MicrosoftエンジニアのAIイノベーションとリーダーシップへの道標』

 

1-1の会話をするのは、特に初めての場合、上級データ専門家とは難しいかもしれません。このインタビュースタイルの記事は、上級データ専門家の旅とアドバイスについてより良い理解を得ることを目指しており、データの世界での旅について自己反省を行うためのリソースを提供します。

さあ始めましょう…

 

• 「マイクロソフトが初のAIチップ、Maia 100チップとコバルトCPUを公開」
• GoogleのプロジェクトOpen Se Curaをご紹介しますこれは、セキュアでスケーラブル、透明性の高い、効率的なAIシステムの開発を加速するためのオープンソースフレームワークです
• ランウェイの新しい「モーションブラシ」機能は、Gen-2においてあなたのジェネレーションに制御された動きを追加することを可能にします

あなたはなぜMicrosoftの上級ソフトウェアエンジニアになったのですか？

 

AIとソフトウェアエンジニアリングの世界への私の旅は、幼少期にプログラミングへの強い興味から始まりました。この情熱は、2015年にComputer Science and Engineeringで学士号を修得したNIT Warangalでの学部の学位取得につながりました。その後、キャンパス採用を通じてMicrosoftに入社し、その後、Search and AI組織内のBing Mapsチームに参加しました。

Bing Mapsでの時間において、私はサービスの向上を目指したいくつかのプロジェクトに貢献しました。最も注目すべき貢献は、地図上のラベル密度検出を向上させるための新しい機械学習アルゴリズムの開発をリードしたことです。この新しい手法に関する研究論文を執筆し、いくつかの賞を受賞し、Microsoft Journal of Applied Researchに掲載されました。

地図に続いて、私はBingショッピングの創設メンバーとなりました。そこでは、多数の機能と製品広告を組み合わせた展開をリードし、Bingの収益を強化する上で重要な役割を果たしました。私はイノベーションを愛し、日常的な問題を解決することが大好きです。私はキャリアの中で多くのハッカソンで優勝してきましたが、最後の優勝はオンライン食料品ショッピングを効率化するために設計されたAIチャットボットの開発でした。現在、私はBing Mapsに戻り、マッピングサービスの改善と拡大に取り組んでいます。

私のキャリア成長の鍵は、未知の要素で満たされたプロジェクトを率いる執念と、複雑な問題を解決する決意です。

 

データ専門家はどのようにAIに移行できますか？

 

データサイエンスや分析からAIへの移行は、人々が意識しているよりもスムーズに行われると思います。両分野とも、数学とプログラミングの堅固な基礎を要求します。ただし、データ専門家が転身したい場合は、機械学習アルゴリズムとニューラルネットワークに重点を置く必要があります。

 

どのような教育的背景が必要ですか？

 

プロフェッショナルが最初に質問するのは、AIに参入するための教育的な前提条件です。博士号が必要ですか、それとも学士号や修士号で十分ですか？

答えは役割や企業によって異なります。研究職には特にPh.D.が有利ですが、厳密な要件ではありません。コンピュータサイエンス、数学、または関連する分野の学士号や修士号で十分です。

重要なのは、AIと機械学習の原則を深く理解することであり、それは専門コースや自己学習を通じて習得することができます。

 

認定は役に立ちますか？

 

認定は、他の分野から移行する場合に、AIへの関心と基礎知識を示すのに役立ちます。ただし、認定は教育と経験を補完するものであり、代わりにはなりません。認定が黄金の切符ではないことを理解することが重要です。

認定は、現実の経験と堅固な教育を補完するために使用されると最善です。雇用主は通常、実践的な経験と問題解決能力を求めますが、それは認定プログラムの外で得ることもあります。

 

おすすめの学習経路やコースはありますか？

 

