is de nieuwe ‘hot’ rol in de tech-scene, en veel mensen zijn wanhopig op zoek naar deze baan.
Ik zie zoveel berichten online waarin staat hoe je binnen een paar maanden een AI-ingenieur kunt worden.
Laat ik duidelijk zijn: iedereen die je vertelt dat je binnen zes maanden een AI-ingenieur kunt worden, verkoopt je een droom.
De realiteit is dat het langer zal duren, maar dat betekent niet dat je niet kunt proberen het proces te versnellen.
Als je nieuw bent hier, ik ben Egor. Ik werk als machine learning-ingenieur en ben ook loopbaancoach voor mensen die zich verdiepen in data, AI en machine learning.
Ik heb uit de eerste hand gezien wat werkt en wat tijdverspilling is.
Laten we erop ingaan!
Laten we duidelijk maken wat een AI-ingenieur precies is, aangezien er online veel verwarring bestaat.
Ik heb een apart artikel waarin de belangrijkste verschillen worden uitgelegd, maar in een notendop is een AI-ingenieur een software-ingenieur die gespecialiseerd is in het gebruik en de integratie van fundamentele GenAI-modellen zoals Claude, GPT, BERT en anderen.
Ze ‘bouwen’ deze modellen niet helemaal opnieuw zoals een datawetenschapper of machine learning-ingenieur; ze gebruiken ze eerder voor een specifiek doel.
Ze kunnen bijvoorbeeld een chatbot insluiten op een winkelwebsite om klanten te helpen sneller te vinden wat ze zoeken, of een codeerassistent toevoegen aan een IDE, zoals Cursor.
Omdat AI-ingenieurs gespecialiseerde software-ingenieurs zijn, moeten ze de fundamentele praktijken van software-engineering kennen en een sterke kennis hebben van AI-systemen.
Deze vaardigheden zijn zeldzaam, maar er is tegenwoordig veel vraag naar vanwege de hype rond AI. Het salaris van AI-ingenieurs is dus uiteraard erg hoog en veel bedrijven betalen volgens levels.fyi tussen de $200.000 en $300.000.
Zoals je kunt zien, is het een behoorlijk aantrekkelijke carrière met veel groeipotentieel. Laten we nu eens bekijken hoe u er precies een kunt worden.
Een ongelukkige realiteit is dat het buitengewoon moeilijk is om in te breken in AI-engineering zonder enige eerdere ervaring.
Dit komt omdat het beroep voldoende expertise vereist op het gebied van data, machinaal leren, software-engineering en uiteraard AI.
Daarom moet je minimaal een jaar datawetenschapper of software-ingenieur worden voordat je erover nadenkt om AI-ingenieur te worden.
Of je datawetenschapper of software-ingenieur wordt, hangt af van jou en je achtergrond.
Persoonlijk raad ik echter aan om eerst als software-ingenieur te beginnen, omdat dit nauwer verband houdt met de rol van AI-ingenieur.
Je hoeft mij ook niet op mijn woord te geloven; Greg Brockman (OpenAI CTO) is het er ook mee eens dat het beter is om eerst een software-ingenieur te zijn en dan je AI/ML-kennis te verbeteren.
Als software-ingenieur moet u zich inspannen om de tools en technologieën te leren die nodig zijn om een AI-ingenieur te worden, waaronder:
- Python — Het hele AI/ML-ecosysteem is gebouwd in Python, dus je zou solide productiecode in deze taal moeten kunnen schrijven.
- SQL —AI draait om data en SQL is de taal van data.
- Hulpmiddelen voor softwareontwikkeling — Moet dingen weten zoals gitvoor versiebeheer, zsh/bashenbasisbeginselen en begrip van hoe te maken en te gebruiken API’s .
- Systeemontwerptechnologieën — Het AI-systeem dat u uiteindelijk gaat bouwen, zal moeten worden geschaald, en u zult het waarschijnlijk op cloudplatforms inzetten AWS, Azuur , GCPmet behulp van hulpmiddelen zoals DokwerkerEn Kubernetes.
Bronnen
Tijdlijn
De tijdlijn hangt af van hoe lang het duurt voordat u een baan in software-engineering of datawetenschap krijgt.
Praktisch gezien: als je een STEM-achtergrond hebt met enige gedegen kennis, en je jezelf echt toepast, kun je in ongeveer 6 maanden een baan in deze functies bemachtigen.
Je moet dan ongeveer een jaar in deze rol blijven voordat je probeert de overstap naar AI-engineering te maken, om er zeker van te zijn dat je de basis onder de knie hebt.
Er zijn veel handleidingen online over hoe je je kunt verdiepen in software-engineering, en ik heb verschillende routekaarten om datawetenschapper te worden die je ook kunt bekijken.
Naast je fulltime werk als software-ingenieur, moet je jezelf bijscholen in de basisprincipes van AI/ML om ervoor te zorgen dat je snel vooruitgang boekt op je reis.
Je hoeft zeker geen doctoraat in wiskunde te hebben, omdat je deze modellen niet helemaal opnieuw gaat bouwen, maar het geeft je achtergronddetails om op een later tijdstip dieper in meer geavanceerde onderwerpen te duiken.
