Trzy światy pod jednym hasłem: badania, przemysł, produkt
Staż ze sztucznej inteligencji nie znaczy tego samego w każdym miejscu. W laboratorium bada się pytanie naukowe i publikuje wyniki albo przygotowuje pracę dyplomową. W firmie przemysłowej włącza się model do istniejącego procesu, przy ograniczeniach kosztów i niezawodności. W zespole produktowym dostarcza się funkcję używaną przez prawdziwych klientów.
Zanim złożysz aplikację, zastanów się, jakiego doświadczenia szukasz: czytania artykułów i sprawdzania pomysłów czy wdrażania systemu na produkcję. Profile, języki pracy i czas trwania bardzo się różnią między tymi światami, podobnie jak oczekiwania wobec kandydata i sposób oceniania jego pracy.
Polska oferuje wszystkie trzy, a do tego ma aktywną społeczność wokół modeli językowych dostosowanych do polszczyzny. To temat, który premiuje studentów umiejących przetwarzać teksty w języku o bogatej fleksji.
Badania stosowane: przykład IDEAS NCBR
IDEAS NCBR, ośrodek badawczy działający w Polsce, opisuje na swojej stronie program stażowy dla studentów czwartego lub piątego roku informatyki albo matematyki oraz dla osób rozważających karierę naukową. Wymienione tematy sięgają od uczenia maszynowego, przez optymalizację, teorię gier i algorytmikę, po kryptografię i weryfikację formalną.
Według strony programu staż trwa trzy miesiące na podstawie umowy cywilnoprawnej, z obciążeniem do czterdziestu godzin tygodniowo, a zapowiedziane wynagrodzenie wynosi 8 000 złotych brutto miesięcznie. Najlepszym kandydatom można zaproponować przedłużenie. Te liczby pochodzą ze strony internetowej i mogą się zmienić, więc potwierdź je przed aplikowaniem.
Wymagany komplet dokumentów jest wymagający: CV, list opisujący projekty naukowe, zainteresowania badawcze, streszczenie wcześniejszych prac oraz kontakt do opiekuna ze stopniem doktora. Konieczne są solidne umiejętności programowania i zaawansowany angielski.
Centra obliczeniowe i instytuty krajowe
Poznańskie Centrum Superkomputerowo-Sieciowe, związane z Polską Akademią Nauk, prowadzi krajową sieć badawczą i oferuje obliczenia wysokiej wydajności, chmurę oraz zarządzanie danymi. Zajmuje się także sztuczną inteligencją, technologiami kwantowymi i cyberbezpieczeństwem oraz uczestniczy w projektach europejskich.
Jego strona nie zapowiada programu stażowego jako takiego; odsyła do zakładki z ofertami pracy i do formularza kontaktowego. Realistyczne podejście polega więc na napisaniu do właściwego zespołu, z konkretnym tematem zamiast ogólnej prośby.
Taka instytucja pasuje do studentów zainteresowanych infrastrukturą: planowaniem obliczeń, rozproszonym trenowaniem, zarządzaniem dużymi zbiorami danych. Zadania są tu bardziej techniczne niż handlowe, a dalszy rozwój odbywa się przez współpracę z uczelniami. W zgłoszeniu warto opisać, jakim sprzętem i jakimi bibliotekami już pracowałeś.
Oddziały dużych koncernów i pracodawcy przemysłowi
Kilka międzynarodowych firm technologicznych utrzymuje w Polsce zespoły badawczo-rozwojowe. Grupa Samsung, na przykład, wskazuje na swojej polskiej stronie program staży o nazwie Go4Samsung oraz zakładkę poświęconą krajowemu centrum badań i rozwoju. Szczegółową treść ofert znajdziesz bezpośrednio na odpowiednich stronach.
W takich strukturach stażysta pracuje często nad jednym elementem produktu: przetwarzaniem języka, widzeniem komputerowym, rozpoznawaniem mowy, systemem rekomendacji. Wchodzi do zespołu zwinnego, z przeglądami kodu i wskaźnikami jakości.
Formaty sięgają od letniego stażu na kilka miesięcy po dłuższe programy, czasem w niepełnym wymiarze w trakcie studiów. Za każdym razem trzeba odróżnić ofertę stażu, umowę badawczą prowadzącą do dyplomu oraz zatrudnienie, bo wymagany poziom nie jest taki sam.
Jak zbudować projekt, który przemówi do rekrutera
Dobry projekt do portfolio odpowiada na konkretny problem, korzysta z dozwolonych danych, ma czytelną metodę oceny i uczciwie omawia błędy. Przydatny przykład dla przemysłu to wizualna kontrola części, gdzie trzeba odróżnić odblask od prawdziwej wady.
Sfotografuj części albo zdobądź zdjęcia przy różnym oświetleniu, starannie je opisz, a potem przygotuj zbiór testowy zawierający poprawne części trudne do sklasyfikowania. Mierz osobno fałszywe odrzucenia i przeoczone wady, bo ich koszty są różne. Wyjaśnij, jak wątpliwe odrzucenie byłoby ponownie sprawdzone przez człowieka, i opisz, jak zapisujesz wszystkie decyzje modelu, aby można je było później przeanalizować.
Nie obiecuj idealnego wykrywania. Rekruter woli kandydata, który zna granice swojego modelu i proponuje protokół kontroli, od pojedynczego, niewyjaśnionego wyniku.
