Locuri de muncă în domeniul învechit de învățare de mașini

În partea de sus a raportului LinkedIn 2017, Emerging Jobs USA, au fost două ocupații în domeniul Învățarea mașinilor: inginer de învățare în mașină și cercetător de date. Ocuparea forței de muncă pentru inginerii de mașini de învățare a crescut cu 9,8 ori între 2012 și 2017, iar locurile de muncă pentru cercetătorii de date au crescut de 6,5 ori în aceeași perioadă de cinci ani. Dacă această tendință continuă, aceste ocupații vor avea perspective de angajare care să depășească multe alte ocupații. Cu un viitor atât de strălucitor, ar putea ca un loc de muncă în acest domeniu să fie potrivit pentru dvs.?

Ce este învățarea mașinilor?

Învățarea în mașină (ML) este exact ceea ce pare. Această tehnologie implică predarea mașinilor pentru a îndeplini sarcini specifice. Spre deosebire de codificarea tradițională, care oferă instrucțiuni care îi spun computerelor ce să facă, ML le furnizează date care le permit să se gândească singure, la fel ca o ființă umană sau animal. Sună ca magie, dar nu este. Aceasta implică interacțiunea oamenilor de știință cu calculatoarele și a altor persoane cu experiență în domeniu. Acești profesioniști IT creează programe denumite algoritmi - seturi de reguli care rezolvă o problemă - și apoi le alimentează seturi mari de date care îi învață să facă previziuni pe baza acestor informații.

Învățarea în mașină este un "subset al inteligenței artificiale care permite calculatoarelor să îndeplinească sarcini pe care nu le-au programat în mod explicit să le facă" (Dickson, Ben: Abilitățile pe care trebuie să le așezi la o mașină de învățare a mașinilor. Acesta a devenit mai complicat, dar mai obișnuit, de-a lungul anilor Steven Levy, într-un articol care se referă la prioritizarea de către Google a învățării mașinilor și a recalificării inginerilor companiei, scrie: "De mulți ani, învățarea automată a fost considerată o specialitate, la o mică elită.

Această eră se termină, deoarece rezultatele recente indică faptul că învățarea în mașină, alimentată de "plase neuronale" care simulează modul în care funcționează un creier biologic, este calea adevărată spre a implora computerele cu puterile oamenilor și, în unele cazuri, Levy, Steven. Cum Google se rememorează ca o mașină care învață prima companie prin cablu (June 22, 2016).

Cum se utilizează învățarea în mașină în "lumea reală"? Cei mai mulți dintre noi întâlnim această tehnologie zilnic fără să ne gândim mult. Când utilizați Google sau un alt motor de căutare, rezultatele care apar în partea de sus a paginii sunt rezultatul învățării în mașină. Textul de predicție, precum și caracteristica de autocorrectare uneori necorespunzătoare, pe aplicația de mesagerie a telefonului inteligent, sunt, de asemenea, rezultatul învățării în mașină. Filmele și melodiile recomandate pe Netflix și Spotify sunt exemple suplimentare ale modului în care folosim această tehnologie cu creștere rapidă în timp ce abia o observăm.

Mai recent, Google a introdus mesajul Smart Reply in Gmail. La sfârșitul unui mesaj, acesta prezintă un utilizator cu trei răspunsuri posibile în funcție de conținut. Uber și alte companii testează în prezent autoturisme.

Industrii utilizând învățarea mașinilor

Utilizarea învățării în mașină depășește cu mult lumea tehnologică. SAS, o companie de software analitică, raportează că multe industrii au adoptat această tehnologie. Industria serviciilor financiare utilizează ML pentru a identifica oportunitățile de investiții, permite investitorilor să știe când să tranzacționeze, să recunoască clienții care au profile cu risc ridicat și să detecteze frauda. În domeniul îngrijirii sănătății, algoritmii ajută la diagnosticarea bolilor prin ridicarea anomaliilor.

