ML Engineer, o Dev em <T>

ML Engineer, o Dev em <T>
karoline.penteado
karoline.penteado

Compartilhe

Machine Learning Engineer é a nova posição em destaque e discussão no mundo dos profissionais da tecnologia, entretanto, ainda não encontramos uma definição concreta desta profissão. Fazendo uma analogia, podemos pensar que o engenheiro ou a engenheira de machine learning é um(a) engenheiro(a) de software especializado(a) em aprendizado de máquinas.

Através desse paralelo, já podemos entender como esta é uma profissão que foi construída dentro do conceito que chamamos de Dev em. Isso porque ela une algumas necessidades que as empresas apresentaram ao longo dos anos, dado o aumento da complexidade dos sistemas e dos produtos derivados dos dados.

Os modelos de machine learning não podem desempenhar muitas funções isoladamente. Isso ocorre, pois, precisam ser integrados aos sistemas existentes para consumo e treinamento de dados, bem como devem fornecer a predição de novas entradas. Para que um modelo mantenha sua performance, precisamos fazer seu monitoramento sendo o ideal que seja feita uma automatização do seu treinamento.

Pensando nessas atribuições, o monitoramento e o retreinamento automatizado dos modelos são tarefas que exigem habilidades mais próximas de profissionais da engenharia de dados, da engenharia de software e de DevOps. Ainda assim, concomitantemente, esse profissional não pode perder o viés da ciência de dados e do desenvolvimento dos algoritmos de machine learning. Ademais, essa pessoa precisa saber se comunicar e trabalhar em equipe, visto que, é alguém que é intersecção entre duas ou mais áreas. E esse é o motivo pelo qual dizemos que essa posição já nasceu como um Dev em.

Apesar de não existir um consenso estabelecido sobre conhecimentos e currículo tanto no nível de formação acadêmica quanto no nível de treinamento profissional, existe um caminho comum percorrido pelas pessoas que desejam seguir nesta área.

ícone de pessoa com diversos fios conectores #inset

Aptidões sólidas em estatística, ciência de dados, programação e engenharia de software são indispensáveis nesta colocação. Podemos dizer que o ML engineer possui competências fortes de engenharia de software comparados ao típico cientista de dados, podem trabalhar com engenheiros que mantêm sistemas de produção funcionando e, conjuntamente, entendem os métodos de desenvolvimento de software, ou seja, é um profissional híbrido em sua essência.

Em organizações pouco maduras ou menores, o engenheiro de machine learning pode assumir também as funções de um data scientist (aliás, em algumas vagas, encontramos na descrição "full-stack data scientist" ou "cientista de dados full-stack"). Isso quer dizer que, dada a maturidade da empresa e a complexidade dos sistemas, essa figura pode assumir diferentes funções porém, todas elas estão relacionadas a manter o sistema de produção de machine learning em perfeito funcionamento.

Com o crescente amadurecimento e automatização dos algoritmos de machine learning, essa profissão ganha cada vez mais destaque e importância. Um dos principais desafios, para quem quer seguir nessa profissão, é desenvolver e encontrar as melhores tratativas para cada problema da área ao mesmo tempo em que se desenha, constrói e fortalece essa comunidade.

Material para curiosos(as):

Banner da Escola de Data Science: Matricula-se na escola de Data Science. Junte-se a uma comunidade de mais de 500 mil estudantes. Na Alura você tem acesso a todos os cursos em uma única assinatura; tem novos lançamentos a cada semana; desafios práticos. Clique e saiba mais!

Instrutores que tratam o tema na Alura:

Veja outros artigos sobre Data Science