Переход из QA в сферу AI и ML требует разделения ролей на традиционное тестирование с ИИ-инструментами, AI QA и ML Evaluation Engineering. Ключевым навыком для работы с моделями и трансформерами является знание Python, который считается основным языком в данной индустрии.
Для обучения рекомендуются курсы Anthropic Academy по работе с Claude и API, а также материалы по оценке LLM и тестированию RAG. Профильная литература, например, книги Чипа Хьюена, охватывает проектирование систем машинного обучения и оценку моделей, что необходимо для практической работы.
Путь от ML Evaluation Engineer до ML Engineer считается более доступным, чем классический переход в разработку, так как специалист уже владеет стеком LLM. По данным автора, такой карьерный рост позволяет рассчитывать на увеличение оклада примерно на 25 процентов.
Из-за высокой скорости изменений в отрасли предпочтение стоит отдавать актуальным первоисточникам на английском языке. Знания, полученные из LLM или устаревших книг, быстро теряют свою ценность, поэтому обучение должно быть непрерывным процессом.
