Delovna mesta na nastajajočem področju strojnega učenja

Na vrhu poročila o prihodnjih delovnih mestih, ki ga je leta 2017 izvedel LinkedIn, sta bila dva poklica na področju strojnega učenja: strojni učni inženir in raziskovalec podatkov. Zaposlitev za inženirje strojnega učenja se je med letoma 2012 in 2017 povečala za 9,8-krat, delovna mesta podatkovnih znanstvenikov pa so se v istem petletnem obdobju povečala 6,5-krat. Če se bo trend nadaljeval, bodo imeli ti poklici zaposlitvene obete, ki presegajo številne druge poklice. Če je prihodnost tako svetla, bi lahko bilo delo na tem področju primerno za vas?

Kaj je strojno učenje?

Strojno učenje je to, kar zveni. Ta tehnologija vključuje poučevanje strojev za opravljanje določenih nalog. Za razliko od tradicionalnega kodiranja, ki vsebuje navodila, ki računalnikom sporočajo, kaj naj storijo, jim ML priskrbi podatke, ki jim omogočajo, da sami ugotovijo, kako to počne človek ali žival. Sliši se kot čarovnija, vendar ni. Vključuje interakcijo računalniških znanstvenikov in drugih s sorodnim strokovnim znanjem. Ti strokovnjaki za IT ustvarjajo programe, ki se imenujejo algoritmi - skupek pravil, ki rešujejo problem - in jih nato vnesejo v velike sklope podatkov, ki jih naučijo napovedovati na podlagi teh informacij.

Strojno učenje je »podmnožica umetne inteligence, ki računalnikom omogoča opravljanje nalog, ki jih niso izrecno programirali« (Dickson, Ben. Veščine, ki jih potrebujete za delo na strojnem učenju. Karierno iskanje. 18. januar 2017.) Z leti je postalo bolj zapleteno, še bolj običajno, Steven Levy pa v članku, ki govori o Googlovi prioriteti strojnega učenja in preusposabljanju inženirjev podjetja, piše: "Strojno učenje se je že vrsto let štelo za posebnost, omejeno. nekaj elite.

To obdobje je konec, saj nedavni rezultati kažejo, da je strojno učenje, ki ga poganjajo "nevronske mreže", ki posnemajo način delovanja bioloških možganov, prava pot do računalnikov s človeškimi močmi, v nekaterih primerih pa tudi nad ljudmi. " Levy, Steven, kako se Google preoblikuje v strojno učenje prvega podjetja, 22. junij 2016).

Kako se strojno učenje uporablja v "resničnem svetu"? Večina nas vsakodnevno naleti na to tehnologijo, ne da bi veliko razmišljala. Ko uporabljate Google ali drug iskalnik, so rezultati, ki se pojavijo na vrhu strani, rezultat strojnega učenja. Besedilo s predvidevanjem in včasih nepravilna funkcija samodejnega popravljanja v aplikaciji za pošiljanje kratkih sporočil v vašem pametnem telefonu sta tudi rezultat strojnega učenja. Priporočeni filmi in pesmi na Netflixu in Spotify so nadaljnji primeri uporabe te hitro rastoče tehnologije, medtem ko jo komaj opazimo.

V zadnjem času je Google uvedel pametni odgovor v Gmailu. Na koncu sporočila uporabniku predstavi tri možne odgovore na podlagi vsebine. Uber in druga podjetja trenutno testirajo avtomobile, ki se vozijo sami.

Industrije z uporabo strojnega učenja

Uporaba strojnega učenja sega daleč preko tehnološkega sveta. SAS, podjetje za analizo programske opreme, poroča, da so to tehnologijo sprejele številne industrije. Industrija finančnih storitev uporablja ML za prepoznavanje naložbenih priložnosti, naj vlagatelji vedo, kdaj naj trgujejo, prepoznajo, katere stranke imajo profile z visokim tveganjem, in odkrijejo goljufije. V zdravstvu algoritmi pomagajo diagnosticirati bolezni z odkrivanjem nenormalnosti.

