top of page
  • รูปภาพนักเขียนAnantaya Pornwichianwong

A Day in the Life of Utt, Senior Machine Learning Engineer at Sertis



Machine Learning Engineer คือหนึ่งในอาชีพมาแรงในยุคแห่งเอไอ ที่ผสมผสานระหว่างการทำงานกับเทคโนโลยีสุดล้ำอย่าง Machine Learning และการทำงานด้าน Programming ในรูปแบบของ Engineering เข้าไว้ด้วยกัน


Machine Learning Engineer อาจเป็นอาชีพที่หลายคนยังไม่คุ้นหูนักถ้าหากเทียบกับอาชีพอื่น ๆ ที่เกี่ยวข้องกับเอไอ แต่ก็ถือเป็นอีกตำแหน่งสำคัญที่ช่วยพัฒนาโมเดลเอไออัจฉริยะที่อยู่เบื้องหลังการปฏิบัติงานต่าง ๆ และสร้างความก้าวหน้าให้ธุรกิจในหลากหลายอุตสาหกรรม


วันนี้เซอร์ทิสขอแนะนำทุกคนให้รู้จักกับ อรรถ Senior Machine Learning Engineer คนสำคัญของเซอร์ทิส ที่เป็นหนึ่งในผู้อยู่เบื้องหลังการพัฒนาโมเดลเอไอให้ทำงานได้อย่างมีประสิทธิภาพ งานในแต่ละวันของอรรถเป็นอย่างไร? ต้องใช้เครื่องมืออะไร? และลักษณะอะไรในตัวงานที่ทำให้อรรถชื่นชอบในตำแหน่งนี้? ใครอยากทำงานสาย Machine Learning ห้ามพลาดครับ



งานที่ Machine Learning Engineer ต้องทำในแต่ละวันมีอะไรบ้าง?


“ปกติงานของ Machine Learning Engineer ก็คือการเอาโมเดลที่ทางทีม Data Science หรือทีม AI Research พัฒนาขึ้นมาศึกษา และถ้าจำเป็นก็จะเอามาทำการเพิ่มประสิทธิภาพ หรือที่เรียกว่า Optimize โดยเราจะพัฒนาโมเดลเหล่านั้นให้ User สามารถใช้งานง่ายขึ้น ไม่ว่าจะทำเป็น API หรือว่าทำเป็น Pipeline ซึ่งการ Optimize ก็คือการทำให้โมเดลทำงานได้เร็วขึ้น กินทรัพยากรน้อยลงครับ


ซึ่งในส่วนที่เกี่ยวข้องกับลูกค้า ทีม Machine Learning Engineer ก็จะเข้าไปมีส่วนร่วมในตอนที่คุยเกี่ยวกับเรื่องทางเทคนิค บางโปรเจกต์เราทำเป็น API ลูกค้าก็ใช้ในสิ่งที่เราทำได้เลย แต่บางโปรเจกต์เราทำเป็น Service ขึ้นมา แล้วก็ให้ทีม Software Engineer เป็นคนเรียกใช้เราอีกทีนึงครับ


นอกจากนี้งานของทีม Machine Learning Engineer บางครั้งก็รวมไปถึงการเข้าไปออกแบบระบบด้วย ก็คือถ้า Requirement ของลูกค้ามีส่วนที่เกี่ยวข้องกับตัวโมเดล Machine Learning Engineer ก็จะเป็นคนที่ออกแบบระบบขึ้นมาว่าลูกค้าจะเอา Data มาให้รูปแบบไหน และต้องออกแบบแต่ละกระบวนการทำงาน เช่น เมื่อได้ Data มา จะต้องเข้าโมเดลในรูปแบบไหน ส่วนนี้ก็จะคาบเกี่ยวระหว่าง Machine Learning Engineer กับ Data Engineer นิดนึง ถ้า Data ไม่เยอะมาก เราก็จะทำเอง แต่ถ้าเยอะก็อาจจะต้องให้ Data Engineer ทำเป็น Pipeline ให้ แล้วเราก็มาโฟกัสที่โมเดล 


นอกจากนี้ในการออกแบบ เราต้องดูว่า Infrastructure แบบนี้จะซัพพอร์ตโมเดลของเราได้มั้ย รวมไปถึงในส่วนของ Output เราก็ต้องคุยกับลูกค้าว่าลูกค้าอยากได้ Output แบบไหน และลูกค้าจะมาเอา Output ไปใช้ด้วยวิธีไหน ก็คือต้องมี Business Requirement ในหัวด้วยครับ”


ชีวิตการทำงานในแต่ละวันของ Machine Learning Engineer เป็นอย่างไรบ้าง?


