Comment un ingénieur du laboratoire DeepMind AI de Google a réussi un virage de carrière du marketing vers l'apprentissage automatique sans doctorat.

  • L’essor de l’intelligence artificielle a entraîné un boom de la demande d’expertise en apprentissage automatique.
  • Ivan Lobov, ingénieur chez DeepMind, a travaillé dans le marketing avant de se tourner vers l’IA.
  • Insider s’est entretenu avec Lobov pour savoir comment il a réussi le pivot de sa carrière.

Alors que de plus en plus d’industries trouvent des moyens innovants d’appliquer l’intelligence artificielle à leurs biens et services, les entreprises souhaitent recruter rapidement des experts en apprentissage automatique.

Des recruteurs, des consultants et des ingénieurs ont récemment déclaré à Insider que les entreprises sont confrontées à une pénurie de compétences en apprentissage automatique alors que des secteurs comme la santé, la finance et l’agriculture mettent en œuvre l’intelligence artificielle. Les banques, par exemple, s’appuient sur l’IA pour faciliter la détection des fraudes.

L’apprentissage automatique, parmi les formes d’IA les plus couramment utilisées, permet aux ordinateurs d’extraire des modèles à partir d’énormes quantités de données, ce qui le rend utile dans une variété de domaines.

Ivan Lobov est ingénieur en apprentissage automatique chez DeepMind, le laboratoire de recherche sur l’IA appartenant à Google. En 2012, il travaillait dans le marketing chez Initiative, une agence de publicité qui met en place des campagnes pour des marques telles que Nintendo, Unilever et Lego.

L'ingénieur DeepMind Ivan Lobov a commencé sa carrière dans le marketing

Lobov, maintenant ingénieur DeepMind, a commencé sa carrière dans le marketing.

DeepMind


“Mon travail consistait à faire des présentations et des présentations, à proposer des moyens de faire de la publicité et à développer des stratégies pour mieux le faire”, a déclaré Lobov, basé à Londres, à Insider.

Alors que Lobov s’intéressait à la programmation depuis son enfance, il n’avait aucune formation universitaire en informatique – il avait un diplôme en publicité et relations publiques de l’Université d’État de Moscou.

“Je ne me sentais pas satisfait et j’ai commencé à chercher quelque chose qui piquerait mon intérêt”, a-t-il déclaré.

Lobov a participé à des compétitions d’apprentissage automatique pendant son temps libre

Lobov a déclaré qu’il avait découvert “Predictive Analytics”, le livre de 2016 sur l’analyse de données d’Eric Siegel, professeur d’informatique à l’Université de Columbia, et qu’il était “accro pour toujours”.

“Cela a résonné avec mon intérêt pour la programmation”, a déclaré Lobov. “J’étais intrigué par la façon dont une machine pouvait apprendre à donner un sens aux données et aider les gens à prendre de meilleures décisions ou même à trouver des solutions que les humains ne pourraient jamais faire.”

Alors que certains rôles d’apprentissage automatique peuvent nécessiter le type de formation académique, seul un doctorat. peut offrir, Matthew Forshaw, conseiller principal pour les compétences à l’Institut Alan Turing, a précédemment déclaré à Insider que “la grande majorité” de ces emplois ne nécessitent pas autant de savoir-faire.

Tout en poursuivant son travail de marketing à plein temps, Lobov a commencé à prendre des vacances pour participer à des hackathons d’une semaine et a régulièrement participé à des concours en ligne organisés par Kaggle, un outil communautaire de science des données appartenant à Google.

“Au début, je ne comprenais pas quelles questions poser ni où trouver des conseils”, a-t-il déclaré. Mais il a ajouté : “Après des années dans le domaine, je pense avoir couvert la plupart des lacunes de mon éducation à un niveau où je pense qu’il est difficile de dire que je n’ai pas de formation en STEM.”

Ne visez pas à être un grand maître, mais attendez-vous à travailler dur

Lobov a déclaré qu’au moment où il se sentait suffisamment en confiance pour commencer à postuler à des emplois dans l’apprentissage automatique, son manque de formation en informatique pouvait parfois rendre les responsables du recrutement méfiants.

“Un intervieweur vous approfondirait davantage dans les détails techniques et mathématiques que si vous aviez une autre formation”, a-t-il déclaré, se souvenant d’un entretien soi-disant “non technique” dans lequel le recruteur lui a demandé d’écrire une série de définitions de la théorie de l’IA “juste pour voir si je pouvais le faire.”

Lobov a réussi à combiner ses deux passions en 2016 lorsqu’il a été embauché comme ingénieur en apprentissage automatique par Criteo, une entreprise adtech. Environ trois ans plus tard, il a décroché un emploi chez DeepMind.

Pour ceux qui espèrent imiter son succès, Lobov a un message simple : “Ne vous laissez pas décourager par les mots fantaisistes et les devoirs de mathématiques. La plupart des idées sont simples ; il vous suffit d’apprendre la langue.”

Outre “l’analyse prédictive”, les autres recommandations de Lobov pour les non-initiés incluent “Introduction à l’algèbre linéaire” de Gilbert Strang, “Understanding Analysis” de Stephen Abbott et “Machine Learning : A Probabilistic Perspective” de Kevin P. Murphy.

“Obtenez votre algèbre linéaire, les bases de l’analyse et des statistiques”, a-t-il déclaré. Vous n’avez pas besoin de tout comprendre d’un coup. Commencez par suivre un cours d’apprentissage automatique, puis revenez en arrière lorsque vous ne comprenez pas quelque chose.”

“Mais ne visez pas à être un grand maître”, a-t-il déclaré.

Travaillez-vous chez DeepMind ou Google ? Avez-vous une histoire à partager? Contactez le journaliste Martin Coulter en toute confidentialité par e-mail à mcoulter@insider.com ou via l’application de messagerie cryptée Signal au +447801985586.