L’implementazione di soluzioni AI-based richiede competenze specialistiche, ed ecco emergere una nuova professione, il Machine Learning Engineer, persona che si deve concentrare su ricerca, costruzione e progettazione di sistemi di intelligenza artificiale per l’automazione di modelli predittivi.
Attività principali del Machine Learning Engineer
Un ML engineer tipicamente opererà all’interno di un più ampio team di data science, rapportandosi con i data scientist e l’IT aziendale. Ha come attività principale quella di valutare, analizzare e organizzare grandi quantità di dati, nonché eseguire test e ottimizzare modelli e algoritmi di machine learning.
Background tecnico-culturale del Machine Learning Engineer
Il background tecnico-culturale deve essere particolarmente ricco e diversificato: come titolo di studio laurea in informatica, matematica o statistica. Inoltre, Master in machine learning, reti neurali, deep learning o campi correlati. Indispensabili robuste capacità analitiche, di problem solving e di lavoro di squadra; esperienza in linguaggi di programmazione quali Python, Java, C++, C, R e JavaScript; approfondita conoscenza dell’architettura dei sistemi di elaborazione dati e della struttura e modellazione dei dati.
Differenze tra data scientist e ML engineer
Molte le similitudini con un data scientist, dato che entrambe le figure professionali prevedono la capacità di gestire grandi quantità di dati, richiedono determinate qualifiche e utilizzano tecnologie simili. Ma mentre un data scientist si concentra sull’estrazione di informazioni significative da grandi dataset, un ML engineer ha come obiettivo creazione e gestione di sistemi di intelligenza artificiale e modelli predittivi.