  • 7:30 AM - 8:30 AM - Daily Exercise and Coffee

ก็จะตื่นประมาณ 7.30 ออกกำลังกายถึง 8.30 กินกาแฟแล้วก็เริ่มงานประมาณ 9 โมงครับ


  • 9:00 AM - 12:00 PM - Project-based Stand-up Meeting and Tasks

เนื่องจากงานของเราเป็น Project-based ก็จะมีการประชุมของแต่ละโปรเจกต์ หลังจากนั้นก็จะเริ่มลงไปดูตัวโมเดลของทาง Data Science หรือ AI Research 


  • 1:30 PM - 6:00 PM  Reviewing Code and Implementing Services

ช่วงบ่าย ๆ ก็จะมีการรีวิวโค้ดของคนในทีมบ้างครับ แล้วก็ทำการ แล้วก็ทำการ Implement Service ที่จะใช้ Serve ตัวโมเดลขึ้นมาครับ 




เครื่องมือที่ใช้ในการทำงานของ Machine Learning Engineer มีอะไรบ้าง?


“หลัก ๆ เครื่องมือที่ Machine Learning Engineer ใช้จะมีประมาณ 4 อย่างครับ


  • Programming Languages หลัก ๆ ก็จะใช้ Python และบางครั้งบางคราวอาจจะได้ใช้ C++ 

  • Machine Learning Frameworks เช่น  PyTorch TensorFlow หรือว่า Scikit Learn

  • AI Development Platform เราก็จะใช้ของทุกค่ายเลย ถ้าเป็นของ Google Cloud Platform เราก็จะใช้ Vertex AI ถ้าเป็น Microsoft Azure ก็จะใช้เป็น Azure Machine Learning Studio ส่วน AWS เราจะใช้ SageMaker

  • Optimization Tools เช่น ONNX Simplifier, OpenVINO, TensorRT

  • Cloud Services เป็นเครื่องมือที่เราใช้เวลาพัฒนา Service ออกมา แล้วต้องเอา Service ขึ้นไป Deploy บน Cloud ที่ที่เราจะเอาไป Deploy ก็มีหลากหลาย เช่น Kubernetes  หรือว่าถ้าเป็น Serverless Service ก็อย่างเช่น Cloud Run เพื่อให้ User สามารถใช้งานได้ครับ”



ชอบอะไรในความเป็น Machine Learning Engineer?


“ชอบที่ได้ทำงานกับ Data ครับ เพราะปกติเป็นคนชอบ Data อยู่แล้ว รู้สึกว่า Data มันมี Power มาก แล้วงานของ Machine Learning Engineer ก็ไม่ได้เข้าไปเกี่ยวข้องกับคณิตศาสตร์เท่ากับงานของ Data Scientist ด้วย รวมถึงเราก็ชอบงานด้าน Programming มากกว่า เลยเลือกจะทำงานแนว Engineering ครับ


แล้วอีกจุดหนึ่งที่ชอบมาก ๆ เลยคืองานที่เราทำมันมีคนใช้จริง ๆ เราทำมาแล้ว User ก็ใช้ได้เลย อะไรประมาณนั้นครับ”


มองว่าตัวเองในอีก 2 ปีข้างหน้าจะเป็นอย่างไร?


“ก็ยังมองเห็นตัวเองเป็น Machine Learning Engineer เหมือนเดิมครับ แต่ตอนนั้นอาจจะมีความรู้มากขึ้นกว่านี้ และสามารถคิดโซลูชันให้มันตอบโจทย์ลูกค้า ให้สามารถใช้โมเดลได้ดีขึ้น มีประสิทธิภาพขึ้น และอยากจะเป็นคนที่แชร์ความรู้เหล่านี้ให้กับรุ่นหลัง ๆ ได้มาสานต่อได้ครับ”


ทำความรู้จักกับ Life at Sertis ไม่ว่าจะเป็นทีม วัฒนธรรม และชีวิตที่เซอร์ทิสในแง่ต่าง ๆ พร้อมดูตำแหน่งที่เปิดรับสมัครได้ที่: https://www.careers.sertiscorp.com/://www.careers.sertiscorp.com/

コメント


bottom of page