Les spécialistes de l’apprentissage automatique peuvent gagner un salaire médian de 150 000 $. Voici comment faire évoluer votre carrière sans passer des années dans le milieu universitaire.

• Il y a une pénurie de talents en apprentissage automatique, disent les recruteurs et les spécialistes de l’industrie.
• Le manque à gagner provient du fait que davantage d’entreprises ont besoin d’une expertise en intelligence artificielle.
• Des experts en recrutement, des universitaires et ceux qui ont changé de carrière expliquent comment pivoter vers l’industrie.

Les spécialistes de l’apprentissage automatique sont très recherchés en ce moment.

Les recruteurs et les experts ont déclaré à Insider qu’ils étaient confrontés à une grave pénurie de compétences en apprentissage automatique alors que la demande de spécialistes de l’intelligence artificielle allait au-delà de la technologie et dans des secteurs tels que la santé et la finance.

L’apprentissage automatique est une forme d’intelligence artificielle couramment utilisée qui implique l’utilisation de programmes et d’algorithmes d’auto-apprentissage. Il sous-tend de nombreux services, des films

Netflix

recommande la détection de fraude pour les banques. La technologie permet aux ordinateurs de traiter et de dessiner des modèles à partir d’énormes quantités de données, ce qui la rend utile dans une variété de domaines.

Dans une enquête nationale auprès des entreprises menée en juin par le ministère britannique du numérique, de la culture, des médias et des sports, environ un quart des répondants ont signalé une pénurie de compétences en apprentissage automatique.

Le marché de l’embauche est concurrentiel pour les candidats qualifiés. L’analyse des données de divulgation américaines sur les embauches de main-d’œuvre étrangère en 2021 montre que les salaires de base des ingénieurs en apprentissage automatique variaient entre 73 000 $ et 250 000 $, avec une médiane de 152 125 $. Les salaires européens et britanniques, cependant, ont tendance à baisser.

La demande d’ingénieurs en apprentissage automatique dépassant l’offre, Insider s’est entretenu avec des experts en recrutement, des universitaires et des retardataires en apprentissage automatique pour découvrir les meilleurs conseils pour ceux qui cherchent à passer à l’apprentissage automatique.

1. Vous n’avez pas nécessairement besoin d’un doctorat, mais préparez-vous à travailler dur

Alors que la plupart des ingénieurs en apprentissage automatique sont issus de milieux très universitaires, le nombre de postes nécessitant désormais des compétences en apprentissage automatique a contribué à ouvrir le marché de l’emploi.

« Il y aura une classe de rôles qui nécessiteront des compétences de haut niveau, probablement des personnes qui ont fait un doctorat et qui ont suivi ce parcours très académique », a déclaré Matthew Forshaw, conseiller principal pour les compétences à l’Institut Alan Turing. « Mais la grande majorité des 238 000 rôles dont le Royaume-Uni a besoin ne sont pas ceux-là.

« Il existe un terrain d’entente où vous n’avez pas besoin de connaître les fondements statistiques d’absolument tout pour être en mesure d’identifier quels modèles sont appropriés dans quel contexte. Cela dépend un peu du secteur et dépend de la taille de l’organisation. »

Les universités peuvent également attester du changement alors que les entreprises se démènent pour recruter des diplômés dotés de compétences en apprentissage automatique.

« Historiquement parlant, la plupart des gens ont probablement fait un doctorat, plutôt que de se lancer directement dans l’industrie », a déclaré Mark Herbster, directeur du programme de maîtrise ès sciences en apprentissage automatique de l’UCL. « Il y a un certain changement là-bas. Nous avons beaucoup plus d’étudiants qui entrent directement dans l’industrie et les startups. »

DeepMind

Ivan Lobov, ingénieur de recherche chez DeepMind, a étudié les relations publiques et la publicité à l’Université d’État de Moscou, avant de travailler comme stratège d’entreprise dans une société de marketing numérique. Il s’intéressait aux ordinateurs depuis l’enfance mais n’a poursuivi cette passion que beaucoup plus tard dans la vie.

« Je ne comprenais pas quelles questions poser ni où trouver des conseils », a déclaré Lobov à Insider.

Il a commencé à prendre des vacances pour participer à des hackathons d’une semaine et a participé à des compétitions en ligne organisées par Kaggle, un outil de communauté de science des données appartenant à Google où les participants perfectionnent leurs compétences à travers des défis.

« Après des années dans le domaine, je pense avoir couvert la plupart des lacunes de mon éducation à un niveau où je pense qu’il est difficile de dire que je n’ai pas de formation en STEM », a-t-il déclaré. « Mais c’était parfois difficile. »

2. Trouvez des moyens d’apprendre sur le tas ou pendant votre temps libre

Pour tous ceux qui espèrent imiter Lobov, il a déclaré qu’il était important pour les ingénieurs en apprentissage automatique en herbe de « trouver des tâches accessibles qui vous motivent ».

« J’ai trouvé que Kaggle était l’outil le plus utile », a-t-il déclaré à Insider. « Mais ne visez pas à être un grand maître. Utilisez-les pour vous motiver à acquérir plus de compétences pour entrer dans les moindres détails des algorithmes que vous utilisez. »

La collègue de Lobov, Deeni Fatiha, chef de produit dans l’équipe d’IA appliquée de DeepMind, a précédemment travaillé dans les sciences des matériaux, recherchant tout, de la façon dont les plastiques peuvent être rendus plus biodégradables à l’utilisation de la fibre de verre dans les projets de construction.

