Сколько зарабатывает специалист по ИИ в России

Зарплата специалиста по искусственному интеллекту в России, по данным HeadHunter на начало 2018 года, составила около 190 тысяч рублей. Это вдвое больше, чем средняя зарплата в IT, которая на тот момент равнялась примерно 90 тысячам рублей. К концу третьего квартала она почти не изменилась.

Самой перспективной сферой в 2018 году остается Big Data: экспертам в этой области предлагают зарплату в районе 200 тысяч рублей. Специалистам по машинному обучению — около 180 тысяч, в области нейронных сетей — больше чем 140 тысяч.

Число вакансий в каждой из этих областей растет быстрее количества резюме — это характерно для ситуации с кадрами в IT в целом. По данным исследования ФРИИ, к 2027 году в России будет не хватать порядка 2 миллионов IT-специалистов.

В числе самых востребованных направлений, по прогнозу ФРИИ, к этому времени окажутся искусственный интеллект, машинное обучение, аналитика больших данных, компьютерное зрение и дополненная реальность.

С чего начинать:

Только 30% специалистов, работающих в сфере ИИ, изучали машинное обучение или большие данные в университете. Об этом свидетельствуют итоги опроса 16 тысяч пользователей Kaggle, проведенного в конце прошлого года. Более половины (66%) всех респондентов считают себя самоучками: для изучения новых дисциплин они использовали различные курсы.

Выделяют четыре основных типа курсов на российском образовательном рынке:

• короткие курсы про роль ИИ в бизнесе— для руководителей, которым надо получить первое знакомство с предметом;
• узкоспециализированные курсы типа «Распознавание изображений за пять часов» — для тех, кто хочет отработать конкретные навыки;
• классические университетские — для тех, кто хочет получить детальное понимание всех алгоритмов и научиться самостоятельно программировать нейронные сети;
• длительные спецкурсы для дата-сайентистов — для тех, кто хочет получить новую специализацию и полностью сменить работу после обучения (такие курсы длятся не менее нескольких месяцев).

У каждого типа курсов есть свои недостатки. Курсы для руководителей, например, хороши для того, чтобы вкратце ознакомиться с лучшими практиками в сфере искусственного интеллекта, но не дают цельной картины и общего понимания всех возможностей ИИ и его ограничений.

Та же проблема с узкоспециализированными курсами: они не позволяют сформировать у слушателя понимание фундаментальных принципов работы ИИ. Слушатель может освоить отдельные практические навыки, но технологии устаревают раз в полгода, и навыки — вместе с ними.

Классические университетские курсы для новичков могут быть слишком сложными: здесь придется вспомнить забытые разделы математики. Будущим дата-сайентистам, кроме этого, обычно надо иметь хорошие навыки программирования.

Для разработчиков, которые хотят разобраться, как и для чего можно использовать ИИ в их компании, лучше всего подойдет не слишком долгий, но интенсивный курс, который позволит научиться решать типовые задачи.

• типовые задачи, решаемые предобученными когнитивными сервисами;
• создание простейшего разговорного ИИ;
• классические задачи машинного обучения (предсказание спроса, предиктивная аналитика и т. д.);
• работа с изображениями (классификация, обнаружение объектов) и видео
• работа с текстом и естественным языком (классификация, генерация и т. д.).

После этого слушатель уже может решить, надо ли ему получать дополнительные знания, чтобы научиться решать более необычные задачи.

По словам Сошникова, прохождение курса не приведет к моментальному повышению зарплаты, но это сделает специалиста более привлекательным для рынка труда. А это уже позволит как требовать повышения от текущего работодателя, так и искать другие возможности. Тут уже все зависит от самого человека.

Страх первый: я не смогу найти работу с достойной зарплатой

Этот вопрос особенно актуален для состоявшихся специалистов, которые довольны своим стабильным доходом. Им просто интересна область ИИ. Но для того, чтобы поменять карьерный вектор, нужно переучиться. Это потребует и время, и финансы. Возникает вопрос: «А смогу ли я найти работу с не меньшей (желательно, и большей) зарплатой?».

Проблема в том, что никто не сможет заранее ответить на этот вопрос: специалисты в области ИИ, машинного обучения и data science зарабатывают по-разному в зависимости от опыта, стажа, навыков, мастерства, уровня поставленных задач и конкретной компании.

По данным hh.ru, разброс составляет от 75 до 300 тыс. рублей. Для сравнения, средняя зарплата мобайл-разработчика — 114 тыс., программиста Python — 105 тыс., программиста iOS — 100 тыс. Зарплата новичка без опыта работы будет, конечно, немного ниже, чем в целом по отрасли. Но зато и перспективы дальнейшего роста шире.

Страх потерять доход тесно связан с боязнью не найти работу вообще. А это, в свою очередь, относится напрямую к мифу об ограниченности внедрения систем ИИ в экономике. Судя по информационному полю, создается впечатление, что ИИ в России использует только с десяток ведущих ИТ-компаний вроде «Яндекса», Mail.Ru Group, «МегаФона», МТС, «Билайна», Теле2, ABBYY и Сбербанка. Понятно, что требования к кандидатам там запредельны, туда очень сложно устроиться на работу.

ИТ-гиганты являются флагманами внедрения инноваций. На этом строятся их имидж и последовательная PR-поддержка. На самом деле возможности для трудоустройства гораздо шире. Элементы ИИ и data science сегодня используются повсеместно.

