Praksa na področju umetne inteligence v Sloveniji: kako pripraviti verodostojen projekt

Kaj pomeni izkušnja na področju umetne inteligence v Sloveniji

Slovenija je majhna država, vendar je njen znanstveni ekosistem okoli Ljubljane gost. Umetna inteligenca se tam ukvarja predvsem v raziskovalnih inštitutih, na fakultetah za računalništvo in tehniko ter v industrijskih ali tehnoloških podjetjih, ki strojno učenje vključujejo v svoje izdelke. Za tujega študenta izkušnja le redko poteka kot standardiziran program: izhaja iz neposrednega pogovora z ekipo.

Srečate tri oblike. Praksa, vključena v študijski program, urejena s pogodbo med matično ustanovo in sprejemno organizacijo. Študentsko delo, posebna pogodba za vpisane študente, pogosto s skrajšanim delovnim časom, ki jo nekateri laboratoriji uporabljajo za zaposlovanje raziskovalnih asistentov. Nazadnje obdobje projekta ali zaključne naloge, v katerem delate z resničnimi podatki pod vodstvom raziskovalca.

Vajeništvo v francoskem smislu izmenjevanja šole in dela je v Sloveniji v poklicih umetne inteligence precej manj razširjeno kot v nekaterih drugih evropskih državah. Zato je bolje razmišljati o »vodeni praktični izkušnji« kot o klasični pogodbi o izmenjevanju šole in dela.

Kje iskati: inštituti, fakultete, podjetja

Najbolj vidne možnosti so v Ljubljani.

• Institut »Jožef Stefan«, prvi raziskovalni inštitut v državi, združuje več oddelkov, ki delajo na uporabni umetni inteligenci. Odsek za inteligentne sisteme poudarja zdravje, okolje in energijo ter podporo mladim raziskovalcem.
• Ekipa SensorLab objavlja ponudbo za dodiplomske in magistrske študente: delovno mesto raziskovalnega asistenta s krajšim delovnim časom, na kraju samem, na področju inteligentnih infrastruktur in umetne inteligence, s projekti z evropskimi in industrijskimi partnerji.
• Fakulteta za računalništvo in informatiko Univerze v Ljubljani navaja, da sodeluje z gospodarstvom, in ponuja rubriko o industrijski praksi.
• Tudi podjetja za programsko inženirstvo in krmilne sisteme s sedežem v Ljubljani zaposlujejo študente za naloge obdelave podatkov.

Metodološka opomba: strani ekip opisujejo možnosti, ne zagotovljenih mest. Dobro usmerjena prosta prijava ostaja najpogostejši način za začetek pogovora.

Okvir: pogodba o praksi, študentska pogodba in plačilo

Če prihajate iz francoske ali druge tuje ustanove, pogodbo o praksi podpišejo tri strani: vi, vaša ustanova in sprejemna organizacija. Določa naloge, trajanje, mentorja in način ocenjevanja. Brez pogodbe praksa, vezana na študij, ni veljavna.

Pri študentskem delu je logika drugačna: gre za delovno pogodbo, katere pogoji so odvisni od statusa vpisanega študenta. Plačilo se razlikuje glede na delodajalca. Kot dokumentiran primer je študentska stran SensorLab ob pregledu navajala urno postavko 9,1 evra bruto; ta podatek velja samo za to ponudbo in se lahko spremeni. Za vsak drug primer znesek preverite neposredno pri organizaciji.

Državljani Evropske unije uživajo prosto gibanje. Študenti iz drugih držav morajo preveriti veljavno dovoljenje za bivanje in delo, kar je treba zgodaj razjasniti s sprejemno ustanovo in slovenskimi organi. Izkušnja v okviru Erasmus+ poleg tega zahteva soglasje vaše matične univerze.

Prijava, ki govori o metodi

Raziskovalne ekipe prejmejo veliko splošnih sporočil. Prijavo loči metodološka natančnost. Pripravite kratek dokument, eno ali dve strani, ki predstavlja majhen lasten projekt, izpeljan od začetka do konca: zastavljeno vprašanje, uporabljeni podatki, delitev na učenje in testiranje, metrike, omejitve.

Primer natančnosti, ki ga je vredno pokazati

Predstavljajte si nalogo razvrščanja slik listov rastlin. Več fotografij iste rastline ni neodvisnih primerov: če nekatere služijo za učenje, druge pa za testiranje, model morda preprosto prepozna rastlino. Resen kandidat pojasni, da podatke loči po rastlini ali po seji fotografiranja, nato pa opiše, kaj model zamenjuje. Navede tudi, da razvrščanje slik ni agronomska diagnoza.

