Intro

A mesterséges intelligencia alkalmazásához kapcsolódó szakmák és álláslehetőségek száma a legnagyobb mértékben növekszik napjainkban. Rendkívül fontos szerepe van annak, hogy számottevően mérséklődött az adatgyűjtő szenzorok, és az adatokat gyűjtő tárhelyek ára. Így az összes iparágban, legyen szó termelésről vagy szolgáltatásról az adat alapon történő döntéshozatal, optimalizálás és fejlesztések jelenthetik a hatékonyság következő lépcsőjét.

Ebben a cikkben szeretnék kitérni, hogy a mesterséges intelligenciához és adattudományhoz kapcsolódóan milyen szakmák alakulnak ki. A jelen idő használata az előző mondatban szándékos, ugyanis a technológia és rendelkezésre álló eszközök folyamatos fejlődése új utakat nyithat további szakmák kialakulásához. Ez követően, nem reprezentatív minta alapján, bemutatok pár konkrét álláslehetőséget és a hozzájuk kapcsolódó elvárásokat.

Bármilyen helyzetről beszélünk, minden esetben nagyon fontos mi jelenik meg a mérleg másik nyelvén, azaz milyen kompenzációs csomagra számíthatnak, akik elindulnak a mesterséges intelligencia szakmákhoz vezető rögös úton. Érdemes végigolvasni a cikket, ugyanis a fizetések szempontjából meglepő dolgok derülnek majd ki a végén.

Mesterséges intelligencia, mint alapkompetencia


Mielőtt még rátérek a mondanivalóra, szeretném kiemelni egy nagyon fontos tényt. Egy korábbi cikkben részleteztem milyen elemei vannak a mesterséges intelligenciának (gépi tanulás, nyelvfeldolgozás, mesterséges látás stb.). Tudni kell, hogy ezek a részegységek a jelenleg létező szakmákban is fontos tényezők lesznek.

Ahogy 40 éve a jogosítvány, 20 éve a nyelvtudás jelentett komoly helyzetelőnyt a munkaerőpiacon, hasonló tendencia látszik kialakulni az informatika képességekkel is. Mivel a szolgáltató és termelő ágazatokban komoly informatikus hiány van, jelenleg és jövőben is még inkább elvárás lesz az előbb említett tudás elsajátítása.

Ez az jelenti, hogy például a termelés ágazatban dolgozó mérnököknek számára nagy versenyelőnyt jelent a munkaerőpiacion a szakmájuk mellett elsajátított adatgyűjtési, adatmodellezési ismeretek. A mesterséges intelligencia alkalmazásával tudnak extra üzleti előnyt biztosítani a munkaadó számára.

Mesterséges intelligencia technológiák fejlettségi állapota és üzleti érték képviselete. A gépi tanulás nagyon előkelő helyen szerepel.
Mesterséges intelligencia technológiák fejlettségi állapota és üzleti érték képviselete. A gépi tanulás nagyon előkelő helyen szerepel. Forrás.

Hasonló példa lehet a pénzügy, a logisztika, a humánerőforrás, a marketing vagy szinte bármely szakma, ahol adatok állnak rendelkezésre, és amely adatokból modellezni, előrejelzéseket lehet készíteni. Ettől függetlenül, természetesen fontos szerepet töltenek be a dedikált, mesterséges intelligencia gyakorlati alkalmazásával megbízott szakemberek is.

A jelenleg megnyíló állások száma szempontjából a legnagyobb növekedést produkálja a szakma az informatikai szektoron belül, de szinte az egész munkaerőpiacon az adatokkal foglalkozó specialisták tapasztalják majd a legerősebb nyomást, ugyanis a munkáltatók versenyezni fognak a kegyeikért.

De milyen szakmák alakultak ki?

Az előző részben leírtakból nem egyből következik az, hogy mostantól mindenki mesterséges intelligencia szakembere legyen.

Viszont a jövőre való tekintettel nem csak specializálódó személyeknek érdemes a tudás megszerzése, hanem bármely olyan szakmában dolgozó munkavállalónak előnyt jelenthet, akik a folyamataik hatékonyságát szeretnének növelni.

A mesterséges intelligencia részegységeitől függetlenül, 3 fő irány létezik a piacon, azon informatikai beállítottságú szakmák között, melyek az adat alapú döntés hozatal támogatását szolgálják. Azt emeljük ki, hogy az angol szavak magyarra fordított verzióját még szokni kell fülnek.