Ste že kdaj zastavili vprašanje: "Zakaj je oglas za ta izdelek razmišljal o nakupu, ki se prikaže na vsaki spletni strani, ki jo obiščem?" ML omogoča trženju in prodaji, da analizira potrošnike na podlagi njihovih nakupov in zgodovin iskanja. Prilagoditev te tehnologije transportni industriji zazna morebitne težave na progah in pripomore k njihovi večji učinkovitosti. Zahvaljujoč ML lahko industrija nafte in plina prepozna nove vire energije (strojno učenje: kaj je in zakaj je pomembno. SAS).

Kako strojno učenje spreminja delovno mesto

Napovedi, da bodo stroji prevzeli vsa naša delovna mesta, so prisotni že desetletja, vendar bo ML končno to uresničila? Strokovnjaki napovedujejo, da bo ta tehnologija spreminjala delovno mesto. Ampak kar se tiče odpuščanja vseh naših delovnih mest? Večina strokovnjakov ne misli, da se bo to zgodilo.

Medtem ko strojno učenje ne more zavzeti mesta v vseh poklicih, bi lahko spremenilo številne delovne obveznosti, povezane z njimi. "Naloge, ki vključujejo hitro sprejemanje odločitev na podlagi podatkov, so primerne za programe ML; ne tako, če je odločitev odvisna od dolgih verig razmišljanja, različnih znanj iz ozadja ali zdrave pameti", pravi Byron Spice, ki je direktor oddelkov za odnose z mediji v Carnegie Mellonu Univerzitetna šola za računalništvo (Spice, Byron. Strojno učenje bo spremenilo delovna mesta. Univerza Carnegie Mellon.

21. december 2017).

V reviji Science Magazine (Erik Brynjolfsson in Tom Mitchell) pišejo, da je povpraševanje po delavcih bolj verjetno, da bo padlo za naloge, ki so blizu nadomestkom za zmogljivosti ML, medtem ko je bolj verjetno, da se bo povečalo za naloge, ki so dopolnila za te sisteme. Sistem presega prag, kjer postane bolj stroškovno učinkovit kot človek na podlagi naloge, podjetniki in upravljavci, ki povečujejo dobiček, si bodo vedno bolj prizadevali nadomestiti stroje za ljudi, kar lahko vpliva na celotno gospodarstvo, povečuje produktivnost, znižuje cene, preusmerja povpraševanje po delovni sili, in prestrukturiranje industrij (Brynjolfsson, Erik in Mitchell, Tom.

Kaj lahko strojno učenje stori? Posledice za delovno silo. Znanost. 22. december 2017).

Želite kariero v strojnem učenju?

Kariera v strojnem učenju zahteva strokovno znanje na področju računalništva, statistike in matematike. Veliko ljudi prihaja na to področje z ozadjem na teh področjih. Mnoge šole, ki ponujajo pomemben strojni učni pristop, imajo multidisciplinarni pristop z učnim načrtom, ki poleg računalništva vključuje tudi elektrotehniko in računalniško inženirstvo, matematiko in statistiko (Top 16 šol za strojno učenje. AdmissionTable.com).

Za tiste, ki so že vključeni v industrijo informacijske tehnologije, prehod na delo z ML ni daleč. Morda že imate veliko veščin, ki jih potrebujete. Vaš delodajalec vam lahko celo pomaga pri tem prehodu. V skladu s člankom Stevena Levyja, "trenutno ni veliko ljudi, ki so strokovnjaki za ML, zato so podjetja, kot sta Google in Facebook, prekvalifikacija inženirjev, katerih strokovno znanje je v tradicionalnem kodiranju."

Medtem ko se bo veliko veščin, ki ste jih razvili kot strokovnjak za informacijsko tehnologijo, prenesli na strojno učenje, je to lahko malce izziv. Upajmo, da ste ostali budni med vašimi razredi za kolegijske statistike, ker se ML opira na močno razumevanje te teme, pa tudi na matematiko. Levy piše, da morajo biti koderji pripravljeni odreči se popolnemu nadzoru nad programiranjem sistema.

