У Yandex есть интересная программа для ОПЫТНЫХ программистов
https://yandex.ru/promo/events/ml-residency
https://habr.com/ru/company/yandex/blog/446554/
Yandex:
Если вы опытный бэкендер и интересуетесь машинным обучением, мы будем рады с вами пообщаться. Наши эксперты по компьютерному зрению, обработке естественного языка, речевым технология и рекомендательным системам помогут вам окунуться в решение перспективных задач и развиваться
в интересном направлении.
Мы приглашаем бэкенд-разработчиков, которые уже приобрели достаточно опыта и точно знают, что в своих компетенциях им нужно сдвигаться в сторону ML, получить практические навыки — а не навыки учёного — в решении промышленных задач машинного обучения.
Ну что же, хорошая программа.
Но я хочу обратить внимание, что они ищут опытных прогеров.
Видимо, после их обучения огромного кол-ва желающих изучить Machine Learning, выясняется,
что эти люди Mаchine Learning осваивают хорошо, «к пуговицам претензий нет»,
а вот пальто сшить с «перламутровыми пуговицами» не могут,
потому что программировать то не умеют.
Не могут разработать сервис, запустить его в Prod. Добиться, чтобы сервис работал 24 x 7.
Yandex:
В первые месяцы обучение по программе курса будет составлять примерно 30% вашего рабочего времени, затем — около 10%. Однако важно понимать, что работа с самими ML-моделями продолжит занимать примерно вчетверо меньше, чем все сопутствующие процессы. К ним относится подготовка бэкенда, получение данных, написание pipeline для их предобработки, оптимизация кода, адаптация под специфическое железо и т. д. ML-инженер — это, если хотите, fullstack-разработчик (только с больши́м уклоном в машинное обучение), способный решить задачу от начала и до конца. Даже с готовой моделью наверняка потребуется проделать ещё ряд действий: распараллелить её выполнение по нескольким машинам, подготовить реализацию в виде ручки, библиотеки или компоненты самого сервиса.
Вот такие дела.
Так что изучайте программирование, а ML само к Вам постучится.
Желаю всем успехов.
Все зависит от того, как это ML применять.
Думаю, что и в трейдинге существует достаточно областей для применения ML.
Если, кто-то не любит кошек, то, возможно, он не умеет их готовить.