Najboljša delovna mesta za strojno učenje
Vsebina
- Kaj je strojno učenje?
- Industrije, ki uporabljajo strojno učenje
- Kako strojno učenje spreminja delovno mesto
- Si želite kariero v strojnem učenju?
- Naslovi in zaslužek
- Zahteve za delovna mesta strojnega učenja
Na vrhu LinkedIn-ovega poročila o nastajanju delovnih mest v ZDA za leto 2017 sta bili dve področji na področju strojnega učenja: inženir strojnega učenja in podatkovni znanstvenik. Zaposlenost inženirjev strojnega učenja se je med letoma 2012 in 2017 povečala za 9,8-krat, delovna mesta znanstvenikov podatkov pa so se v istem petletnem obdobju povečala za 6,5-krat. Če se bo trend nadaljeval, bodo imeli ti poklici zaposlitve, ki presegajo številne druge poklice. Bi lahko bila prihodnost tako svetla za vas na tem področju?
Kaj je strojno učenje?
Strojno učenje (ML) je samo tisto, kar zveni. Ta tehnologija vključuje učilne stroje za izvajanje določenih nalog. Za razliko od tradicionalnega kodiranja, ki daje navodila, ki računalnikom povedo, kaj naj naredijo, jim ML zagotovi podatke, ki jim omogočajo, da sami razberejo, podobno kot bi to storili človek ali žival. Sliši se kot magija, vendar ni. Vključuje interakcijo računalnikov in drugih s povezanim strokovnim znanjem. Ti strokovnjaki za IT ustvarjajo programe, imenovane algoritmi - nabor pravil, ki rešujejo težavo - in jim nato naložijo velike nabore podatkov, ki jih naučijo, da na podlagi teh informacij predvidevajo napovedi.
Strojno učenje je "podvrsta umetne inteligence, ki računalnikom omogoča izvajanje nalog, za katere niso bili izrecno programirani" (Dickson, Ben. Skills You Need to Land Machine Learning Job. It Career Finder. 18. januar 2017.) Z leti se je zapleteno, vendar bolj običajno, Steven Levy v članku, ki govori o Googlovi prednostni razvrstitvi strojnega učenja in prekvalifikacije inženirjev podjetja, piše: "Dolga leta je strojno učenje veljalo za posebnost, omejeno nekaj elitnih. To obdobje je konec, saj nedavni rezultati kažejo, da je strojno učenje, ki ga poganjajo "nevronske mreže", ki posnemajo delovanje bioloških možganov, prava pot do prenosa računalnikov s človeškimi močmi, v nekaterih primerih pa tudi nadčlovekov "( Levy, Steven. Kako Google ostaja sam kot strojno učenje prvega podjetja, ožičeno. 22. junij 2016).
Kako se strojno učenje uporablja v "resničnem svetu?" Večina od nas vsakodnevno naletimo na to tehnologijo, ne da bi pri tem veliko razmišljali. Ko uporabljate Google ali drug iskalnik, so rezultati, ki se pojavijo na vrhu strani, rezultat strojnega učenja. Napovedno besedilo in včasih zlonamerna funkcija samodejnega popravka v aplikaciji za pošiljanje besedil na vašem pametnem telefonu sta prav tako rezultat strojnega učenja. Priporočljivi filmi in pesmi na Netflixu in Spotifyju so nadaljnji primeri, kako uporabljamo to hitro rastočo tehnologijo, medtem ko jo komaj opazimo. Pred kratkim je Google v Gmailu predstavil pametni odgovor. Na koncu sporočila uporabniku predstavi tri možne odgovore glede na vsebino. Uber in druga podjetja trenutno preizkušajo samovozeče avtomobile.
Industrije, ki uporabljajo strojno učenje
Uporaba strojnega učenja sega daleč zunaj sveta tehnologij. SAS, analitično podjetje za programsko opremo, poroča, da je veliko industrij sprejelo to tehnologijo. Industrija finančnih storitev uporablja ML za prepoznavanje naložbenih priložnosti, vlagatelje ve, kdaj trgujejo, prepozna, katere stranke imajo visoko tvegane profile in odkriva prevare. V zdravstvenem varstvu algoritmi pomagajo diagnosticirati bolezni tako, da poberejo nepravilnosti.