Есть еще множество примеров различных ниш, это и офлайн-сети, которым нужны алгоритмы поиска отзывов в интернете, и медицина, где ИИ уже анализирует снимки, и маркетинговые компании, где нужно обрабатывать массивы видеоданных. Во всех этих сферах реализуются задачи различной сложности. Новичку, только закончившему обучение, нужно начинать с более простых вещей: например, заниматься обработкой баз данных. Банки подходят идеально — они накапливают огромное количество информации, складывающейся из заявок, анкет, сведений о клиентах. Эти данные нуждаются в очистке, разработке приемлемых форм хранения и передачи. А затем в дата-майнинге — поиске признаков, на основе которых можно построить какую-то полезную модель. Неопытному специалисту такая работа может дать мощный старт. Чтобы набить руку, нужно от шести до 12 месяцев. После этого можно пробовать свои силы в более сложных задачах, например, применять алгоритмы ИИ на средних и больших данных.

Страх второй: я не смогу осилить высшую математику

Компетенции ИИ-программистов складываются из трех блоков: высшая математика, программирование и предметная сфера. Последнее зависит от профиля организации. Учиться специально в этой области, как правило, не обязательно. Достаточный для занимаемой должности уровень знаний (например, в маркетинге или финансах) кандидат получает в ходе испытательного срока.

С программированием все понятно — новички учатся охотно и с удовольствием. Для работающих профессионалов материал не представляет сложности: базовые знания уже есть, нужно только «добрать» недостающие навыки — языки, библиотеки, софт. А вот с высшей математикой все сложнее. В основном именно она отпугивает людей с дипломами гуманитариев или тех технарей, которые в вузе получили «психологическую травму» от бесконечной сдачи-пересдачи экзаменов по точным наукам.

«Если изобретение с ИИ не приносит пользу, сам продукт никому не нужен»

Этот страх можно назвать беспочвенным. Специалист по ИИ вовсе не обязан быть математическим гением. В область компетенции входит лишь небольшая часть линейной алгебры, определенные сферы матанализа и теории вероятностей, а также статистика. Точно таким же образом происходит подготовка в программировании: отнюдь не тотальный объем знаний, а только его часть — в частности, языки Python, C, C++, язык запросов SQL и Linux.

Страх третий: я не смогу конкурировать с выпускниками физмата

Эта боязнь присуща тем, кто не имеет диплома о высшем образовании либо имеет его совершенно в другой области. Но практика показывает, что в сфере программирования никто не обращает внимания на какие-либо регалии. Людей с дипломами много, а вот компетентных специалистов — нет.

Есть два типа кандидатов, которые обычно заваливают собеседования на должность ИИ программиста.

Разработчики, у которых плохо с математикой. Кандидат может делать шикарные интерфейсы, но для работы с нейронными сетями и большими данными ему нужна математика. От этого никуда не деться. Такой специалист может освоить требуемый объем знаний в течение года. Например, на онлайн-курсах.

Математики или научные работники, профессиональные статистики, у которых недостаточно навыков в программировании. Они понимают алгоритмы ИИ, знают матанализ, теорию вероятностей и линейную алгебру, но не в состоянии выполнить тестовое задание средней сложности. Кандидат может иметь научную степень, но допускает грубейшие ошибки при написании кода. Таким специалистам нужно учиться год-полтора, чтобы закрыть пробелы в знаниях. Лучше это делать на продвинутых курсах, так как в вузах не дают достаточных навыков программирования и часто проводят обучение с использованием устаревших языков.

Таким образом, выпускники физмата и даже кандидаты наук не имеют никакого автоматического преимущества перед обычным разработчиком, будь он хоть трижды гуманитарий.

HR-специалисты самых топовых ИТ-гигантов сбиваются с ног в поисках таких эрудированных кандидатов со знанием английского языка. Если находят такого, то последнее, что они делают, это проверяют его диплом о высшем образовании. Рынок труда наводнен специалистами с однобокой подготовкой, а потому шиковать компаниям не приходится.

Три вещи, которые нужно сделать, чтобы построить успешную карьеру в сфере ИИ

Освоить адекватную программу, которая даст самые «свежие» навыки программирования и точную выборку знаний из высшей математики. Это можно сделать на очных или онлайн-курсах. Главное — убедиться, что выпускники таких курсов успешно устраиваются и работают. Можно учиться самостоятельно по заранее составленной программе. Но потребуется огромная сила воли и самодисциплина, а лучше — опытный наставник.

Пройти стажировку в срок до года. В компании, где можно отточить навыки и набить руку, работая с базами данных и занимаясь дата-майнингом.

Заниматься постоянным анализом отраслей экономики на предмет инноваций в сфере ИИ, а не просто слать резюме в «звездные» компании. Да, работать в Googlе — это круто. ИТ-гиганты занимаются наукой, решают фундаментальные проблемы. Однако нужно понимать, что каждый специалист в таких компаниях отвечает за узкий участок работы. Программист не будет сегодня писать код для автомобиля-беспилотника, а завтра придумывать новую криптовалюту. Он будет выполнять ограниченный набор функций. В этом смысле стартовые позиции в высокотехнологичной корпорации не отличаются от стартовых позиций в каком-нибудь банке или маркетинговом агентстве.