Ați întrebat vreodată întrebarea: "De ce este un anunț pentru produsul în cauză pe care mă gândesc să îl cumpăr pe fiecare pagină pe care o vizitez?" ML permite industriei de marketing și vânzări să analizeze consumatorii pe baza istoricului lor de cumpărare și de căutare. Adaptarea industriei de transport a acestei tehnologii detectează posibilele probleme pe rute și ajută la creșterea eficienței acestora. Mulțumită ML, industria de petrol și gaze poate identifica noi surse de energie (Machine Learning: ce este și de ce are importanță.

Cum Învățarea în mașină schimbă locul de muncă

Predicțiile despre mașinile care preiau toate slujbele noastre au fost în jur de zeci de ani, dar ML va face în cele din urmă o realitate? Experții prognozează că această tehnologie are și va continua să modifice locul de muncă. Dar în măsura în care ne-am luat toate slujbele? Majoritatea experților nu cred că se va întâmpla.

În timp ce învățarea mașinilor nu poate înlocui ființele umane în toate ocupațiile, ar putea schimba multe din sarcinile legate de muncă. "Sarcini care implică luarea deciziilor rapide bazate pe date sunt o potrivire potrivită pentru programele ML, nu dacă deciziile depind de lanțuri lungi de raționament, de cunoștințe de fond diverse sau de bun-simț", spune Byron Spice Spice este directorul relațiilor cu mass-media la Carnegie Mellon Școala Universității de Informatică (Spice, Byron, Machine Learning va schimba locurile de muncă, Universitatea Carnegie Mellon.

21 decembrie 2017).

În revista Science, Erik Brynjolfsson și Tom Mitchell scrie că "cererea de forță de muncă este mult mai probabil să scadă pentru sarcinile care înlocuiesc capabilitățile ML, în timp ce este mult mai probabil să crească pentru sarcinile complementare pentru aceste sisteme. sistemul trece prin pragul în care devine mai eficient din punct de vedere al costurilor decât oamenii într-o sarcină, antreprenorii și managerii care maximizează profitul vor încerca din ce în ce mai mult să înlocuiască mașinile pentru oameni, ceea ce poate avea efecte în întreaga economie, și industriile de restructurare (Brynjolfsson, Erik și Mitchell, Tom.

Ce poate face învățarea mașinilor? Implicațiile forței de muncă. Ştiinţă. 22 decembrie 2017).

Vrei o carieră în procesul de învățare în mașină?

Carierele în procesul de învățare în mașină necesită expertiză în domeniul informaticii, al statisticii și al matematicii. Mulți oameni vin în acest domeniu cu un fundal în acele domenii. Multe colegii care oferă o importanță majoră în procesul de învățare a mașinilor iau o abordare multidisciplinară, cu un curriculum care include, în plus față de știința calculatoarelor, inginerie electrică și informatică, matematică și statistici (Top 16 școli pentru învățarea mașinilor, AdmissionTable.com).

Pentru cei care sunt deja implicați în industria tehnologiei informației, trecerea la o slujbă ML nu este un salt prea mare. S-ar putea să aveți deja multe dintre abilitățile de care aveți nevoie. Angajatorul dvs. vă poate ajuta chiar să faceți această tranziție. Potrivit articolului lui Steven Levy, "în prezent nu există o mulțime de oameni care sunt experți în ML, astfel că companii precum Google și Facebook sunt ingineri de reconversie a căror expertiză constă în codificarea tradițională".

În timp ce multe dintre abilitățile pe care le-ați dezvoltat ca profesioniști IT se vor transfera la învățarea în mașină, poate fi un pic dificil. Din fericire, ați rămas treaz în timpul cursurilor pentru colegiu, deoarece ML se bazează pe o înțelegere puternică a acestui subiect, precum și pe matematică. Levy scrie că coderii trebuie să fie dispuși să renunțe la controlul total pe care îl au asupra programării unui sistem.

