Mała anegdotka. Dużo ludzi pyta: w co teraz iść w it, żeby mieć dobre warunki, sporo ofert pracy i stabilność? I mówię raczej o ludziach z jakimś expem komercyjnym. Odpowiedź (tadam) brzmi: AI i wszelką analizę danych/Big Data/Data Engineering itd.
Tak, to prawda. Ale dlaczego? Ilu przecież może być Data Scientistów czy AI Engineerów? Bo to bańka, tak ogromna, jakiej jeszcze nie widziałem na oczy.
Może anegdota dobrze zobrazuje, o co mi chodzi. Nowy klient, dla którego robię plan wdrażania AI opartego na LLMach i OpenCV głowił się lata "jak to wdrożyć"? Odpowiedzi teoretycznie są dwie: cloud i on prem. Po długich konsultacjach i podpisanych umowach rozwiązanie będzie on prem. Wszystko stanie w pewnym miejscu w naszym kraju.
Wkraczamy w kolejny etap konsultacji, czyli tworzenie zespołu. A właściwie (z mojej perspektywy), tworzenie planu, jak ma wyglądać zespół, żeby to działało. Jakie kompetencje są potrzebne na początku. Bo bądźmy szczerzy. On prem czy on site obecnie, to często coś zupełnie innego niż kilka lat temu. Akurat to on prem, które klient będzie miał, składać się będzie z 7(!) podmiotów dostarczających jakieś elementy całej układanki. By to stworzyć, trzeba sporo ludzi.
I nie, nie będą to stanowiska tylko dla Data Scientistów, AI Engineerów czy Researcherów. Klient najpierw ma rekrutować jednego bardzo mocnego gościa od AI, jednego od researchu AI, oni będą sobie dalej rekrutować pod siebie. I tyle w tej kwestii. Równolegle w planie są takie stanowiska, jak m.in:
Administrator systemów – wiadomo po co
Network Engineer – utrzymuje sieci komputerowe zapewniając łączność i wydajność
Database Administrator – zarządzanie bazami danych
Virtualization Engineer – konfig i zarządzanie vmkami
IT Security Specialist – wiadomo
DevOps Engineer – automatyzacja wdrożeń i monitorowania aplikacji łącząc rozwój z operacjami IT (czasem nazwa mlops,aiops itd)
Storage Administrator – systemy przechowywania danych
Data Center Manager – head data center, rola dla krawaciarza z backgroundem w danych
Software Engineer (s) – wstępne oprogramowanie wspierające operacje w centrum danych usprawniając zarządzanie
IT (AI) Consultant (s) – doradztwo w różnych obszarach, np ja robie za ai consultanta
Wszystkie one jednak muszą być walidowane pod względem AI. Jak jesteś sys adminem to cv do śmieci. Jak jesteś AI sys adminem, to dzwonią xd. Tzn, nie musisz być specjalistą od AI. Musisz wiedzieć po co Twoje stanowisko istnieje w szerszej infrastrukturze AI, jak można je usprawnić dzięki AI i ogólnie jak cały mechanizm działa na poziomie ogólnym.
Dobry przykład to devops. Dodajesz komponenty ai-related, zaczynając zarządzać jakąś platformą ai. Modele traktujesz jak apki, ale musisz rozumieć trochę z tego, co się w nich dzieje, by wiedzieć jak je obsługiwać, jakich tooli używać itd. I tak awansujesz. Stajesz się mlopsem. I dostosowujesz się do rynku. Tak samo z każdym innym, wymienionym stanowiskiem. Bazodanowiec używa text-to-sql, admin jakichś paneli stworzonych do analizowania przepływów ai-related jak n8n. Stanowiska ewoluują. I ludzie też muszą.
To żadna wielka filozofia. Jest hajp na AI. Trzeba na nim płynąć. Tylko tak da się teraz dalej korzystać z koniunktury. Mam ziomka, który pracuje w RPA. Robił te same workflowy w AA. Aż dostał ciekawy projekt, który jednak wymagał wiedzy z AI. Wepchali go tam, mówiąc, że się nauczy. I okazało się, że nawet nie musiał się wiele uczyć, bo RPA, które tam miał zrobić korzystało z jakiegoś toola, który był prawie identyczny, jak AA, tylko miał pod spodem langchain. I teraz jest AI RPA Devem. AI to teraz morze hajsu. Wszyscy to chcą, wszyscy za to zapłacą, nawet jeśli i tak nie zrozumieją, co dzięki temu zyskują. I z tego trzeba korzystać. Przepraszam, że trochę przydługo. Nie łamcie się. Będzie dobrze.