Ste že kdaj zastavili vprašanje, "zakaj se oglas za ta izdelek razmišlja o nakupu na vsaki spletni strani, ki jo obiščem?" ML omogoča tržni in prodajni industriji, da analizira potrošnike na podlagi zgodovine nakupov in iskanj. Prilagoditev te tehnologije v prometni industriji zazna morebitne težave na poteh in pomaga pri njihovi bolj učinkoviti. Zahvaljujoč ML-u lahko industrija nafte in plina prepozna nove energije (Strojno učenje: kaj je in zakaj je pomembno. SAS).
Kako strojno učenje spreminja delovno mesto
Napovedi o strojih, ki prevzamejo vsa naša dela, so že desetletja, toda ali bo ML to končno uresničil? Strokovnjaki napovedujejo, da bo ta tehnologija še naprej spreminjala delovno mesto. Toda kolikor nam odvzamejo vsa delovna mesta? Večina strokovnjakov ne misli, da se bo to zgodilo.
Čeprav strojno učenje ne more zasesti ljudi v vseh poklicih, bi lahko spremenilo številne delovne naloge, povezane z njimi. "Naloge, ki vključujejo hitro sprejemanje odločitev na podlagi podatkov, so primerna za programe ML; ne tako, če je odločitev odvisna od dolgih verig sklepanja, raznolikega poznavanja ozadja ali zdrave pameti," pravi Byron Spice. Spice je direktor za odnose z mediji v Carnegie Mellon Univerzitetna šola za računalništvo (Spice, Byron. Strojno učenje bo spremenilo delovna mesta. Univerza Carnegie Mellon. 21. december 2017).
V Science Magazine, Erik Brynjolfsson in Tom Mitchell, pišeta, "povpraševanje po delovni sili bolj verjetno upada na naloge, ki so blizu nadomestljivosti zmogljivosti ML, medtem ko je večja verjetnost, da se bo povečala za naloge, ki dopolnjujejo te sisteme. Vsakič se ML sistem prestopi prag, ko postane bolj stroškovno učinkovit kot ljudje pri opravilih, podjetniki in upravljavci, ki bodo povečevali dobiček, si bodo vedno bolj prizadevali nadomestiti stroje za ljudi. To ima lahko vpliv v celotnem gospodarstvu, povečanje produktivnosti, znižanje cen, premik povpraševanja po delovni sili, in prestrukturiranje industrije (Brynjolfsson, Erik in Mitchell, Tom. Kaj lahko strojno učenje počne? Vplivi delovne sile. Znanost. 22. december 2017).
Si želite kariero v strojnem učenju?
Poklic v strojnem učenju zahteva strokovno znanje iz računalništva, statistike in matematike. Veliko ljudi pride na to področje z ozadjem na teh poljih. Številne šole, ki nudijo strojno učenje, uporabljajo multidisciplinarni pristop z učnim načrtom, ki poleg računalništva, elektrotehnike in računalniškega inženiringa, matematike in statistike vključuje tudi (Top 16 School for Machine Learning. AdmissionTable.com).
Za tiste, ki so že vključeni v industrijo informacijske tehnologije, prehod na delovno mesto ML ni daleč preskok. Morda že imate veliko potrebnih veščin. Vaš delodajalec vam lahko celo pomaga pri prehodu. Glede na članek Stevena Levyja, "trenutno ni veliko ljudi, ki so strokovnjaki za ML, zato se podjetja, kot sta Google in Facebook, izpopolnjujejo inženirje, katerih znanje je tradicionalno kodiranje."
Medtem ko bo veliko veščin, ki ste jih razvili kot IT strokovnjak, prenesli na strojno učenje, je morda nekoliko zahtevno. Upajmo, da ste med poukom statistike na univerzi ostali budni, ker se ML zanaša na to temo in matematiko. Levy piše, da se morajo kodirji odpovedati popolnemu nadzoru nad programiranjem sistema.