Data Scientist – Adattudós

Más néven Adat Menedzser vagy Statisztikus. Az adattudós képes az adat alapú projektek vezetésre, kezdeti fázistól a lezárásig. Segíteni tudnak nagy mennyiségű adat tárolásában, mesterséges intelligencia modellek készítésében és a feltárt problémák prezentálásában. Jellemző készségek: matematika, programozás, statisztika.

Data Engineer – Adatmérnök

Más néven Adatbázis adminisztrátorok, vagy Adattervezők. Ők azok a probléma megoldásához kapcsolódó szakmai tapasztalatokkal is rendelkeznek és képesek a mesterséges intelligencia eszközrendszerének használatával az összegyűjtött adatok feldolgozására az adattudós utasításai alapján. Szükséges készségek: programozás, matematika, nagy adat.

Data Analyst – Adatelemző

Hívhatjuk úgy is, hogy Üzleti Elemző. Ez a szakma már napjainkban is fontos szerepet tölt be, fő feladatuk az adatok és belőlük nyert információk megfelelő ábrázolása. Ezt úgy kell kivitelezni, hogy azt a vállalat dolgozói, döntéshozói megértsék az információt. Eszközeik az Excel, Tableau, SQL. Alkalmazott készségek: statisztika, kommunikáció, üzleti tudás.

És milyen konkrét szakmák?

Ha tovább lépünk a konkrét a konkrét munkakörre, 2019-ben a piacot két lehetőség határozza meg: Machine Learning Engineer (Gépi Tanulás Mérnök) és a Data Scientist (Adattudós). Utóbbi gyakorlatilag azon szakemberek, akik mesterséges intelligencia és gépi tanulás projektvezetői, szakértői az iparban.

Adattudós

Adattudós esetében az elsődleges elvárás a nagy adat (big data) platformok ismerete, mint például: Hive, Hadoop, MapReduce, Pig, Spark. Programozási nyelv tapasztalat szempontjából a Python, R, Scala és SQL a lehetséges opciók.

Gépi tanulás mérnök

Számukra kulcsfontosságú feladat, hogy képesek legyenek mesterséges intelligencia modellek gyakorlati alkalmazására és nyelvfeldolgozásra, amikor nagy mennyiségű adattal foglalkoznak. A pozíció betöltéséhez a vállalatok olyan személyeket részesítenek előnybe, akik gyakorlati tapasztalattal rendelkeznek a főbb szoftver fejlesztői eszközökkel (például Eclipse, IntelliJ).

Az álláshirdetésekben főként a felsőfokú végzettségű (matematika, számítástechnika, mérnöki tudományok) jelöltek pályázatait várják elsősorban. A programozási nyelvek szempontjából az elsődleges szinte minden esetben a Python, amelynek néhány előnyéről egy előző cikkben is beszámoltam.

Összességében erős matematikai tudással rendelkező technológiai szakemberekre várnak a cégek, akiknek ismerniük kell a gépi tanulás, mély tanulás és neurális hálózatok témaköreit. Emellett programozási és analitikai készségekkelis rendelkezniük kell. Szorosan kapcsolódik ide, hogy a felhő technológia ismerete egyre komolyabb elvárás a munkáltatók részéről.

Milyen nyitott pozíciók vannak Magyarországon?

A pozíciók feltérképezéséhez a LinkedIn Job felületét használtam, a Magyarország területére szűrve. Meg kell említeni, hogy a bemutatott állások a cikk írás pillanatában biztosan nyitottak voltak, az itt megjelenő adatok a későbbiekben tárgytalanok lehetnek.

A gépi tanulás mérnök és adattudós LinkedIn álláshirdetések számának változása 2017 és a 2018 között.
A gépi tanulás mérnök és adattudós LinkedIn álláshirdetések számának változása 2017 és a 2018 között. Forrás.

A cikk elején beszéltem róla, hogy szokni kell az angol szakmák magyar nyelvű fordítását. Ez a munkaerőpiacra is igaz, mivel míg a „gépi tanulás” kulcsszóra 3 db találat jelenik meg, addig a „machine learning” esetén ez a szám 155-re változik. Az angol nyelv ismerete is kulcsfontosságú dolog már a mesterséges intelligenciához kapcsolódó hirdetések böngészése során is.

