22.8.22
7 мин. чтения
Education
AI

Как попасть в Huawei и вырасти из Junior в Middle: главное из интервью с Валентином Малых

Napoleon IT провели встречу в рамках проекта AI Talent Hub с одним из ведущих экспертов по обработке естественного языка, старшим научным сотрудником лаборатории Huawei «Noah's Ark» ― Валентином Малых.

Этой весной Университет ИТМО и Napoleon IT запустили новую образовательную технологию AI Talent Hub с перевернутым форматом подготовки из Junior в Middle специалистов по востребованной профессии Machine Learning Engineer. Мы подготовим более 700 высококвалифицированных инженеров по машинному обучению по задачам и кейсам более 30 компаний-партнеров к 2025 году. AI Talent Hub призван объединить таланты, ведущие ИТ-компании и экспертов из индустрии, чтобы обучить специалистов с инженерными, управленческими и гибкими навыками через практическую деятельность в рабочем процессе разработки AI-продуктов компаний.

Приглашенный спикер: Валентин Малых, старший научный сотрудник лаборатории Huawei Noah's Ark. Кандидат технических наук, ранее работал в Яндексе и ВКонтакте; во время работы в лаборатории глубокого обучения на Физтехе участвовал в создании библиотеки Deep Pavlov.

Мы часто рассказываем про идею и проект AI Talent Hub руководителям и тимлидам многих компаний. И каждый раз, упоминая, что подготовкой специалистов по обработке естественного языка занимается Валентин, слышим о том, что с этим человеком хочется пообщаться и поработать. Даже сильные эксперты, которые руководят большими командами по 20-30 человек, считают, что сотрудничество с Валентином ―  важный и ценный опыт.

Мы воспользовались возможностью задать интересующие вопросы о том, что будет с рынком технологий машинного обучения и обработки естественного языка, чем занимается компания Huawei и какие исследовательские и продуктовые задачи решает.

Интервью:

Начнем с рассказа о себе. Что бы ты хотел донести до начинающих разработчиков?

- Начну с того, о чем я хотел бы рассказать коллегам. До того, как прийти в Data Science, у меня был довольно длительный опыт работы вне больших данных, собственно самой темы еще в то время не существовало. Я начинал как системный администратор, потом работал программистом. Я 10 лет занимаюсь Data Science, и мне это нравится. За время работы в Data Science я защитил кандидатскую диссертацию на тему обработки естественного языка, ее можно прочитать в открытом доступе. Я рад, что к нашей области присоединяются люди, которые только-только собираются поступить в магистратуру и выйти на рынок труда. Начинающему разработчику советую прикладывать усилия, не бояться ошибаться и много работать, и все со временем получится. 

- Расскажи про свой опыт работы, какие инженерные задачи были перед тобой, как их решали, насколько это были передовые решения?  

- Начну с поисковика Спутник. Я пришел в проект еще до того, как он стал известен,  попал в отдел качества поиска. Там я прежде всего делал классификатор веб-страниц. После перешел в Яндекс, в команду Яндекс.Новостей, где занимался задачами ранжирования новостных кластеров это объединение новостей, которые описывают одно и то же событие.

После Яндекса я перешел на работу в лабораторию глубокого обучения на Физтехе. Нам выделили неплохой бюджет, и мы создали Deep Pavlov библиотеку для построения диалоговых агентов. В тот момент  я работал над устойчивыми векторными представлениями слов, о чем написал диссертацию.

После я работал во ВКонтакте в сфере прикладных исследований. Одна из задач у нас была снизить нагрузку на пользовательскую техподдержку. Один из способов это сделать – по заданному вопросу предсказать некоторую категорию из сборника часто задаваемых вопросов. Эта задача была решена достаточно примитивным методами без привлечения тяжелой артиллерии, но чего было вполне достаточно. Тогда я получил серьезный урок. Если вы что-то делаете, то начинайте с простого, потому что этого может оказаться достаточно.

Последние 3 года я работаю в Huawei в исследовательском подразделении с интересным названием «Noah's Ark». Говорят, наш основатель Жэнь Чжэнфэй когда-то посмотрел одноименный фильм. Ему очень понравилась идея Ноева ковчега, и он решил назвать так лабораторию, которая будет заниматься исследованиями. Мы занимаемся диалоговыми системами, вопросно-ответными системами, ранжированием для поисковика. У Huawei есть свой поисковик, называется Petal search. Дополнительно мы работаем над задачами применения методов NLP к текстам на языках программирования. 