Dit zijn de dingen die je moet weten:
- Basisbeginselen van wiskunde —Een gedegen overzicht van statistiek, waarschijnlijkheid, lineaire algebra en calculus zal u helpen begrijpen wat er onder de motorkap gebeurt.
- Begeleid leren —Weet hoe de basisalgoritmen zoals lineaire regressie, beslissingsbomen en ondersteunende vectormachines werken.
- Ongecontroleerd leren —Weet hoe de basisalgoritmen zoals K-Means en K-Nearest-Neighbour werken.
- Neurale netwerken —Dit vormen de ruggengraat van LLM’s, en als je een goed begrip hebt van onderwerpen als backpropagation, verdwijnende gradiënten en activeringsfuncties, kun je in de toekomst AI-modellen sneller debuggen.
- Basisprincipes van LLM’s —Ook al bouw je LLM’s niet helemaal opnieuw op, je zult er elke dag mee werken, dus het is goed om enige kennis te hebben over hoe ze werken. U moet meer leren over gebieden zoals transformatoren, auto-encoders, tokenisatie en inbedding.
Bronnen
Tijdlijn
Het leren van de grondbeginselen zal afhangen van hoe lang je precies studeert terwijl je werkt als datawetenschapper/software-ingenieur.
Het advies is om deze concepten zoveel mogelijk in uw dagelijkse werk te integreren.
Als ik dit allemaal buiten werktijd zou bestuderen, zou ik verwachten dat het 3 tot 6 maanden zou duren als je jezelf aanmeldt.
Op dit punt is het tijd om dieper in te gaan op de specifieke concepten en ideeën die je als AI-ingenieur in de echte wereld gaat gebruiken.
Dit vakgebied evolueert snel en elke maand valt er iets nieuws te leren. Ik zal hier de tijdloze basisprincipes opsommen, omdat deze veruit het belangrijkst zijn.
- AI API’s– Diensten zoals De API van OpenAI laat u krachtige modellen integreren zonder dat u ze zelf hoeft te bouwen. Dit is de snelste manier om echte applicaties met AI-mogelijkheden te bouwen.
- Snelle techniek— Effectief leren communiceren met AI-modellen is een cruciale vaardigheid. Goed opgestelde aanwijzingen kunnen de modeluitvoer dramatisch verbeteren en zijn essentieel voor het verkrijgen van consistente resultaten.
- Verbeterde generatie ophalen (VOD)– Begrijp hoe u verbinding kunt maken met LLM’s met externe databases zoals Dennenappelen gebruik gerelateerde informatie om de nauwkeurigheid van de reacties van het AI-model te verbeteren.
- Modelcontextprotocol (MCP) — De gestandaardiseerde manier om uw AI-modellen te verbinden met externe applicaties zoals bestanden, servers en andere apps.
- LangChain—Dit is het beste pakket voor het werken met AI-modellen in Python. Het biedt alle architectuur die u nodig hebt om LLM’s naadloos te bouwen en te verbinden.
- Fijnafstelling—Begrijp hoe u de prestaties van een AI-model kunt verbeteren door het te trainen op specifieke gegevens, zodat het beter kan reageren en output kan geven voor een bepaalde gebruikssituatie.
Bronnen
Tijdlijn
Het leren van deze concepten zal iets minder tijd kosten dan het leren van de basisbeginselen van AI/ML, omdat er minder materiaal te behandelen is.
Ik verwacht dat het ongeveer 2 à 3 maanden zou duren om alles op een goed niveau te leren.
Er bestaat veel verwarring over welke projecten je moet bouwen om een baan in AI-engineering te krijgen
Simpel gezegd: de beste projecten zijn projecten die intrinsiek motiverend voor u zijn en waar ook een bepaalde eindgebruiker of klant baat bij heeft.
Dit zijn de stappen op hoog niveau:
- Idee— Brainstorm over ideeën en onderwerpen die persoonlijk voor u zijn en een probleem zijn dat u wilt oplossen. Dit moet voortkomen uit uw eigen gedachten en onderzoek; kijk niet online en vraag mensen zoals ik niet om projectideeën. Alles wat ik je geef, zal onmiddellijk een slecht project voor je zijn.
- Gegevens– Vind nieuwe en opwindende gegevens met behulp van openbare API’s, overheidswebsites, webscraping, enz. Je wilt de rommelige gegevens repliceren die je in de echte wereld tegenkomt.
- Aanwenden— U moet uw vermogen laten zien om AI-systemen end-to-end in te zetten. Dit omvat gegevensopslag, gegevensopschoning, modelverbinding en enige integratie aan de voorkant via een API of zelfs een webapp. Het werk dat je als fulltime AI-ingenieur gaat doen, moet zo goed mogelijk aansluiten.
- Document— Niemand zal van uw project op de hoogte zijn als u de mensen er niet over vertelt. Plaats een LinkedIn-post, schrijf een blogartikel en voeg deze toe aan je portfolio. Zorg ervoor dat uw project een duidelijke, goed georganiseerde README op GitHub heeft, zodat mensen het zelf kunnen testen. Deel uw werk zoveel mogelijk, omdat dit uw kansen vergroot om gezien te worden door potentiële werkgevers.