Ha végig görgetünk a listán, észrevehető, hogy már nem csak a startup cégek keresnek mesterséges intelligencia szakembereket, hanem a nagyobb bankok, telekommunikációs cégek és IT vállalatok is megjelennek a lekérdezésben.

Így található meg a listán többek között a MOL, a VODAFONE, EGIS, CITI, MICROSOFT, NOKIA, Continental, Bosch és a humán erőforrással foglalkozó Randstad Hungary is.

Data Scientist állás példája

A magyar nyelv miatt az Egis, Data Scientist pozícióját nézzük meg részletesebben.

Egis gyógyszercég Data Scientist pozíciója.
Egis gyógyszercég Data Scientist pozíciója.


Feladatok

– Adatvezérelt üzleti folyamatok kialakításának támogatása,
– Adatbányászat és ehhez kapcsolódó riportolási folyamatok fejlesztése,
– Adatok vizualizációja, annak kommunikálása,
– Gépi tanulási módszerek (Machine learning) használata,
– Statisztikai programozási nyelv(ek) használata,
– Optimalizációs, prediktív modellek készítése,
– Az üzleti digitalizáció támogatása,
– Elemzési eszköztár fejlesztése Big Data környezetben,
– Data science adatfeldolgozási és elemzési eszköztár beillesztése kontrolling rendszerekbe.

Elvárt szakmai kompetenciák

– Többéves lehetőleg nagyvállalati környezetben, hasonló munkakörben szerzett tapasztalat,
– Adatvizualizációs eszközök ismerete,
– Adatbányászati, Big Data elemzési, BI tapasztalatok,
– SQL ismeret,
– Python, R programozási nyelvek ismerete,
– Közgazdász végzettség,
– Kommunikációs szintű angol nyelvtudás,
– Analitikus szemléletmód,
– Nagyfokú fejlődési igény, nyitottság a folyamatos tanulásra, új ismeretek elsajátítására,
– Proaktív személyiség.

Machine learning engineer példája

Az Ultinous egy mesterséges intelligenciára alapozott videoanalitika technológiát fejlesztő cég. Mély tanulás (Deep learning) alapú arcfelismerő algoritmusuk, elsősorban kereskedelmi, biztonsági és webes alkalmazásokat támogat. Saját kutató és fejlesztői bázissal rendelkezek.

Gépi tanulás mérnök állás példája.
Gépi tanulás mérnök állás példája.

Feladatok

-A legújabb machine learning/AI technológiák kutatása, tesztelése,
– Deep Learning alapú képelemző algoritmusok tervezése, fejlesztése és tesztelése,
– Az elkészített algoritmusok integrálása termékeinkbe,
– Junior munkatársak munkájának segítése,
– Szoros együttműködés a budapesti irodánkkal.

Elvárások

-Informatika MSc végzettség vagy 3+ év szakmai tapasztalat
– Tapasztalat C++ és/vagy python programozási nyelveken
– Tanuló algoritmusok terén szerzett tapasztalat
– Képfeldolgozási ismeretek
– Analitikus gondolkodás, jó problémamegoldó képesség
– Erős matematikai alapok
– Önálló munkavégzés
– Angol szövegértés

Tapasztalatok összefoglalása

Az adattudós esetében az elsődleges elvárás az üzleti folyamatok megértése és azok támogatása statisztikai eszközökkel. Ide tartoznak a nagy adat elemzések és a gépi tanulás algoritmusok implementálása is.

Ezen feladatok alapján alakulnak az elvárások: IT vagy közgazdász végzettség, nagyvállalati tapasztalata és adatbázis (SQL) ismeret szerepel a programozási nyelv elvárás mellett.

Gépi tanulás mérnök esetén, szinte mindig konkrét feladatkörről beszélünk, sokkal inkább fontos a programozás és a gyakorlati feladatok megoldása.

Elvárások tekintetében a matematikai háttér és a mérnöki gondolkodásmód a kiemelendő, az adott feladat elvégzéséhez szükséges kompetenciák mellett. A fent említett példában, egy gépi látás alkalmazás esetén a Python mellett szükségesek egyéb nyelvek ismerete is, valamint az algoritmusok és a képfeldolgozási megoldások elsajátítása.

Fizetések

Tudott tény, hogy az informatikai szektorban az átlaghoz mérten magas fizetéseket lehet elérni külföldön és Magyarországon is.