« Je n’avais aucune formation formelle en apprentissage automatique ou en informatique, j’ai donc dû apprendre beaucoup à partir de zéro pendant mon travail », a déclaré Fatiha. « Je garderais une liste courante de toutes les choses qui survenaient sur lesquelles je voulais en savoir plus et je les lisais pendant mon temps libre. »

Franki Hackett a récemment remporté le prix « étoile montante de la technologie » aux CogX Awards à Londres en reconnaissance de son travail au sein de la société d’intelligence artificielle Engine B, qui applique l’apprentissage automatique aux services de comptabilité et d’audit. Mais elle n’a pas toujours été configurée pour être une technicienne.

DeepMind

Après avoir obtenu un baccalauréat et une maîtrise en politique, Hackett a travaillé dans les communications pour une série de différentes organisations et organisations à but non lucratif à Londres. Elle a ensuite été acceptée dans un programme d’études supérieures au National Audit Office du Royaume-Uni, qui emploie des spécialistes des données et des chercheurs qui aident à évaluer les décisions et les politiques financières prises par différents ministères.

« Plus je l’examinais, plus je le trouvais fascinant », a déclaré Hackett, ajoutant qu’elle avait pu apprendre sur le tas en « choisissant les cerveaux de tous les experts là-bas quand j’en avais besoin ».

Elle est finalement devenue responsable principale de l’analyse des données pour l’organisation avant d’être recrutée pour devenir responsable de l’audit et de l’éthique chez Engine B.

L’expérience pratique est l’un des meilleurs moyens d’acquérir des compétences techniques. Forshaw de l’Institut Alan Turing a recommandé « une formation intégrée de type incubateur et une collaboration avec des experts du domaine pour obtenir l’expérience dans la salle » lors de la reconversion dans d’autres disciplines.

Pour ceux qui suivent le parcours universitaire, cela signifie des opportunités de placement et de collaboration sur des projets.

3. Quel que soit votre parcours, ne soyez pas intimidé

Khyati Sundaram a commencé sa carrière dans la finance, travaillant pour JPMorgan et la Royal Bank of Scotland avant de se tourner vers l’apprentissage automatique.

« Je me suis spécialisée dans les fusions et acquisitions, mais après six ans dans l’industrie, j’avais hâte de faire quelque chose de différent », a-t-elle déclaré.

Après avoir obtenu un MBA de la London Business School, Sundaram a lancé une startup, Fosho, pour aider à rendre les chaînes d’approvisionnement plus durables via l’IA. Elle a appris les bases avec le cours en ligne Machine Learning: Practical Applications de la London School of Economics and Political Science.

« Surmonter les doutes des autres était de loin le plus grand défi », a-t-elle déclaré. « Je savais que j’étais capable de maîtriser l’apprentissage automatique et l’IA. Mais en tant que femme d’affaires, en particulier dans la technologie, mon entourage avait d’autres idées. »

Sundaram est maintenant cofondateur et PDG d’Applied, une plateforme de recrutement basée sur l’IA conçue pour aider les employeurs à éliminer les préjugés de leurs processus de recrutement.

« Ne vous laissez pas rebuter par le battage médiatique et toutes les discussions sur la difficulté de travailler dans ce domaine », a déclaré Hackett d’Engine B, ajoutant: « Il y a beaucoup de battage médiatique autour de l’intelligence artificielle et de l’apprentissage automatique.

« Oui, il y a des concepts et des défis délicats, mais ce n’est pas magique. Cela ne vous dépasse pas. Trouvez des personnes qui peuvent expliquer les choses en termes simples, ce sont normalement les meilleures personnes pour vous aider à apprendre et à grandir. »

4. Une expérience non conventionnelle peut jouer à votre avantage

« La transition d’un secteur différent peut également être un grand avantage. Les personnes ayant des antécédents professionnels variés possèdent une multitude de compétences transférables », a déclaré Sundaram à Insider.

Fatiha de DeepMind a accepté, disant à Insider qu’il y avait un réel besoin d’une « diversité de perspectives » dans l’espace d’apprentissage automatique.

« Nous avons besoin de personnes d’horizons différents en termes de démographie mais aussi en termes de professions, pour aider à éclairer les solutions puissantes que nous construisons avec ML », a-t-elle déclaré.

« Certaines des conversations les plus perspicaces que j’ai eues à DeepMind ont été avec des chercheurs scientifiques qui ont une formation en médecine, en arts du spectacle et en philosophie », a-t-elle ajouté.

En ce qui concerne le processus de requalification, les candidats ne doivent pas se compter sur un manque d’expérience technique.

Forshaw de l’Institut Alan Turing a déclaré que les compétences commerciales et créatives pourraient être tout aussi importantes.

« Les personnes qui ont une solide expertise dans le domaine ou un sens commercial aigu d’une voie autre que l’informatique ou les statistiques ou l’un de ces alimenteurs conventionnels en science des données », a-t-il déclaré, ajoutant: « Je trouve qu’il est plus facile de les recycler sur la technologie que je J’essaierais de remplir l’autre partie pour quelqu’un qui est profondément technique. »

Forshaw a déclaré: « Si nous avançons rapidement de deux ans, une grande partie de la technologie aura changé. Mais les choses qui sont permanentes sont les valeurs professionnelles autour de l’utilisation éthique et digne de confiance des données, de la communication et de l’établissement de relations. »