Топ работни места за машинно обучение

Съдържание

• Какво е машинно обучение?
• Отрасли, използващи машинно обучение
• Как машинното обучение променя работното място
• Искате ли кариера в машинното обучение?
• Длъжностни заглавия и приходи
• Изисквания за работни места за машинно обучение

В горната част на отчета за нови работни места в САЩ на LinkedIn за 2017 г. бяха две професии в областта на машинното обучение: инженер за машинно обучение и Data Scientist. Заетостта на инженерите за машинно обучение нарасна с 9,8 пъти между 2012 и 2017 г., а работните места на учените по данни се увеличиха 6,5 пъти през същия петгодишен период. Ако тенденцията се запази, тези професии ще имат перспективи за заетост, които надминават много други професии. С толкова светло бъдеще може ли работа в тази област да е подходяща за вас?

Какво е машинно обучение?

Машинното обучение (ML) е точно това, което звучи. Тази технология включва учебни машини за изпълнение на конкретни задачи. За разлика от традиционното кодиране, което предоставя инструкции, които казват на компютрите какво да правят, ML им предоставя данни, които им позволяват да разберат сами, подобно на това, което би направил човек или животно. Звучи като магия, но не е така. Тя включва взаимодействието на компютърни учени и други със съответните експертизи. Тези ИТ специалисти създават програми, наречени алгоритми - набор от правила, които решават даден проблем - и след това ги хранят големи масиви от данни, които ги учат да правят прогнози въз основа на тази информация.

Машинното обучение е „подмножество от изкуствен интелект, което позволява на компютрите да изпълняват задачи, които не са били изрично програмирани да вършат“ (Диксън, Бен. Умения, които трябва да се заемете с машинно обучение за работа. It Career Finder. 18 януари 2017 г.) С течение на годините става по-сложно, но все по-често срещано. Стивън Леви в статия, която говори за приоритизирането на Google от машинно обучение и преквалификация на инженерите на компанията, пише: „Дълги години машинното обучение се смяташе за специалност, ограничена на елитни няколко. Тази ера е приключила, тъй като последните резултати показват, че машинното обучение, задвижвано от „невронни мрежи“, които подражават на начина, по който работи биологичният мозък, е истинският път към натрупване на компютрите със силите на хората, а в някои случаи и на супер хора “( Леви, Стивън. Как Google се превъплъщава като машинно обучение за първа кабелна компания. 22 юни 2016 г.).

Как се използва машинното обучение в "реалния свят?" Повечето от нас ежедневно се натъкват на тази технология, без да се замисляме много. Когато използвате Google или друга търсачка, резултатите, които се появяват в горната част на страницата, са резултат от машинно обучение. Предсказуемият текст, както и понякога злонамерената функция за автоматично поправяне в текстовото приложение на вашия смартфон, също са резултат от машинно обучение. Препоръчителните филми и песни в Netflix и Spotify са допълнителни примери за това как използваме тази бързо развиваща се технология, докато едва я забелязваме. Съвсем наскоро Google представи интелигентен отговор в Gmail. В края на съобщението той представя на потребителя три възможни отговора въз основа на съдържанието. Понастоящем Uber и други компании тестват автомобили за самоуправление.

Отрасли, използващи машинно обучение

Използването на машинно обучение достига далеч отвъд света на технологиите. SAS, аналитична софтуерна компания, съобщава, че много индустрии са възприели тази технология. Индустрията на финансовите услуги използва ML, за да идентифицира възможностите за инвестиции, уведомява инвеститорите кога да търгуват, разпознава кои клиенти имат високорискови профили и открива измами. В здравеопазването алгоритмите помагат за диагностициране на заболявания, като избират аномалии.

Някога задавали ли сте си въпроса „защо рекламата за този продукт мисля да купувам, се показва на всяка уеб страница, която посещавам?“ ML позволява на маркетинговата и продажбената индустрия да анализира потребителите въз основа на историята на тяхното купуване и търсене. Адаптирането на тази технология в транспортната индустрия открива потенциални проблеми по маршрутите и им помага да бъдат по-ефективни. Благодарение на ML, нефтената и газовата индустрия могат да идентифицират нови източници на енергия (машинно обучение: какво е и защо има значение. SAS).

Как машинното обучение променя работното място

Прогнозите за машините, които поемат всичките ни работни места, съществуват от десетилетия, но дали ML най-накрая ще направи това реалност? Експертите прогнозират, че тази технология има и ще продължи да променя работното място. Но що се отнася до отнемането на всичките ни работни места? Повечето експерти не смятат, че това ще се случи.

Макар машинното обучение да не може да заеме мястото на хората във всички професии, това може да промени много от работните задължения, свързани с тях. „Задачите, които включват вземане на бързи решения въз основа на данни, са подходящи за програми за ML; не е така, ако решението зависи от дългите вериги от разсъждения, разнообразни знания или здрав разум“, казва Байрън Спайс. Спайс е директор на връзките с медиите в Carnegie Mellon Университетското училище по компютърни науки (Spice, Byron. Машинното обучение ще промени работните места. University of Carnegie Mellon. 21 декември 2017 г.).