@Milo900: Tak. To jest tak komiczne, ze jak ostatnio mielismy w biurze spotkanie o paperach z ai i zaprosilismy goscia, to jakis krawaciarz krecil nosem na niego, bo mial phd z matmy a co matma ma wspolnego z ai
@JamesJoyce: masz do polecenia jakieś ksiązki, które zawierają swego rodzaju wprowadzenie do AI/ML i warto je przeczytać? wydaje mi się, że już kiedyś postowałeś taką listę, ale nie mogę się doszukać
@JamesJoyce nie bez powodu wszystkie korpo consultingowe mówią, że rynek AI ma rosnąć 30% rok do roku. Określanie AI jako „hype” to też trochę zabawne. Firmy już dziś widzą realne korzyści z sieci neuronowych, technologia rozwija się w niesamowitym tempie i ciężko znaleźć choć jeden, realny argument dlaczego „hype” miałby opaść
@tylkosieturozgladam: Ależ ja pracuję w AI. Jest AI i jest Hajp. I to są różne rzeczy. AI jako technologia nim nie jest. AI w oczach biznesu i inwestorów jest.
Dużo ludzi pyta: w co teraz iść w it, żeby mieć dobre warunki, sporo ofert pracy i stabilność? I mówię raczej o ludziach z jakimś expem komercyjnym.
@JamesJoyce: teraz trzeba jak najdłużej siedzieć w swojej działce, na której się znany, mocno się okopać i starać wytrwać jak najdłużej, gromadząc środki i wiedzę konieczną do przeskoczenia w fach, który można wykonywać na własną rękę - elektryk, monter pomp ciepła itp. Nie
mocno się okopać i starać wytrwać jak najdłużej, gromadząc środki i wiedzę konieczną do przeskoczenia w fach, który można wykonywać na własną rękę - elektryk, monter pomp ciepła itp.
Nie ma sensu zmieniać całkowicie swojego fachu w obrębie IT mając prawie 40 lat, bo jest ageism i młode wilki i tak nas wygryzą.
@Romska_Palo_Ul_Laputa: Ja bym dał inną radę - zarabiać jak najwięcej kasy w krótkim czasie - pokupować etfy,
@tubkas12: dokładnie tak. Ja ledwo 36 lat, ale już po sobie widzę, że mózg nie ten co w młodości, czasu i sił mniej. Jakbym miał się od nowa fachu uczyć, to w tym wieku już czegoś o niższym progu wejścia, nawet kosztem lekkiego obniżenia zarobków.
Mała anegdotka. Dużo ludzi pyta: w co teraz iść w it, żeby mieć dobre warunki, sporo ofert pracy i stabilność? I mówię raczej o ludziach z jakimś expem komercyjnym. Odpowiedź (tadam) brzmi: AI i wszelką analizę danych/Big Data/Data Engineering itd.
Tak, to prawda. Ale dlaczego? Ilu przecież może być Data Scientistów czy AI Engineerów? Bo to bańka, tak ogromna, jakiej jeszcze nie widziałem na oczy.
Może anegdota dobrze zobrazuje, o co mi chodzi. Nowy klient, dla którego robię plan wdrażania AI opartego na LLMach i OpenCV głowił się lata "jak to wdrożyć"? Odpowiedzi teoretycznie są dwie: cloud i on prem. Po długich konsultacjach i podpisanych umowach rozwiązanie będzie on prem. Wszystko stanie w pewnym miejscu w naszym kraju.
Wkraczamy w kolejny etap konsultacji, czyli tworzenie zespołu. A właściwie (z mojej perspektywy), tworzenie planu, jak ma wyglądać zespół, żeby to działało. Jakie kompetencje są potrzebne na początku. Bo bądźmy szczerzy. On prem czy on site obecnie, to często coś zupełnie innego niż kilka lat temu. Akurat to on prem, które klient będzie miał, składać się będzie z 7(!) podmiotów dostarczających jakieś elementy całej układanki. By to stworzyć, trzeba sporo ludzi.
