Poslovi za vrhunsko strojno učenje

Sadržaj

• Što je strojno učenje?
• Industrije koje koriste strojno učenje
• Kako strojno učenje mijenja radno mjesto
• Želite li karijeru u strojnom učenju?
• Naslovi i zarade
• Zahtjevi za poslove strojnog učenja

Na vrhu LinkedInovog izvještaja o novim poslovima o radu u SAD-u za 2017. bila su dva zanimanja u području strojnog učenja: inženjer strojnog učenja i podatkovni znanstvenik. Zaposlenost inženjera strojnog učenja porasla je za 9,8 puta između 2012. i 2017., a poslovi znanstvenika iz podataka povećali su se 6,5 puta tijekom istog petogodišnjeg razdoblja. Ako se trend nastavi, ova zanimanja imat će izglede za zaposlenje koji će nadmašiti mnoga druga zanimanja. S tako svijetlom budućnošću, može li vam posao na ovom polju odgovarati?

Što je strojno učenje?

Strojno učenje (ML) je upravo ono što zvuči. Ova tehnologija uključuje nastavne strojeve za obavljanje određenih zadataka. Za razliku od tradicionalnog kodiranja koje pruža upute koje računalima govore što treba raditi, ML im pruža podatke koji im omogućuju da sami shvate, baš kao što bi to radili čovjek ili životinja. Zvuči kao magija, ali nije. Uključuje interakciju računalnih znanstvenika i drugih sa srodnom stručnošću. Ti IT stručnjaci stvaraju programe zvane algoritmi - skupa pravila koja rješavaju problem - i zatim im hrane velike skupove podataka koji ih uče da mogu predvidjeti na temelju tih podataka.

Strojno učenje je "podskup umjetne inteligencije koji omogućuje računalima izvršavanje zadataka za koje nisu eksplicitno programirani da rade" (Dickson, Ben. Vještine koje morate zaposliti za strojno učenje. It Career Finder. 18. siječnja 2017.) Tijekom godina postaje sve složenije, ali i uobičajenije. Steven Levy u članku koji govori o Googleovoj prioritetnosti strojnog učenja i prekvalifikacije inženjera tvrtke piše: "Dugo godina se strojno učenje smatralo specijalnošću, ograničenom nekolicini elitnih. To je doba završilo, jer nedavni rezultati pokazuju da je strojno učenje, koje pokreću "neuronske mreže" koje oponašaju način na koji biološki mozak djeluje, pravi put ka imputiranju računala moćima ljudi, a u nekim slučajevima i super ljudima "( Levy, Steven. Kako Google sebe doživljava kao strojno učenje prve kompanije ožičenog. 22. lipnja 2016).

Kako se strojno učenje koristi u "stvarnom svijetu?" Većina nas svakodnevno nailazimo na ovu tehnologiju bez puno razmišljanja. Kada koristite Google ili neku drugu tražilicu, rezultati koji se pojave na vrhu stranice rezultat su strojnog učenja. Prediktivni tekst, kao i ponekad zlostavljana značajka automatskog ispravljanja, na aplikaciji za slanje poruka na vašem pametnom telefonu, također su rezultat strojnog učenja. Preporučeni filmovi i pjesme na Netflixu i Spotifyju daljnji su primjeri kako koristimo ovu brzo rastuću tehnologiju dok je jedva primjećujemo. Nedavno je Google predstavio Smart Reply u Gmailu. Na kraju poruke korisniku nudi tri moguća odgovora na osnovu sadržaja. Uber i druge tvrtke trenutno testiraju automobile sa samostalnom vožnjom.

Industrije koje koriste strojno učenje

Upotreba strojnog učenja doseže mnogo više od svijeta tehnologije. SAS, analitička softverska tvrtka, izvještava da je mnoge industrije usvojilo ovu tehnologiju. Industrija financijskih usluga koristi ML kako bi identificirala mogućnosti ulaganja, obavijestila investitore kada trgovati, prepoznala koji klijenti imaju visoko rizične profile i otkrila prijevare. U zdravstvenoj zaštiti algoritmi pomažu u dijagnosticiranju bolesti tako što pokupe abnormalnosti.