Takšna raven podrobnosti kaže, da razumete, kaj rezultat dokazuje in česa ne dokazuje, kar šteje več kot impresiven rezultat.

Pričakovana znanja na začetku poti

Od praktikanta na področju umetne inteligence ne pričakujejo strokovnjaka, vendar nekatera osnovna znanja skoraj vedno zahtevajo.

• Programiranje v jeziku Python in običajna raba knjižnic za računanje in strojno učenje.
• Statistika in linearna algebra, dovolj za razlago krivulj napake in intervalov.
• Ravnanje s podatki: čiščenje, manjkajoče vrednosti, formati senzorjev, upravljanje različic.
• Kultura vrednotenja: ločeni nabori, navzkrižno preverjanje, primerjava z enostavno osnovo.
• Pisno sporazumevanje v angleščini, ki je običajen delovni jezik v znanstvenih skupinah, medtem ko je slovenščina cenjena prednost.

Ekipe, ki delajo s senzorji ali povezanimi infrastrukturami, cenijo tudi pojme iz obdelave signalov ali vgrajenih sistemov.

Prvo sporočilo in razgovor

Kontaktno sporočilo naj obsega nekaj vrstic: kdo ste, vaša stopnja izobrazbe, želeno obdobje, kaj znate in zakaj prav ta ekipa. Priložite življenjepis v evropski obliki in po potrebi motivacijsko pismo, če ga ekipa zahteva. Omenite temo ekipe, ki ste jo prebrali, in jo povežite s svojim projektom.

Na razgovoru pričakujte vprašanja o prejšnjem delu: zakaj ta model, kako ste preprečili uhajanje informacij med učenjem in testiranjem, kaj bi naredili drugače. Povsem sprejemljivo je vprašati, do katerih podatkov boste imeli dostop, kdo bo nadziral znanstveno delo in kakšen izdelek se pričakuje ob koncu obdobja.

Karierni center univerze, na kateri ste vpisani, če študirate v Ljubljani, pomaga poiskati izkušnje in pregleda prijave.

Številčni primer organizacije, kot ponazoritev

Vzemimo hipotetičen primer: magistrska študentka računalništva načrtuje tri mesece bivanja v Ljubljani. Prvi mesec nameni izbiri štirih ekip, pisanju strani o svojem projektu in pogovoru z mentorjem na matični ustanovi o pogodbi o praksi. Sporočila pošlje v enem tednu, nato enkrat ponovi stik čez deset dni.

Če ekipa odgovori, pogovor zadeva tri točke: predvideno trajanje, obseg ur in vrsto nalog. Recimo, da gre za dvajset ur na teden: preostali čas je namenjen študiju na daljavo ali zaključni nalogi. Te številke so zgolj ponazoritvene; vsaka organizacija določi svoja pravila.

Bistveno je, da pisno vprašate o stvareh, ki štejejo: mentor, orodja, dostop do podatkov, morebitna zaupnost, lastništvo rezultatov.

Pogoste napake, ki se jim je treba izogniti

• Meriti na učnih podatkih in ta rezultat predstaviti kot resnično zmogljivost.
• Preveč obljubljati: napovedati diagnozo ali samodejno odločitev, čeprav model le razvršča slike.
• Prezreti etiko in podatke: izvor, licenca, anonimizacija.
• Poslati isto sporočilo dvajsetim ekipam, ne da bi omenili njihovo področje.
• Zanemariti koledar: ekipe imajo svoj univerzitetni ritem, zato začnite več mesecev vnaprej.
• Pozabiti na logistiko: nastanitev v Ljubljani, evropsko zdravstveno zavarovanje, zavarovanje za primer nesreče.

Še ena napaka: odprto stran z možnostmi zamenjati z zavezo. Veljaven je le pisni odgovor ekipe.

Alternative in nadaljevanja

Če so ekipe v Ljubljani polne, druga slovenska univerzitetna mesta ponujajo računalniške laboratorije, srednje velika podjetja pa iščejo profile s področja podatkov. Mobilnost Erasmus+ za prakso ostaja klasična pot za evropske študente. Nekateri izberejo tudi zaključno nalogo z vodenjem na daljavo, nato pa krajše bivanje na kraju samem.

Nazadnje lahko prvi korak pred daljšo prakso postane prispevek k odprtemu projektu, udeležba na poletni šoli ali na znanstveni konferenci, ki jo nekatere ekipe omenjajo kot dopolnilo usposabljanju.