Tijdlijn
Het creëren van goede projecten en het opbouwen van een solide portfolio zal tijd vergen. Idealiter zou u twee topprojecten moeten bouwen die in totaal ongeveer 3 maanden in beslag nemen. Hierbij wordt ervan uitgegaan dat u 1 uur per dag kunt besteden aan het bouwen hiervan.
Dit kan een heel bericht op zichzelf zijn, maar laat me je het hoge niveau 80/20 geven van wat je zou moeten doen:
Cv
Om een goed CV te schrijven, moet je ervoor zorgen dat alles specifiek over AI-engineering gaat:
- Beschik over uw technische vaardigheden aan de top met relevante tools en technologieën voor AI-engineeringrollen.
- Maak uw projecten duidelijk zichtbaar met cijfers, cijfers en vooral de financiële impact.
- Houd het simpel: neutrale kleuren, één kolom, gemakkelijk leesbare lettertypen en slechts een pagina lang.
- Vermeld uw relevante ervaring als software-ingenieur of datawetenschapper.
Ik heb een volledig artikel over hoe je een geweldig CV kunt maken dat je hieronder kunt bekijken, evenals een kant-en-klaar sjabloon dat je kunt gebruiken.
Maak op uw LinkedIn-profiel duidelijk dat u voor AI-engineeringfuncties gaat:
- Uw kop moet ‘AI Engineer’ bevatten, geen ‘aspirant’ alstublieft. Wie zou bijvoorbeeld een ‘aspirant’-tandarts willen inhuren?
- Neem trefwoorden op in de secties ‘Over mij’ en ‘Ervaring’, maar voeg ze organisch toe en schrijf geen alinea’s.
- Maak uw profiel esthetisch met een duidelijke foto en een mooie banner. Dit maakt een groter verschil dan je denkt.
Verwijzingen en netwerken
De meeste mensen denken dat ze heel veel projecten moeten bouwen en eindeloze cursussen moeten volgen om op te vallen en een baan te krijgen.
Dat is totale tijdverspilling.
Verwijzingen zijn het gouden ticket voor elke technische baan.
Volgens een onderzoek zijn verwijzingen goed voor 7% van de sollicitaties, maar voor 40% van alle aanwervingen. Als je wordt doorverwezen, heb je bijna 6x meer kans om je droombaan te krijgen.
Die hefboomwerking is waanzinnig.
De manier waarop u een verwijzing krijgt, is eigenlijk vrij eenvoudig, en het enige dat u hiervoor nodig heeft, is enig vertrouwen van uw kant.
- Vind bedrijven die AI-ingenieurs inhuren of bedrijven waarvoor u graag zou willen werken.
- Blader door hun werknemers op LinkedIn en vind iemand die op u lijkt. Dit kan iemand zijn met dezelfde universiteit en achtergrond, idealiter ook een AI-ingenieur.
- Maak verbinding en stuur ze een DM met iets dat je leuk vond aan hun profiel, reis of iets persoonlijks. Vraag nooit om een verwijzing in het eerste bericht.
- Praat met ze en stel ze vragen over hun werk, projecten en alles wat ze leuk vinden.
- Na een paar berichten vraag je om een verwijzing of feedback op je cv.
Het proces is zo eenvoudig, het probleem is dat mensen gewoon te bang zijn om het te doen.
Ik heb echter nog nooit een slechte ervaring gehad, omdat je altijd leidt met een compliment of een opener over hen.
Mensen praten graag over zichzelf, en het enige wat je hoeft te doen is vriendelijk over te komen en te laten zien dat je in hen geïnteresseerd bent.
Tijdlijn
Het vinden van een baan kan erg variëren, en het kan soms ook een kwestie van geluk zijn. Door daadwerkelijk op verwijzingen in te gaan en afleiding door projecten en cursussen te vermijden, zou dit echter zes maanden moeten duren.
Dus om AI-ingenieur te worden, duurt het, optimistisch gezien, ongeveer twee jaar, maar je moet ook eerst een baan als software-ingenieur of datawetenschapper binnenhalen.
Dit lijkt misschien lang, maar deze functies zijn zeer bekwaam en betalen belachelijke salarissen. Je kunt niet verwachten dat je een paar cursussen doet en er meteen naar toe loopt.
Als je na het lezen van dit artikel echt een AI-ingenieur wilt worden, is dat geweldig!
Maar zoals ik net al zei, moet je eerst datawetenschapper worden. Gelukkig schreef ik in een van mijn eerdere artikelen precies de stappen die ik zou volgen als ik weer datawetenschapper zou worden.
Ik zie je daar!
Word lid van mijn gratis nieuwsbrief waar ik wekelijkse tips, inzichten en advies deel vanuit mijn ervaring als praktiserend datawetenschapper en machine learning-ingenieur. Bovendien krijg je als abonnee mijn GRATIS CV-sjabloon!
De gegevens uitdelen
Wekelijkse e-mails waarmee u uw eerste baan in de datawetenschap of machine learning kunt bemachtigennieuwsbrief.egorhowell.com