Переходя в целом на рынок, где наши магистранты могут искать для себя возможности? Как ты сам оцениваешь потребность в кадрах на данный момент и в диапазоне 2-3 года, когда ребята окончат магистратуру?

-Прямо сейчас мы активно ищем людей в Петербурге и Москве. Я подозреваю, что потребность в кадрах сохранится. Сейчас она достаточно большая, потому что есть тенденция на развитие рынка. Я не думаю, что может что-то произойти и Data Science станет никому не нужным потребность в кадрах будет.

- Чаще всего ты решаешь задачи, связанные с обработкой языка,  какие из них ты считаешь наиболее востребованными? Кого почитать, или какие проекты, компании, open source библиотеки? Что внутри направления NLP наиболее востребовано? Что тебя вдохновляет?

-Относительно того, что самое интересное в NLP, лично мне нравится идея суммаризации. Помимо этого, основным фронтиром был и остается до сих пор машинный перевод это передний край NLP. Есть модели супер большие, показывающие какие-то серьезные продвижения по качеству по сравнению с маленькими. Сейчас большими моделями считаются те, в которых хотя бы есть пара сотен миллиардов параметров. Такие модели сейчас принято называть Foundation models, они развиваются в новые направления, например в сторону мультимодальности. Я думаю, что Foundation models будут все дальше проникать в нашу жизнь. Будем адаптироваться к их использованию и дистиллировать, чтобы они решали текущие задачи. Большую роль в NLP играют открытые библиотеки. Мне очень нравятся три библиотеки, которые HuggingFace последнее время выпускала: Transformers, Datasets, Evaluate. Они действительно полезны и удобны, рекомендую. Из инструментов есть интересная open source библиотека Stanza. Из русскоязычных мне лично очень нравится то, что делает мой товарищ Александр Кукушкин это проект Natasha. Еще из интересного, скоро будет конкурс от создателей Up Great ПРО//ЧТЕНИЕ про разметку медицинских данных. 

На что ты обращаешь внимание, когда собеседуешь в Huawei молодого начинающего junior специалиста, каким он должен быть?

- Junior это прежде всего человек, который знает базовые вещи. Никто не требует от джуна опыт, но он должен иметь понимание того, с чем придется работать. В нашей сфере это умение работать с трансформерами, понимание того, как они устроены, как их запускать и модифицировать, из чего они состоят. Также джуну необходимо знать, что было до трансформеров. Я сталкиваюсь с молодыми ребятами, которые знают и могут рассказать про трансформеры, но не знают ничего, что было до них. Нужно обязательно понимать, как область развивалась последние 40 50 лет, чтобы быстро и легко выполнить элементарные задачи, не используя трансформеры. Это принципиальный момент, который, к сожалению, многие не учитывают. 

Умение программировать в нашей области мастхэв. Если говорить непосредственно об обязанностях, то джуну можно поставить задачу, с которой он способен разобраться за приемлемое время. Никто не требует сразу самостоятельного освоения в задачах. Главное, чтобы человек задавал вопросы: где, что, как, куда смотреть и что делать для того, чтобы решить задачу. Не надо бояться быть джуном, все большие дяденьки с бородой когда-то были джунами. Главное —  не бояться ошибиться. Если вы думаете, что делаете что-то не так, то ничего страшного.  Просто скажите об этом своему тимлиду. Самое основное для джуна это знать базу и не бояться экспериментировать, задавать вопросы. Именно так и нарабатывают опыт. 

 - Возьмем конкретно Huawei, сколько в твоём подразделений требуется времени, чтобы junior разработчик мог стать middle?

- У нас джунов не очень много, работа с ними построена в формате летних и круглогодичных стажировок. Например, специалист проходит отбор и приступает к  летней стажировке. Мы берем его на три месяца на решение маленькой изолированной задачи. Не важно, успешно он решит задачу или нет. Задание может и  не решаться это совершенно нормально, главное взаимодействовать с ментором и остальной командой, чтобы у них было понимание, как человек работает. 