基礎をスキップすることは良くありません。まずは線形代数、微積分、統計学の基礎コースから始めましょう。

そこから、Andrew NgのCourseraのMachine Learning Courseなどのオンラインコースを通じて機械学習に没頭することをお勧めします。また、EdXやUdacityなどにも人工知能のMicroMastersやAIのナノディグリーなどのプログラムがあります。

そして、自然言語処理、コンピュータビジョン、または強化学習といった自分の興味に合った専門的なコースやプロジェクトを探索してください。

 

どのような技術とツールを学ぶ必要がありますか？

 

Pythonは両分野において主要な言語となっていますが、AIの場合はTensorFlowやPyTorchなどの特化したライブラリにも触れる必要があります。これらのライブラリは、効率的かつスケーラブルなモデルの設計、トレーニング、検証のための基盤を提供しています。プロトタイピングやモデルの共有にはJupyter Notebooksも必須です。

言語やライブラリだけでなく、Azure AIやAWS SageMakerなどのクラウドベースのAIサービスにも詳しくなることで、他の人と差をつけることができます。

 

どのように実践的な経験を積むことができますか？

 

理論的な知識は重要ですが、実践的な経験も必要です。

効果的な方法の一つは、個人プロジェクトに取り組むことです。これらのプロジェクトを、自分が情熱を持って解決したい問題や現在の技術のギャップを埋める問題に合わせることで、学習プロセスをより楽しく、成果を大きくすることができます。

また、オープンソースプロジェクトへの貢献によって、スキルを磨くだけでなく、コミュニティで注目されることもあります。また、Kaggleなどの競技に参加することもあります。これらは、新しい問題にスキルを適用し、グローバルコミュニティから学ぶ機会を提供します。

インターンシップも非常に貴重であり、産業環境でのメンターシップと実践的な経験を提供してくれます。報酬がなくても、得られる実践的な知識は重要なステップとなります。実践的な経験はコーディングにとどまらず、AIが現実世界の問題を効果的に解決する方法を理解することでもあります。

したがって、プロジェクトの実績や協力、競技によって、AIの解決策を提供する能力を示すポートフォリオを構築することができます。

 

ネットワーキングの役割は何ですか？

 

ネットワーキングは非常に重要です。AIのミートアップ、ウェビナー、およびカンファレンスに参加してください。この分野の有力なリーダーをソーシャルメディアでフォローしてください。議論に参加し、メンターシップを求め、質問することを遠慮しないでください。関係性は閉まることのない扉を開けることができます。実世界の問題は最高の学びの経験です。

 

どのような点があなたを助けましたか？何を異なるアプローチでやり直したいですか？

 

私を前進させる要因は、好奇心と未知なる課題に取り組む意欲の融合でした。これが私のMicrosoftでのプロジェクトリーダーシップを導いていました。

もし過去をやり直すことができるなら、ネットワーキングにもっと重点を置いたでしょう。業界内での関係構築は、共同の機会や貴重な洞察をもたらす可能性があります。AIのような領域のダイナミズムにおいては、これらは非常に貴重です。

また、制約なく自由にイノベーションするために、個人プロジェクトに割り当てる時間をもっと増やすでしょう。これにより、AIの可能性をより完全に探求し、そしておそらくより画期的な貢献をすることができます。

 

まとめ

 

Manas Joshiはマイクロソフトのシニアソフトウェアエンジニアであり、AI、NLP、および機械学習の専門知識を持つ人物です。この記事では、Manasの経験を知り、彼のアドバイスを参考にし、エバーボーリングなAIの分野に参入したいデータの専門家に必要なスキルをより良く理解することができることを願っています。

****[Nisha Arya](https://www.linkedin.com/in/nisha-arya-ahmed/)****はデータサイエンティスト兼フリーランスのテクニカルライターです。彼女はデータサイエンスのキャリアアドバイスやチュートリアル、理論的な知識を提供することに特に興味を持っています。また、人工知能が人間の寿命の長さにどのように影響を与えるかを探求したいと考えています。広範な技術知識と執筆スキルを広げながら、他の人々を指導することを助けることを志しています。

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