Niste brez sreče, če vaš delodajalec v tehnologiji ne zagotavlja prekvalifikacije za Google in Facebook. Šole in univerze ter spletne platforme za učenje, kot so Udemy in Coursera, ponujajo pouk, ki poučuje osnove strojnega učenja. Vendar pa je ključno, da svoje strokovno znanje zaokrožite s statističnimi in matematičnimi tečaji.

Naslovi delovnih mest in zaslužek

Primarna delovna mesta, na katera boste naleteli pri iskanju zaposlitve na tem področju, so strojni inženir in podatkovni znanstvenik.

Inženirji strojnega učenja "vodijo operacije projekta strojnega učenja in so odgovorni za upravljanje infrastrukture in cevovodov podatkov, ki so potrebni za izdelavo kode." Podatkovni znanstveniki so na strani za analizo podatkov in analiziranja algoritmov, ne pa na strani kodiranja. Prav tako zbirajo, čistijo in pripravljajo podatke (Zhou, Adelyn. "Umetniška inteligenca: dela: kaj je strojni učni inženir?", Forbes, 27. november 2017).

Na podlagi prispevkov uporabnikov, ki delajo na teh delovnih mestih, Glassdoor.com poroča, da ML inženirji in podatkovni znanstveniki zaslužijo povprečno osnovno plačo 120.931 $. Plače segajo od nizke vrednosti 87.000 dolarjev do najvišjega zneska 158.000 dolarjev (plače strojnega inženirja. Glassdoor.com. 1. marec 2018). Čeprav Glassdoor združuje te naslove, so med njimi nekatere razlike.

Zahteve za delovna mesta za strojno učenje

ML inženirji in podatkovni znanstveniki opravljajo različna dela, vendar se med njimi veliko prekriva. Objave delovnih mest za oba delovna mesta imajo pogosto podobne zahteve. Mnogi delodajalci raje imajo diplomo, magisterij ali doktorat iz računalništva ali inženirstva, statistike ali matematike.

Če želite biti strokovnjak za strojno učenje, boste potrebovali kombinacijo tehničnih veščin - spretnosti, pridobljene v šoli ali na delovnem mestu - in mehkih veščin. Mehke veščine so sposobnosti, ki jih ne učijo v učilnici, temveč se rodijo z ali pridobijo skozi življenjske izkušnje. Še enkrat, obstaja veliko prekrivanja med zahtevanimi znanji za inženirje ML in znanstvenike podatkov.

Izjave o delovnih mestih razkrivajo, da bi morali biti tisti, ki delajo na področju inženiringa ML, seznanjeni z okviri strojnega učenja, kot so TensorFlow, Mlib, H20 in Theano. Potrebujejo močno ozadje pri kodiranju, vključno z izkušnjami s programskimi jeziki, kot so Java ali C / C ++ in skriptni jeziki, kot sta Perl ali Python. Strokovno znanje s področja statistike in izkušenj s statističnimi paketi programske opreme za analizo velikih sklopov podatkov so prav tako med specifikacijami.

Različne mehke spretnosti vam bodo omogočile uspeh na tem področju. Med njimi so prilagodljivost, prilagodljivost in vztrajnost. Razvoj algoritma zahteva veliko preizkusov in napak ter zato potrpežljivost. Poskusiti moramo algoritem, da vidimo, če deluje, in če ne, razvijemo novega.

Odlične komunikacijske spretnosti so bistvene. Strokovnjaki za strojno učenje, ki pogosto delajo v skupinah, potrebujejo odlične slušne, govorne in medosebne spretnosti za sodelovanje z drugimi in morajo svoje ugotovitve predstaviti tudi svojim kolegom. Poleg tega morajo biti aktivni učenci, ki lahko v svoje delo vključijo nove informacije. V industriji, kjer se inovacije vrednotijo, moramo biti ustvarjalni, da se odlikujejo.