Jeste li ikad postavili pitanje "zašto se oglas za taj proizvod razmišlja o kupovini pojavljivanja na svakoj web stranici koju posjetim?" ML omogućuje marketinškoj i prodajnoj industriji analizu potrošača na temelju njihove povijesti kupovine i pretraživanja. Prilagođavanje ove transportne industrije ovoj tehnologiji otkriva potencijalne probleme na rutama i pomaže joj da budu učinkovitiji. Zahvaljujući ML-u, industrija nafte i plina može identificirati nove izvore energije (Strojno učenje: Što je i zašto je važno. SAS).

Kako strojno učenje mijenja radno mjesto

Predviđanja o strojevima koji preuzimaju sve naše poslove postoje već desetljećima, no hoće li ML konačno to ostvariti? Stručnjaci predviđaju da ova tehnologija ima i nastavit će mijenjati radno mjesto. Ali što se tiče oduzimanja svih naših poslova? Većina stručnjaka ne misli da će se to dogoditi.

Iako strojno učenje ne može zauzeti mjesto ljudskih bića u svim zanimanjima, to može promijeniti mnoge radne zadatke povezane s njima. "Zadaci koji uključuju brzo donošenje odluka na temelju podataka dobro se uklapaju u ML programe, ali ne ako odluka ovisi o dugim lancima razmišljanja, raznolikim pozadinskim znanjima ili zdravom razumu", kaže Byron Spice. Spice je direktor odnosa s medijima Carnegie Mellon University of School of Computer Science (Spice, Byron. Strojno učenje će promijeniti posao. Sveučilište Carnegie Mellon. 21. prosinca 2017.).

U Science Magazine, Erik Brynjolfsson i Tom Mitchell pišu, "potražnja radne snage vjerovatno će pasti za zadatke koji su nadomjestak mogućnostima ML-a, dok je veća vjerojatnost da će se povećati za zadatke koji nadopunjuju ove sustave. Svaki put kada ML sustav prelazi prag gdje postaje isplativiji od ljudi na nekom zadatku, poduzetnici i menadžeri koji povećavaju profit sve će više nastojati zamijeniti strojeve za ljude. To može imati učinke u cijeloj ekonomiji, povećanju produktivnosti, snižavanju cijena, premještanju potražnje radne snage, i restrukturiranje industrija (Brynjolfsson, Erik i Mitchell, Tom. Šta može strojno učenje? implikacije radne snage. znanost. 22. prosinca 2017.).

Želite li karijeru u strojnom učenju?

Karijere u strojnom učenju zahtijevaju znanje iz područja računalnih znanosti, statistike i matematike. Mnogi ljudi dolaze na to polje s pozadinom na tim poljima. Mnogi fakulteti koji nude veliko obrazovanje u strojnom učenju imaju multidisciplinarni pristup s nastavnim planom i programom koji, osim informatike, elektrotehnike i računalnog inženjerstva, matematike i statistike, uključuje (Top 16 škola za strojno učenje. AdmissionTable.com).

Za one koji su već uključeni u industriju informatičke tehnologije, prijelaz na posao s ML-om nije daleko preskočan. Možda već imate mnoge potrebne vještine. Vaš poslodavac vam može čak pomoći da napravite ovaj prijelaz. Prema članku Stevena Levyja, "trenutno nema puno ljudi koji su stručnjaci za ML, tako da tvrtke poput Googlea i Facebooka prekvalificiraju inženjere čija se stručnost sastoji u tradicionalnom kodiranju."

