Привет, я Джагадиш, и я работаю инженером по машинному обучению в Бангалоре, Индия.

В основном я работал над созданием систем машинного обучения в облачной инфраструктуре. Мне интересно читать блоги, статьи, исследовательские работы и слушать подкасты о последних технологиях и достижениях в науке, чтобы быть в курсе. Мои увлечения включают чтение романов, мобильную фотографию и походы.

Кем вы хотели стать, когда вырастете?

У меня всегда было глубокое увлечение наукой и математикой. Я стремился стать учителем физики, и на это желание большое влияние оказал замечательный Ричард Фейнман.

Можете ли вы немного рассказать нам о себе?

Я получил степень бакалавра в области машиностроения, хотя в учебе не занимался программированием или наукой о данных. Несмотря на это, у меня был сильный интерес к обоим предметам.

Мой карьерный путь начался в качестве инженера DevOps, и именно счастливая случайность привела меня к науке о данных. Во время сотрудничества с командой Data Science по развертыванию и масштабированию моделей для проекта меня попросили взять на себя вакантную роль Data Scientist наряду с моими обязанностями DevOps. Приняв вызов, я начал работать в обеих областях, и это слияние в конечном итоге превратилось в MLOps (тогда MLOps только появились из влиятельной статьи под названием Скрытый технический долг в системах машинного обучения). Это путешествие включало в себя широкий спектр задач, от создания конвейеров Airflow и Dockerfiles до освоения настройки гиперпараметров для моделей классификации.

Какая у вас специализация DS и как долго вы этим занимаетесь?

Моя специальность в области науки о данных — инженерия машинного обучения и MLOps. Работаю в MLOps уже 7 лет.

Что вы делаете изо дня в день?

Как инженер по машинному обучению, я сосредоточен на двух областях: работа над назначенными проектами и выполнение внутренних задач, которые способствуют эффективности нашей команды. Эти внутренние задачи включают в себя создание общей панели мониторинга модели, позволяющей нам визуализировать производительность модели, и разработку повторно используемого шаблона MLOps, который включает в себя лучшие стандарты и практики.

Мой обычный день начинается с проверки электронной почты и сообщений, чтобы быть в курсе любых новых событий. Затем я просматриваю свою доску Jira, чтобы определить ожидающие задачи, и просматриваю свой календарь на наличие запланированных встреч, что позволяет мне соответствующим образом планировать и корректировать свое время. Кроме того, я еженедельно совещаюсь один на один со своим непосредственным руководителем, во время которого мы обсуждаем приоритеты и разбиваем их на ежедневные и еженедельные задачи для беспрепятственного прогресса.

Наша работа запланирована 15-дневными спринтами внутри проектной команды. Мы выбираем задачи из бэклога на основе их приоритета и достижимости в рамках спринта. И завершите спринт обзором и ретроспективой. На протяжении всего спринта я тесно сотрудничаю с инженерами данных, специалистами по данным и владельцем продукта над задачами автоматизации системы машинного обучения. Нашей основной целью является автоматизация MLOps, сокращение технических долгов и эффективное устранение ошибок после развертывания решений в рабочей среде.

Помимо обязанностей, связанных с конкретным проектом, я вношу вклад в группу ML Engineering. Это включает в себя создание стандартов MLOps, разработку шаблонов и документирование лучших практик, которые могут быть приняты командой Data Science. Кроме того, я посвящаю время постоянному обучению, чтобы быть в курсе последних событий в динамичной области MLOps.

Как вы поддерживаете актуальность своих знаний?

Как инженер машинного обучения, я твердо привержен непрерывному обучению. В этой быстро развивающейся области очень важно быть в курсе последних достижений и тенденций. Для этого я копаюсь в научных статьях, блогах и посещаю семинары. Я также внимательно слежу за работой выдающихся исследователей и активно взаимодействую с сообществом MLOps.

Сотрудничество является краеугольным камнем прогресса, и как команда мы поддерживаем тесные связи с лидерами отрасли, включая Microsoft и Databricks. Мы проводим еженедельные встречи для обмена идеями и обсуждения последних тенденций.

Ландшафт MLOps изобилует множеством инструментов, как на рынке, так и в сообществе с открытым исходным кодом. Как практик, я постоянно изучаю и оцениваю эти инструменты, чтобы определить наиболее подходящие для задач, с которыми я сталкиваюсь в своих проектах. Путем практических экспериментов я убеждаюсь, что у меня есть лучшие инструменты для выполнения поставленных задач.

Что бы вы посоветовали тем, кто хочет попробовать себя в этой области?

Я верю в силу обучения, делая, а не просто читая. MLOps — это многогранная дисциплина, в которой сочетаются принципы машинного обучения и разработки программного обеспечения. Чтобы преуспеть в этой области, необходимо овладеть искусством создания комплексных систем машинного обучения. Участвуя в практических занятиях, вы получаете бесценный опыт решения различных проблем, которые могут возникнуть.

Включение соответствующих журналов в систему имеет решающее значение, поскольку это помогает эффективно устранять потенциальные проблемы. Кроме того, документация играет жизненно важную роль в проектах, находящихся в производстве. Это не только приносит пользу команде, но и оказывается неоценимым для вас в будущем, когда вы будете пересматривать свой код позже.

Каково это работать в гибридной среде с международной командой в Haleon?

До сих пор это было невероятное путешествие. Работать с коллегами в трех разных часовых поясах (Индия, Великобритания, США и Китай) иногда может быть немного сложно, но нам удалось найти свой ритм. Сотрудничество с моими товарищами по команде было действительно обогащающим опытом. Мы расставляем приоритеты и уважаем ограничения часового пояса друг друга, обеспечивая бесперебойное общение и работу без каких-либо серьезных препятствий.

Будучи активным участником различных мероприятий в организации, я не только посещаю рабочие встречи, но и участвую во всех веселых мероприятиях, как виртуальных, так и лично, когда это возможно. Некоторые из этих захватывающих встреч включают в себя загрузку Data Science, Soundbites Data Office и GCC ACE Talks, где мы узнаем о различных проектах и ​​технологиях.

У нас еженедельная пятничная встреча за завтраком, на которой мы можем поболтать и пообщаться вне рабочих вопросов. Кроме того, наши сеансы кофейной рулетки позволяют нам встречаться и общаться с людьми из других отделов, расширяя нашу сеть внутри организации.