Профессиональная магистерская программа по информатике ЮФУ готовит специалистов по вычислениям в области больших данных и визуальных вычислений. Все студенты проходят оплачиваемую совместную работу в рамках своей степени. В этой статье мы исследуем совместную работу некоторых из наших студентов, изучающих большие данные.

Бтара Трухандариен получила степень бакалавра компьютерных наук в Университете Ватерлоо. Он работал инженером-программистом в японском гиганте электронной коммерции Rakuten в течение двух лет, прежде чем поступить на профессиональную магистерскую программу СФУ по информатике.

Вы можете рассказать нам об UMF? Каково там работать?

UMF, сокращение от Union Mobile Financial Technology, была основана в Китае в 2003 году и с тех пор стала сильным игроком на китайском финансовом рынке. Компания обеспечивает выполнение большей части финансовых операций на китайском рынке для потребителей, предприятий различного размера и финансовых учреждений, предоставляя финансовые технологии и платежные решения. В 2015 году UMF начал свою зарубежную экспансию и теперь имеет два офиса, одно из которых находится в Ванкувере, Британская Колумбия. Офис в Ванкувере, в котором я работаю, является отделением исследований и разработок и занимается разработкой новых технологий для компании. Из-за характера исследований и создания передовых технологий, филиал обладает значительной свободой в подходах и решениях, при этом взаимодействуя с основным филиалом в Китае, чтобы оставаться в соответствии с общей миссией и видением. График работы филиала ориентирован на проекты, и в этом году мы сосредоточены на создании платформы автоматизированного машинного обучения (AutoML) для компании.

Не могли бы вы рассказать нам немного больше о машинном обучении и AutoML?

Алгоритм машинного обучения, также известный как жизненный цикл машинного обучения, состоит из нескольких этапов. Вкратце, это сбор данных, предварительная обработка или очистка данных, разработка функций, выбор функций, обучение и настройка модели, развертывание модели, а также обслуживание и мониторинг модели. Полная система AutoML нацелена на автоматизацию всех этих шагов, кроме сбора данных. Это позволяет людям с широким уровнем квалификации создавать мощные и эффективные решения машинного обучения для различных проблемных областей.

Каковы ваши обязанности в проекте, над которым вы работаете?

Проект, над которым я работал, предполагает создание веб-платформы машинного обучения с перетаскиванием. Эта платформа, аналогичная Microsoft Azure, позволяет пользователям создавать модели машинного обучения, используя свои собственные наборы данных. Большинство клиентов UMF - это финансовые учреждения и государственные организации, работающие с финансовыми данными. Итак, простой пример того, как можно использовать платформу, - это создание модели, которая прогнозирует, вернет ли клиент свои кредиты, на основе, возможно, тысяч функций.

Как основной разработчик уровня API перевода я отвечал за обработку потока данных между данными, доступными пользователю, и структурами данных, необходимыми для выполнения различных пользовательских команд. Этот уровень также несет ответственность за хранение любой необходимой информации метаданных и решение, какие данные получают пользователи, когда и как они будут получать. В сочетании с другими частями системы созданная нами платформа позволяет пользователям предоставлять системе свои собственные наборы данных, исследовать статистическую информацию наборов данных, строить эксперименты и модели, а также проводить эксперименты с различными параметрами.

Как магистерская программа СФУ подготовила вас к совместной работе?

Нет лучшего опыта для изучения сложных проблем, чем приложить к проблеме свои собственные руки. Я считаю, что программа больших данных в СФУ очень поощряет это посредством курсовых проектов. Мне повезло, что я работал над технически сложными проектами, такими как мой проект капсульных сетей или модельный проект консультанта по трудоустройству, который охватывал различные методы и источники данных. Эти проекты развивали мои исследовательские, дизайнерские, технические навыки и навыки критического анализа - каждое из них имеет решающее значение для создания платформы AutoML. Без практического подхода к программе мое понимание и навыки не могли бы расти так же сильно, как во время моего совместного прохождения.

В чем вы заметили самые большие области роста во время совместной игры?

Я чувствовал, что мой самый большой рост произошел благодаря возложенным на меня обязанностям и доверию. Хотя я работаю в команде, и есть кто-то, кто иногда помогает мне реализовать функции, по большей части я работаю только над уровнем API. Как главный разработчик, я несу ответственность за преодоление технических трудностей. Мне часто приходится сталкиваться с открытыми проектными решениями, такими как структурирование потока данных в системе. Это побуждает меня всегда критически оценивать принимаемые решения и тщательно планировать возможные последствия в будущем. В некотором смысле я не только разработчик, но и системный дизайнер. Этот навык проектирования применяется не только к проектированию системного уровня, но и к проектированию реализации. Например, когда я реализую решение в коде, я всегда тщательно проверяю себя, проходя через несколько точек принятия решений, проверяющих тестируемость кода, ремонтопригодность, гибкость, удобство использования и многое другое.

Что для вас наиболее ценно из опыта совместной игры?

Мне повезло, что я работаю над таким же сложным и уникальным проектом, как AutoML, и благодарен за опыт, полученный при его упаковке в качестве платформы для использования пользователями. Это одновременно сложно и новаторски, и я могу с гордостью говорить об этом, когда ищу возможности работы в будущем.

Второе, в чем мне больше всего повезло, - это уникальный опыт работы в кросс-культурной команде. Часть членов моей команды базируется в китайском филиале UMF. Это затрудняет передачу идей и точек зрения из-за очевидных причин языкового барьера и разницы в часовых поясах, но до сих пор мне удавалось это с помощью членов моей команды, а также путем общения с помощью технических разработок.

В целом моя работа в UMF была приятным и уникальным опытом. Культура доверия и автономии действительно полезна, помогая мне расти в технической сфере и развивать свои навыки межличностного общения. Я искренне верю, что культура доверия в компании позволила мне максимально использовать свои возможности, и я с нетерпением жду следующего срока своей работы здесь, в UMF.

Что работодатели говорят о наших студентах?

«Бтара - очень способный, ответственный и отзывчивый командный игрок. Он проделал выдающуюся работу благодаря своим обширным знаниям и практическому опыту работы. Мы так благодарны, что он в команде. У SFU есть талантливые специалисты и программы, которые могут помочь компании расти. Мы очень рады работать с SFU ».

- Кэрри Ли, вице-президент Union Mobile Financial Technology (Канада)