Iako će mnoge vještine koje ste razvili kao IT profesionalac prenijeti na strojno učenje, to može biti malo izazovno. Nadamo se da ste ostali budni tijekom nastave na fakultetskim statistikama, jer se ML oslanja na snažno razumijevanje tog predmeta, kao i matematiku. Levy piše da koderi moraju biti spremni odustati od potpune kontrole koju imaju nad programiranjem sustava.

Niste imali sreće ako vaš poslodavac za tehnologiju ne osigura ML-a koji su prekvalificirali Google i Facebook. Koledži i sveučilišta, kao i mrežne platforme za učenje poput Udemy i Coursera, nude časove koji podučavaju osnove strojnog učenja. Ključno je, međutim, zaokružiti svoju stručnost polaganjem statistike i nastave iz matematike.

Naslovi i zarade

Primarni nazivi poslova na koje ćete naići kada tražite posao na ovom polju uključuju inženjera strojnog učenja i znanstvenika podataka.

Strojni inženjeri za učenje "upravljaju operacijama projekta strojnog učenja i odgovorni su za upravljanje infrastrukturom i cjevovodima podataka potrebnima za donošenje koda u proizvodnju." Znanstvenici podataka nalaze se na strani podataka i analize algoritama u razvoju, a ne na strani kodiranja. Oni također prikupljaju, čiste i pripremaju podatke (Zhou, Adelyn. "Naslovi radnih mjesta umjetne inteligencije: Što je inženjer strojnog učenja?", Forbes., 27. studenog 2017.).

Na temelju podataka korisnika koji rade na tim poslovima, Glassdoor.com izvještava da ML inženjeri i znanstvenici za podatke zarađuju prosječnu osnovnu plaću od 120 931 USD. Plaće se kreću od niskih 87.000 do visokih 158.000 dolara (Plaće strojnog učenja inženjera. Glassdoor.com. 1. ožujka 2018.). Iako Glassdoor grupira ove naslove, postoje neke razlike između njih.

Zahtjevi za poslove strojnog učenja

ML inženjeri i znanstvenici podataka obavljaju različite poslove, ali postoji puno preklapanja između njih. Najave poslova za obje pozicije često imaju slične zahtjeve. Mnogi poslodavci preferiraju prvostupnike, magistre ili doktorske studije iz informatike, inženjerstva, statistike ili matematike.

Da biste bili profesionalac strojnog učenja, trebat će vam kombinacija tehničkih vještina - vještina naučenih u školi ili na poslu - i mekih vještina. Meke vještine su nečije sposobnosti koje ne uče u učionici, već se umjesto toga rađaju ili stječu kroz životno iskustvo. Opet, veliko je preklapanje između potrebnih vještina inženjera ML i podataka.

Najave za posao otkrivaju da bi oni koji rade na ML inženjerskim poslovima trebali biti upoznati s okvirima strojnog učenja poput TensorFlow, Mlib, H20 i Theano. Potrebna im je snažna pozadina kodiranja, uključujući iskustvo rada s programskim jezicima kao što su Java ili C / C ++ i skriptnim jezicima kao što su Perl ili Python. Znanje u statistici i iskustvo korištenja statističkih softverskih paketa za analizu velikih skupova podataka također su među specifikacijama.

Razne meke vještine omogućit će vam uspjeh u ovom polju. Među njima su fleksibilnost, prilagodljivost i upornost. Razvijanje algoritma zahtijeva puno pokušaja i pogrešaka, a samim tim i strpljenja. Morate testirati algoritam da biste vidjeli djeluje li i ako ne, razviti novi.

Odlične komunikacijske vještine su ključne. Profesionalci strojnog učenja, koji često rade u timovima, trebaju vrhunsku vještinu slušanja, govora i međuljudske sposobnosti da bi surađivali s drugima, a svoja otkrića moraju predstaviti i svojim kolegama. Pored toga, trebali bi biti aktivni polaznici koji mogu uključiti nove informacije u svoj rad. U industriji u kojoj se inovacije cijene, treba se kreativno isticati.