В списание Science Erik Brynjolfsson и Tom Mitchell пишат, "търсенето на работна ръка е по-вероятно да падне за задачи, които са близки заместители на възможностите на ML, докато има по-голяма вероятност да се увеличи за задачи, които са допълнения за тези системи. Всеки път ML системата прекрачва прага, при който става по-ефективна от разходите на хората за дадена задача, предприемачите и ръководителите с максимизиране на печалбата все повече ще се стремят да заменят машините за хората. и преструктуриране на индустриите (Brynjolfsson, Erik и Mitchell, Tom. Какво може да направи машинното обучение? Последици за работната сила. Наука. 22 декември 2017 г.).

Искате ли кариера в машинното обучение?

Кариерата в машинното обучение изисква опит в областта на компютърните науки, статистиката и математиката. Много хора идват в това поле с опит в тези полета. Много колежи, които предлагат специалност в машинното обучение, възприемат мултидисциплинарен подход с учебен план, който включва освен компютърни науки, електротехника и компютърна техника, математика и статистика (Топ 16 училища за машинно обучение. AdmissionTable.com).

За онези, които вече участват в индустрията на информационните технологии, преходът към работа на ML не е голям скок. Вече може да имате много от необходимите умения. Вашият работодател може дори да ви помогне да направите този преход. Според статията на Стивън Леви, "в момента няма много хора, които са експерти в ML, така че компании като Google и Facebook преквалифицират инженери, чийто опит е в традиционното кодиране".

Докато много от уменията, които сте разработили като ИТ професионалист, ще прехвърлите на машинно обучение, това може да е малко предизвикателство. Надяваме се, че сте останали будни по време на уроците си по статистика в колежа, защото ML се опира на силно разбиране по този предмет, както и на математиката. Леви пише, че кодерите трябва да са готови да се откажат от пълния контрол, който имат над програмирането на система.

Не сте късметлии, ако вашият технологичен работодател не предостави ML преквалификацията са Google и Facebook. Колежи и университети, както и онлайн платформи за обучение като Udemy и Coursera, предлагат класове, които преподават основите на машинното обучение. Важно е обаче да закръгляте своя опит, като правите статистика и часове по математика.

Длъжностни заглавия и приходи

Основните заглавия на работа, които ще срещнете, когато търсите работа в тази област, включват инженер за машинно обучение и учен с данни.

Инженерите за машинно обучение "изпълняват операциите по проект за машинно обучение и са отговорни за управлението на инфраструктурата и тръбопроводите за данни, необходими за въвеждане на код в производство." Учените за данни са на страната на данните и анализа на разработващите алгоритми, а не на кодиращата страна. Те също събират, почистват и подготвят данни (Zhou, Adelyn. „Длъжностни заглавия за изкуствен интелект: Какво е инженер за машинно обучение?“ Forbes. 27 ноември 2017 г.).

Въз основа на изявленията на потребителите от хора, работещи на тези работни места, Glassdoor.com съобщава, че инженерите на ML и учените за данни печелят средна базова заплата от 120 931 долара. Заплатите варират от ниско от 87 000 до високо от 158 000 долара (Машинно обучение за инженерни заплати. Glassdoor.com. 1 март 2018 г.). Въпреки че Glassdoor групира тези заглавия, има някои разлики между тях.

Изисквания за работни места за машинно обучение

ML инженерите и учените по данни вършат различни задачи, но между тях има много припокривания. Обявите за работа и за двете позиции често имат сходни изисквания. Много работодатели предпочитат бакалавърска, магистърска или докторска степен по компютърни науки или инженерство, статистика или математика.

За да бъдете професионален машинен ученик, ще ви е необходима комбинация от технически умения - умения, научени в училище или на работа - и меки умения. Меките умения са способности, които не учат в класната стая, а вместо това се раждат или придобиват чрез житейски опит. Отново има голямо припокриване между необходимите умения за инженерите на ML и специалистите по данни.

Обявленията за работа разкриват, че тези, които работят в ML инженерни работни места, трябва да са запознати с рамки за машинно обучение като TensorFlow, Mlib, H20 и Theano. Те се нуждаят от силен опит в кодирането, включително опит с езици за програмиране като Java или C / C ++ и скриптови езици като Perl или Python. Експертизата в статистиката и опитът с използването на статистически софтуерни пакети за анализ на големи масиви от данни също са сред спецификациите.

Разнообразие от меки умения ще ви позволи да успеете в тази област. Сред тях са гъвкавостта, адаптивността и постоянството. Разработването на алгоритъм изисква много опити и грешки и следователно търпение. Човек трябва да тества алгоритъм, за да види дали работи и ако не, да разработи нов.

Отличните комуникативни умения са от съществено значение. Професионалистите за машинно обучение, които често работят в екипи, се нуждаят от превъзходни умения за слушане, говорене и междуличностни умения, за да си сътрудничат с други хора и също трябва да представят своите открития пред своите колеги. Освен това те трябва да бъдат активни учащи, които могат да включат нова информация в работата си. В индустрия, в която иновациите се оценяват, човек трябва да бъде творчески, за да се отличи.