AI Engineer - co robi, ile zarabia, jak nim zostać?

Takie serwisy jak YouTube, czy Netflix, czy Spotify na potęgę używają Machine Learningu. No i tutaj główną rolą, która w tym pomaga jest Machine Learning Engineer. AI Engineer nie jest też Data Scientistem, czyli kimś kto przygotowuje jakiś model, robi bardzo skomplikowane obliczenia. Nie jest też Prompt Ingenierem, czyli kimś kto po prostu pisze prompty. Jest to rola troszeczkę inna. AI Engineer Ma sprawić, że model wskazany, wybrany przez nas bądź wybrany w danym kontekście, dostanie jakiś input i da output, który pomaga firmie działać, pomaga firmie zarabiać. To brzmi na bardzo prostą rzecz, bo możesz się wydawać, że w zasadzie to ty również jesteś swego rodzaju AI Ingenierem, pisz, dasz o coś Claude'a, Groka albo Chata GPT i on ci daje jakiś tam output no i pomaga ci robić rzeczy, które potrzebujesz.

Natomiast musisz sobie wyobrazić, że w firmie mamy dziesiątki narzędzi, dziesiątki instrukcji, bazy wiedzy i to nie może polegać po prostu na wygenerowaniu tekstu, tylko na stworzeniu prawdziwego produktu de facto, który jest po drugiej stronie. Czyli mamy do czynienia z całym procesem, który AI Engineer Projektuje. Główną częścią tego procesu jest AI, ale zaprojektowanie tego tak, żeby to było skuteczne, powtarzalne, bezpieczne, sensowne i optymalne, jeżeli chodzi o koszty, jest naprawdę trudnym zadaniem. No i tym zadaniem zajmuje się właśnie AI Engineer. Jeżeli myślisz o przebranżowieniu, chcesz zmienić poradcę albo poprawić swoje umiejętności, albo przekonać się, czy analiza danych jest dla Ciebie, to zachęcam Cię do KajoData Space.

Jest to kompleksowy program, który ma wszystkie moje kursy. Wszystko jest w jednym miejscu, więc kursy z Excela, Power Query, Power BI, Tableau, Pythona, wszystko absolutnie w jednym miejscu. Do tego olbrzymia społeczność zaangażowanych ludzi, plus mój mentoring, plus nagrania i webinary z mnóstwem ekspertów, naprawdę Ogrom wiedzy i takie jedno miejsce, które powinno Ci wystarczyć, żebyś mógł znaleźć lepszą pracę, lepszą ścieżkę zawodową. Mieliśmy też już mnóstwo historii ludzi, którzy naprawdę zmienili pracę albo dostali awans, albo po prostu kompletnie się przebranżowili i to nawet w dosyć niesprzyjających okolicznościach, więc gorąco Cię zachęcam, daj sobie szansę na rozwój i wbijaj na kajodata.com.

Jest tego bardzo dużo i o Ragu będzie osobny odcinek. Chciałbym tutaj tylko zaznaczyć, że to jest np. jedna z rzeczy, którą AI Engineer musi dość dobrze opanować. Kolejna rzecz, którą już trochę wspomniałem, to ebendingi w bazy wektorowe. Dlatego, że jak się domyślasz, bo komputer nie zapisuje przecież słów, komputer korzysta z liczb, ale tutaj wchodzimy na jeszcze wyższy poziom. Dlaczego? Dlatego, że chodzi o to, że ja mogę zapytać o coś na dwa sposoby. Mogę pytać o odzyskaniu pieniędzy albo mówić o procedurze zwrotu. To są dokładnie dwie te same rzeczy. Użyłem różnych słów, a jeżeli zadam je modelowi AI, to on powinien wiedzieć, że te rzeczy są mniej więcej w tym samym miejscu.

Cała praca nad promptingiem i praca nad plikami, które są w kontekście i ich takie cyzelowanie doprowadza do tego, że niejednokrotnie lepiej by nam było, gdybyśmy coś po prostu sami wprost napisali w różnego rodzaju stwierdzeniach if. Ostatnim elementem, który chcę tutaj wspomnieć, który jest jakby częścią takiej pracy Ingeniera, są dwie rzeczy. Jedna to jest Structured Outputs, a druga to jest Tool Calling. Structured Outputs trochę nawiązuje do promptingu, ponieważ my często chcemy dostać właśnie output z tego promptingu, Który dostajemy w konkretnym formacie. Tutaj pięknym przykładem jest JSON, który pozwala nam na obrobienie tych danych tak, że możemy je przekazać dalej do aplikacji, która zrobi coś z nimi w powtarzalny i przewidywany sposób.