Nimate sreče, če vaš tehnološki delodajalec ne posreduje ML za prekvalifikacijo Google in Facebook. Kolegiji in univerze ter spletne platforme za učenje, kot sta Udemy in Coursera, ponujajo razrede, ki učijo osnove strojnega učenja. Ključno pa je, da svoje znanje strokovno zaokrožite s pomočjo statistike in matematičnih ur.
Naslovi in zaslužek
Primarni naslovi delovnih mest, na katere boste naleteli pri iskanju zaposlitve na tem področju, vključujejo inženirja strojnega učenja in podatkovnega znanstvenika.
Strojni inženirji učenja "vodijo projekte strojnega učenja in so odgovorni za upravljanje infrastrukture in podatkovnih cevovodov, potrebnih za pripravo kode." Znanstveniki podatkov so na strani podatkov in analiz razvojnih algoritmov, ne pa strani kodiranja. Prav tako zbirajo, čistijo in pripravljajo podatke (Zhou, Adelyn. "Naslovi delovnih mest za umetno inteligenco: Kaj je inženir strojnega učenja?" Forbes. 27. november 2017).
Na podlagi stališč uporabnikov ljudi, ki delajo na teh delovnih mestih, Glassdoor.com poroča, da inženirji ML in znanstveniki za podatke zaslužijo povprečno osnovno plačo 120.931 dolarjev. Plače se gibljejo od najnižjih 87.000 do visokih 158.000 dolarjev (Mehanizmi strojnega učenja inženirjev. Glassdoor.com. 1. marec 2018). Čeprav Glassdoor združuje te naslove, je med njimi nekaj razlik.
Zahteve za delovna mesta strojnega učenja
ML inženirji in podatkovni znanstveniki opravljajo različna dela, vendar se med njimi veliko prekriva. Za objavo delovnih mest za obe delovni mesti so pogosto podobne zahteve. Mnogi delodajalci imajo raje diplomske, magistrske ali doktorske diplome iz računalništva ali inženirstva, statistike ali matematike.
Če želite biti strojni strokovnjak, boste potrebovali kombinacijo tehničnih znanj - spretnosti, pridobljenih v šoli ali na delovnem mestu - in mehkih veščin. Mehke veščine so sposobnosti, ki se jih ne učijo v učilnici, temveč se rodijo ali pridobijo z življenjskimi izkušnjami. Ponovno se prekriva zahtevana znanja inženirjev ML in podatkovnih znanstvenikov.
Razpisi za delovna mesta razkrivajo, da bi morali tisti, ki delajo na delovnih mestih za inženiring ML, poznati okvire strojnega učenja, kot so TensorFlow, Mlib, H20 in Theano. Za kodiranje potrebujejo močno podlago, vključno z izkušnjami s programskimi jeziki, kot sta Java ali C / C ++ in s skriptnimi jeziki, kot sta Perl ali Python. Med specifikacijami so tudi strokovno znanje s področja statistike in izkušnje z uporabo statističnih programskih paketov za analizo velikih nizov podatkov.
Različne mehke veščine vam bodo omogočile uspeh na tem področju. Med njimi so fleksibilnost, prilagodljivost in vztrajnost. Razvoj algoritma zahteva veliko poskusov in napak in s tem potrpljenje. Eno algoritem mora preizkusiti, ali deluje, in če ne, razviti novega.
Odlične komunikacijske veščine so bistvene. Strokovni delavci, ki pogosto delajo v skupinah, potrebujejo vrhunsko poslušanje, govorjenje in medosebne veščine, da lahko sodelujejo z drugimi, svoje ugotovitve pa morajo predstaviti tudi svojim kolegom. Poleg tega bi morali biti aktivni učenci, ki lahko v svoje delo vključijo nove informacije. V industriji, kjer so inovacije cenjene, je treba biti kreativen, da lahko izvrstno uspe.