Nu sunteți noroc dacă angajatorul dvs. de tehnologie nu oferă ML reciclare Google și Facebook sunt. Colegii și universități, precum și platforme de învățare online cum ar fi Udemy și Coursera, oferă cursuri care predau elementele de bază ale învățării mecanice. Cu toate acestea, este esențial să completați experiența dvs. prin luarea de clase de statistici și matematică.

Titluri de locuri de muncă și câștiguri

Titlurile principale de locuri de muncă pe care le veți întâlni atunci când căutați un loc de muncă în acest domeniu includ inginer mecanic de învățare și om de știință.

Inginerii de învățare a mașinilor "execută operațiunile unui proiect de învățare automată și sunt responsabili pentru gestionarea infrastructurilor și a conductelor de date necesare pentru a aduce codul la producție". Cercetătorii de date se află pe partea de date și analiză a algoritmilor de dezvoltare, mai degrabă decât partea de codificare. Ei, de asemenea, colectează, curăță și pregătesc datele (Zhou, Adelyn. "Titlurile de muncă ale inteligenței artificiale: ce este un inginer de învățare a mașinilor?" Forbes, 27 noiembrie 2017).

Pe baza observațiilor utilizatorilor de la persoanele care lucrează în aceste posturi, Glassdoor.com raportează că inginerii ML și oamenii de știință de date câștigă un salariu mediu de bază de 120.931 dolari. Salariile variaza de la un nivel scazut de 87.000 $ la un nivel ridicat de 158.000 $ (salariile inginerului de inginerie pentru masini., Glassdoor.com, 1 martie 2018). Deși Glassdoor grupează aceste titluri, există unele diferențe între ele.

Cerințe pentru locurile de muncă pentru învățarea mașinilor

Inginerii ML și oamenii de știință din domeniul datelor efectuează diferite locuri de muncă, dar între ele există o mulțime de suprapuneri. Anunțurile de muncă pentru ambele poziții au adesea cerințe similare. Mulți angajatori preferă diplome de licență, masterat sau doctorat în informatică sau inginerie, statistică sau matematică.

Pentru a fi o mașină de învățare profesională, veți avea nevoie de o combinație de abilități tehnice - abilități învățate în școală sau în ceea ce privește abilitățile de lucru și soft. Competențele soft sunt abilitățile pe care nu le învață în sala de clasă, ci se nasc sau se acumulează prin experiența vieții. Din nou, există o mare suprapunere între competențele necesare pentru inginerii ML și oamenii de știință.

Anunțurile de angajare arată că cei care lucrează în locurile de muncă ML trebuie să fie familiarizați cu cadrele de învățare a mașinilor precum TensorFlow, Mlib, H20 și Theano. Ei au nevoie de un fundal puternic în codificare, inclusiv experiența cu limbaje de programare, cum ar fi Java sau C / C ++ și limbaje de scripting, cum ar fi Perl sau Python. Expertiza în statistici și experiența utilizării pachetelor software statistice pentru a analiza seturi mari de date sunt, de asemenea, printre specificații.

O varietate de abilități soft vă va permite să reușiți în acest domeniu. Printre acestea se numără flexibilitatea, adaptabilitatea și perseverența. Dezvoltarea unui algoritm necesită o mulțime de încercări și erori și, prin urmare, răbdare. Trebuie să testați un algoritm pentru a vedea dacă funcționează și, dacă nu, pentru a dezvolta unul nou.

Competențele excelente de comunicare sunt esențiale. Echipa de învățare a mașinilor, care lucrează adesea pe echipe, are nevoie de abilități superioare de ascultare, vorbire și interpersonală pentru a colabora cu ceilalți și trebuie să prezinte concluziile colegilor lor. În plus, aceștia ar trebui să fie studenți activi care să poată încorpora noi informații în activitatea lor. Într-o industrie unde inovarea este apreciată, trebuie să fim creativi pentru a excela.