Przykład wyceny projektu, z fikcyjnymi liczbami
Przykład poglądowy. Studentka magisterska zbiera 2 000 zdjęć metalowych części, z czego 1 800 jest zgodnych, a 200 wadliwych. Na test odkłada 400 zdjęć, w tym 40 z wadami. Jej model wykrywa 34 z 40 wad i błędnie odrzuca 20 prawidłowych części z 360.
Przedstawia więc dwa osobne wskaźniki: 85 procent wykrytych wad i około 5,6 procent fałszywych odrzuceń. Następnie tłumaczy, że 6 przeoczonych wad to bardzo cienkie zarysowania, a fałszywe odrzucenia pochodzą głównie z odblasków na błyszczących powierzchniach.
Na koniec proponuje plan: dodać zdjęcia przy świetle rozproszonym, przetestować ostrożniejszy próg i kazać sprawdzać wzrokowo części bliskie temu progowi. Taka opowieść poparta liczbami i uczciwa co do ograniczeń lepiej pokazuje jej sposób myślenia niż pojedynczy procent.
Umiejętności i ścieżki kształcenia, które pomagają
Oczekiwane podstawy to Python, algebra liniowa, rachunek prawdopodobieństwa, statystyka i znajomość co najmniej jednej biblioteki głębokiego uczenia. Umiejętność czytania artykułu naukowego i odtworzenia wyniku bardzo się liczy w zespołach badawczych.
Na stanowiskach bliskich produkcji dodaj kontrolę wersji, kontenery, śledzenie eksperymentów i podstawy wdrażania. Znajomość europejskich przepisów o sztucznej inteligencji, zwłaszcza obowiązków związanych z zastosowaniami wysokiego ryzyka, staje się atutem w zespołach produktowych.
Politechniki i uniwersytety w Warszawie, Krakowie, Poznaniu czy Wrocławiu oferują kierunki informatyczne i z nauki o danych, często ze ścieżkami po angielsku. Student na wymianie może tam zaliczyć kilka przedmiotów, zanim zacznie szukać praktyki na miejscu.
Aplikowanie: umowa, terminy i weryfikacje
Licz się z trzema do sześciu miesięcy między wysłaniem dokumentów a startem, a w programach badawczych wymagających referencji akademickich z jeszcze dłuższym czasem. Przygotuj CV po angielsku, jeśli to możliwe odnośnik do publicznego repozytorium kodu oraz list wskazujący wybrany temat.
Sprawdź charakter umowy: porozumienie o praktyce z uczelnią, umowa cywilnoprawna albo inna forma. Zweryfikuj czas trwania, własność wytworzonego kodu, poufność i ewentualne wynagrodzenie. Warunki zależą od pracodawcy i należy je potwierdzić u niego oraz na swojej uczelni.
Obywatele Unii Europejskiej mogą swobodnie się przemieszczać. Studenci z innych krajów powinni sprawdzić swoją sytuację pobytową, zanim podejmą zobowiązanie. Zachowaj pisemne potwierdzenie ustaleń. Nie myl też stażu, badań prowadzących do dyplomu i zatrudnienia: ogłoszenie powinno wskazywać, która z tych trzech form jest oferowana.
Często zadawane pytania
Jaki poziom studiów jest potrzebny na badawczy staż z AI?
To zależy od programu. IDEAS NCBR kieruje na swojej stronie ofertę do studentów czwartego lub piątego roku informatyki albo matematyki, a także do osób przygotowujących karierę naukową. Inni pracodawcy czasem przyjmują niższe poziomy. Przed aplikowaniem przeczytaj kryteria każdej oferty.
Czy staż z AI w Polsce jest płatny?
Często tak w programach badawczych i przemysłowych, ale nie zawsze. Strona IDEAS NCBR podaje dla programu konkretną miesięczną kwotę brutto, którą trzeba sprawdzić przed aplikowaniem, bo może się zmienić. Praktyka uczelniana podlega zasadom ustalonym przez szkołę i przyjmującą organizację.
Czy trzeba znać polski, żeby pracować w AI?
Nie zawsze. Laboratoria i międzynarodowe oddziały pracują zwykle po angielsku, a IDEAS NCBR wymaga zaawansowanego angielskiego. Polski przydaje się przy projektach przetwarzania lokalnych tekstów albo w małym zespole. Wyjaśnij to z pracodawcą przed podpisaniem umowy.
Jak udowodnić umiejętności bez wcześniejszego doświadczenia?
Pokaż kompletny projekt: zdefiniowany problem, dozwolone dane, protokół oceny, przeanalizowane błędy, udostępniony kod. Wizualna kontrola części lub klasyfikacja tekstów może wystarczyć, jeśli jest dobrze udokumentowana. Nie obiecuj idealnej skuteczności i pokaż, że znasz ograniczenia swojego modelu.
Czy można aplikować spontanicznie do centrum obliczeniowego?
To możliwe i często konieczne, gdy strona nie opisuje programu stażowego. Napisz do właściwego zespołu, wskazując konkretny temat związany z jego działalnością, swój poziom, terminy i umiejętności programistyczne. Celna prośba ma większe szanse na przeczytanie niż ogólna wiadomość.
Co sprawdzić w umowie stażowej z zakresu AI?
Przeczytaj czas trwania, wynagrodzenie, godziny pracy, miejsce, imię opiekuna, poufność oraz własność kodu lub modeli, które powstaną. Sprawdź też, czy uczelnia musi podpisać porozumienie. W razie wątpliwości poproś o opinię dział prawny lub biuro staży swojej uczelni.