После трех месяцев тимлид делает оценку задачи и человека. После этого стажировка обычно продлевается. Джуну больше доверяют, ему дается участок работы, над которым он трудится. Если судить по ребятам, которые у нас приходили стажерами, то стандартно из джуна в мидла переходят за год. За это время сотрудник адаптируется и становится самостоятельной боевой единицей.

Ты не только профессионал, как ученый и верхнеуровневый исполнитель бизнес-задач, у тебя еще и серьезный опыт преподавания. Расскажи, почему для тебя важна образовательная сфера и какие выводы ты сделал за более 5 лет преподавания?

- Занимаясь образованием, я отдаю кармический долг. Я помню, как в самом начале карьеры на меня потратили время, со мной занимались ведущие специалисты, несмотря на то, что я был совершенно зеленый и задавал дурацкие вопросы. Люди не жалели свое время, чтобы дать мне образование, и я смог приносить пользу, поэтому считаю, что других людей тоже надо учить и давать им возможность обучаться. Научиться человек может исключительно сам, но если ему не давать возможности задавать вопросы, слушать лекции и семинары, то это сильно осложняет обучение.

За пять лет активного преподавания я понял, что невозможно рассказать все важные нововведения, которые происходят каждые полгода. Можно объяснить базу и осветить  свежие новости. Важно дать людям возможность попробовать свои силы, создать проект, может даже ошибиться, но обязательно дать обратную связь. В нашей области полезно, чтобы человек получил практический опыт применения тех моделей, про которые я буду рассказывать в течение ближайших нескольких месяцев. Очень важно, чтобы студент сам не боялся, пробовал на практике и понимал, насколько ему интересно. Бывает, что мой курс кому-то кажется скучным, это нормально. В такой ситуации можно, например, найти другое направление в Data Science, но при этом получить базу. Надо брать максимум из той возможности, что у вас есть.

Расскажи про то, как для тебя видится идеальный ментор, эксперт, который может помочь человеку вырасти профессионально?

- В идеале у ментора всегда должно быть время для вас, но нужно понимать, что этого достигнуть невозможно. Именно поэтому я очень мало беру студентов, как правило, хорошие специалисты очень загружены. Из этого следует несколько правил. Первое студент должен самостоятельно учиться и искать информацию. Второе умение формулировать вопрос правильно очень поможет в жизни, вы сможете получить от компетентного человека быстрый ответ. 

- Открытые курсы ты начинал реализовывать довольно давно, у тебя есть на память примеры ребят с которыми ты начинал работать как с junior специалистами и за несколько лет они выросли на твоих глазах в крутых спецов? Есть выпускные проекты, которые тебе запомнились? 

- Некоторые младшие коллеги  прикладывают усилия и  очень быстро вырастают. На протяжении последних 5-7 лет очень много людей выстрелило. Если вспоминать проекты, которые мне интересны, то был студент, который разработал датасет, обучил модель самостоятельно для машинного перевода с английского на армянский. А студент с образованием химика применил метод NLP для химических данных. Выглядело интересно то, как понятные мне методы применяются в непонятной области. Интересно, что методы NLP применяются в Computer Vision и в рекомендациях, и много где еще.  

- Будучи серьезным инженером в компании, ты понимаешь, как компания функционирует, какие у неё бизнес-задачи и цели, ты - неотъемлемая часть реализации этих целей. Поделись, почему компании вкладываются в образование, зачем запускаются новые стажировочные программы. Почему бы крупной, международной компании не приходить и не брать сильных специалистов себе. Зачем нужны эти менторские программы стажировки?

- Менторские и стажировочные программы нужны именно для того, чтобы привлечь молодёжь. У состоявшегося специалиста есть довольно конкретный круг интересов, и он может не совпадать с интересами компании. Молодежи все интересно. Они с энтузиазмом берутся и получают хорошие результаты, дольше остаются работать в компании и приносят пользу. Крупные компании (в мелких компаниях иначе) настолько большие, что внутри них всегда можно найти нишу, которая будет интересна. И не просто найти нишу, а создать. Можно договориться и делать именно ту задачу, которая вам интересна. Это то, что мне нравится в Huawei.  

Полное интервью в записи на youtube канале, по ссылке.

РАССКАЗАТЬ О СТАТЬЕ

Подпишись на блог и будь
в курсе последних новостей

Спасибо за заявку!
Упс! Что-то пошло не так. Попробуйте снова.

АВТОР

Napoleon IT

3 статьи

ТЭГИ

Education
AI