Mivel a mesterséges intelligenciával foglalkozó cégek által egyre nagyobb kereslet alakul ki, az elérhető fizetések is az egyik legmagasabb értéket veszik fel az IT területen belül.

A konkrét információk a HAYS fizetési körkép kiadványából használatam fel. Ez a dokumentum évente jelenik meg és az összes ágazat fontosabb pozíciójának fizetését tartalmazza. A konkrét összegek esetében mindig bruttó érték szerepel a továbbiakban.

A kiadvány említést tesz róla, hogy körülbelül 22 000 betöltetlen informatikai pozíció van a magyar piacon. Rengeteg kutatás és fejlesztési (K+F) központ nyílik és a legtöbb szektorban zajlik a digitális transzformáció. Ezáltal még több informatikai szakemberre van szükség. Ezen túl, a fizetések további emelkedése is várható a következő években.

A szektor egyik legnagyobb változását éli meg, rengetegen képzik át magukat erre a területre végzettség, nem és életkortól függetlenül. A most nyíló, új pozíciók nagy részében nem a programozási ismeret a legfontosabb a munkáltatók számára, hanem a menedzsment, kommunikáció és más iparágakban szerzett szakmai tapasztalat kerül a fókuszba.

A dokumentum kiemeli, hogy az idei év legvonzóbb területei a felhő alapú megoldások, gépi tanulás, mesterséges intelligencia, adat tudomány és IoT (Internet of Things, Dolgok internete).

Fejlesztés területe

Junior szinten az adattudományokkal foglalkozó szoftver mérnökök minimális fizetését bruttó 500 000 Ft-nak adják meg, míg a tipikus érték 650 000 Ft. Java vagy C/C++ fejlesztők esetén ezek az összegek 50 000 Ft-tal alacsonyabbak.

Egyel magasabb tapasztalati szinten már 900 000 Ft a tipikus fizetés adattudó és a gépi tanulás mérnök esetben, de a jelentés szerint akár 1 millió forintot is meghaladhatja a maximális érték.

Expert és vezető szinten a tipikus jövedelem 1.2 millió és 1.5 millió forint között alakul, szemben például mobil alkalmazás fejlesztéssel foglalkozók 1.1 és 1.5 millió forintos eredményével.

Elmondható, hogy a fejlesztés területen, egy-két kivételtől eltekintve az adattudomány és a mesterséges intelligenciához kapcsolódó szakterületek biztosítják a legmagasabb elérhető jövedelmet, amely érték, már pár év tapasztalat után hét számjegyű is lehet.

Infrastruktúra

Az infrastruktúrába tartozó állások esetén nagy részben az adattudósokról beszélünk. Az jövedelmek nem annyira kiemelkedők, mint a fejlesztési vonalon, de így sincs ok szégyenkezni a többi szakterület (hálózat, biztonság) mellett.

Üzleti intelligencia témakörben, egy tapasztalt mérnök esetében 750 00 és 900 000 Ft között alakul a bruttó jövedelem. Vezetői pozícióban ezen értékek rendre 800 000 és 1 000 000 Ft között változnak a HAYS felmérésben szereplő adatok alapján.

Menedzsment oldalon, már nem ennyire elhatárolható, mely pozíciók tartoznak a mesterséges intelligencia témaköréhez. Azonban kijelenthető, hogy 1-3 éves tapasztalattal ~ 800 000 Ft, 3-5 év esetén ~ 1 000 000 Ft és több mint 5 év tapasztalat esetén 1 300 000 Ft körül alakul az elérhető bruttó jövedelem.

Foglaljuk össze

Összegzésként két fontos dolgot emelnék ki. A mesterséges intelligenciához kapcsolódó szakmák most kezdik aranykorukat élni. A digitális transzformáció miatt egyre több adat áll a vállalatok rendelkezésére működésükkel kapcsolatban.

Egyrészről nagy szükség van már jelenleg is olyan szakemberekre, akik gyakorlati tapasztalat alapján képesek üzleti eredményt biztosítani az összegyűjtött adatok segítségével. Ez a nyomás a jövőben tovább növekszik, ellene csak a szakmai tapasztalattal rendelkezők átképzése jelenthet megoldást.

Másik oldalról kulcs tényező, hogy a legtöbb esetben érdemes a mesterséges intelligencia témakörével foglalkozni, mivel a munkaerőpiac egyik legfontosabb és a legjobban megbecsült szakembereivé válhatnak az ilyen jelleggű tudással rendelkező dolgozók.