I nie, nie będą to stanowiska tylko dla Data Scientistów, AI Engineerów czy Researcherów. Klient najpierw ma rekrutować jednego bardzo mocnego gościa od AI, jednego od researchu AI, oni będą sobie dalej rekrutować pod siebie. I tyle w tej kwestii. Równolegle w planie są takie stanowiska, jak m.in:
Administrator systemów – wiadomo po co
Network Engineer – utrzymuje sieci komputerowe zapewniając łączność i wydajność
Database Administrator – zarządzanie bazami danych
Virtualization Engineer – konfig i zarządzanie vmkami
IT Security Specialist – wiadomo
DevOps Engineer – automatyzacja wdrożeń i monitorowania aplikacji łącząc rozwój z operacjami IT (czasem nazwa mlops,aiops itd)
Storage Administrator – systemy przechowywania danych
Data Center Manager – head data center, rola dla krawaciarza z backgroundem w danych
Software Engineer (s) – wstępne oprogramowanie wspierające operacje w centrum danych usprawniając zarządzanie
IT (AI) Consultant (s) – doradztwo w różnych obszarach, np ja robie za ai consultanta
Wszystkie one jednak muszą być walidowane pod względem AI. Jak jesteś sys adminem to cv do śmieci. Jak jesteś AI sys adminem, to dzwonią xd. Tzn, nie musisz być specjalistą od AI. Musisz wiedzieć po co Twoje stanowisko istnieje w szerszej infrastrukturze AI, jak można je usprawnić dzięki AI i ogólnie jak cały mechanizm działa na poziomie ogólnym.
Dobry przykład to devops. Dodajesz komponenty ai-related, zaczynając zarządzać jakąś platformą ai. Modele traktujesz jak apki, ale musisz rozumieć trochę z tego, co się w nich dzieje, by wiedzieć jak je obsługiwać, jakich tooli używać itd. I tak awansujesz. Stajesz się mlopsem. I dostosowujesz się do rynku. Tak samo z każdym innym, wymienionym stanowiskiem. Bazodanowiec używa text-to-sql, admin jakichś paneli stworzonych do analizowania przepływów ai-related jak n8n. Stanowiska ewoluują. I ludzie też muszą.
To żadna wielka filozofia. Jest hajp na AI. Trzeba na nim płynąć. Tylko tak da się teraz dalej korzystać z koniunktury. Mam ziomka, który pracuje w RPA. Robił te same workflowy w AA. Aż dostał ciekawy projekt, który jednak wymagał wiedzy z AI. Wepchali go tam, mówiąc, że się nauczy. I okazało się, że nawet nie musiał się wiele uczyć, bo RPA, które tam miał zrobić korzystało z jakiegoś toola, który był prawie identyczny, jak AA, tylko miał pod spodem langchain. I teraz jest AI RPA Devem. AI to teraz morze hajsu. Wszyscy to chcą, wszyscy za to zapłacą, nawet jeśli i tak nie zrozumieją, co dzięki temu zyskują. I z tego trzeba korzystać. Przepraszam, że trochę przydługo. Nie łamcie się. Będzie dobrze.
Niedlugo beda ludzie fronted React AI, albo Java AI developers, i kółko s----------a bedzie sie dalej toczyć.
Cos dla totalnego swiezaka w tych tematach.
Na razie zaczynam od algorytmow.
źródło: temp_file5572180042911296028
Pobierz@JamesJoyce: i z mudżynami pracuje?
@JamesJoyce: teraz trzeba jak najdłużej siedzieć w swojej działce, na której się znany, mocno się okopać i starać wytrwać jak najdłużej, gromadząc środki i wiedzę konieczną do przeskoczenia w fach, który można wykonywać na własną rękę - elektryk, monter pomp ciepła itp.
Nie
@Romska_Palo_Ul_Laputa: Ja bym dał inną radę - zarabiać jak najwięcej kasy w krótkim czasie - pokupować etfy,