Κορυφαίες εργασίες μηχανικής εκμάθησης

Περιεχόμενο

• Τι είναι η μηχανική εκμάθηση;
• Βιομηχανίες που χρησιμοποιούν μηχανική εκμάθηση
• Πώς η μηχανική εκμάθηση αλλάζει τον χώρο εργασίας
• Θέλετε καριέρα στη μηχανική μάθηση;
• Τίτλοι εργασίας και κέρδη
• Απαιτήσεις για τις Εργασίες Μηχανικής Μάθησης

Στην κορυφή της έκθεσης για τις αναδυόμενες θέσεις εργασίας του 2017 στο LinkedIn υπήρχαν δύο επαγγέλματα στον τομέα της μηχανικής μάθησης: Μηχανικός μηχανικής μάθησης και επιστήμονας δεδομένων. Η απασχόληση για μηχανικούς μηχανικής μάθησης αυξήθηκε κατά 9,8 φορές μεταξύ 2012 και 2017 και οι θέσεις εργασίας σε επιστήμονες δεδομένων αυξήθηκαν 6,5 φορές κατά την ίδια πενταετή περίοδο. Εάν η τάση συνεχιστεί, αυτά τα επαγγέλματα θα έχουν προοπτικές απασχόλησης που ξεπερνούν πολλά άλλα επαγγέλματα. Με ένα μέλλον τόσο φωτεινό, θα μπορούσε μια δουλειά σε αυτόν τον τομέα να είναι κατάλληλη για εσάς;

Τι είναι η μηχανική εκμάθηση;

Η μηχανική εκμάθηση (ML) είναι ακριβώς όπως ακούγεται. Αυτή η τεχνολογία περιλαμβάνει μηχανές διδασκαλίας για την εκτέλεση συγκεκριμένων εργασιών. Σε αντίθεση με την παραδοσιακή κωδικοποίηση που παρέχει οδηγίες που λένε στους υπολογιστές τι να κάνουν, το ML τους παρέχει δεδομένα που τους επιτρέπουν να το καταλάβουν μόνοι τους, όπως θα έκανε ένας άνθρωπος ή ένα ζώο. Ακούγεται σαν μαγεία, αλλά δεν είναι. Περιλαμβάνει την αλληλεπίδραση επιστημόνων υπολογιστών και άλλων με σχετική εμπειρογνωμοσύνη. Αυτοί οι επαγγελματίες πληροφορικής δημιουργούν προγράμματα που ονομάζονται αλγόριθμοι - σύνολα κανόνων που επιλύουν ένα πρόβλημα - και στη συνέχεια τους τροφοδοτούν μεγάλα σύνολα δεδομένων που τους διδάσκουν να κάνουν προβλέψεις βάσει αυτών των πληροφοριών.

Η μηχανική εκμάθηση είναι ένα "υποσύνολο τεχνητής νοημοσύνης που επιτρέπει στους υπολογιστές να εκτελούν εργασίες που δεν έχουν προγραμματιστεί ρητά να κάνουν" (Dickson, Ben. Skills You Need to Land a Machine Learning Job. It Career Finder. 18 Ιανουαρίου 2017.) Έχει γίνει πιο περίπλοκο, αλλά πιο συνηθισμένο, με την πάροδο των ετών. Ο Steven Levy, σε ένα άρθρο που αναφέρεται στην ιεράρχηση της μηχανικής μάθησης και της επανεκπαίδευσης των μηχανικών της εταιρείας, γράφει: «Για πολλά χρόνια, η μηχανική μάθηση θεωρήθηκε ειδικότητα, περιορισμένη σε λίγες ελίτ. Αυτή η εποχή τελείωσε, καθώς τα πρόσφατα αποτελέσματα δείχνουν ότι η μηχανική μάθηση, που τροφοδοτείται από «νευρικά δίχτυα» που μιμούνται τον τρόπο με τον οποίο λειτουργεί ένας βιολογικός εγκέφαλος, είναι ο πραγματικός δρόμος προς την ενσωμάτωση υπολογιστών με τις δυνάμεις των ανθρώπων και, σε ορισμένες περιπτώσεις, των υπερ-ανθρώπων »( Levy, Steven. Πώς η Google αναδιαμορφώνεται ως πρώτη εταιρεία που έχει μάθει από την εταιρεία. 22 Ιουνίου 2016).

Πώς χρησιμοποιείται η μηχανική μάθηση στον "πραγματικό κόσμο;" Οι περισσότεροι από εμάς συναντάμε αυτήν την τεχνολογία σε καθημερινή βάση χωρίς να το σκεφτόμαστε πολύ. Όταν χρησιμοποιείτε το Google ή άλλη μηχανή αναζήτησης, τα αποτελέσματα που εμφανίζονται στην κορυφή της σελίδας είναι το αποτέλεσμα της μηχανικής μάθησης. Το προγνωστικό κείμενο, καθώς και η λειτουργία αυτόματης διόρθωσης που κακομεταχειρίζεται μερικές φορές, στην εφαρμογή γραπτών μηνυμάτων του έξυπνου τηλεφώνου σας, είναι επίσης αποτέλεσμα της μηχανικής μάθησης. Οι προτεινόμενες ταινίες και τραγούδια στο Netflix και το Spotify είναι περαιτέρω παραδείγματα του τρόπου με τον οποίο χρησιμοποιούμε αυτήν την ταχέως αναπτυσσόμενη τεχνολογία, ενώ μόλις το παρατηρούμε. Πιο πρόσφατα, η Google παρουσίασε την Έξυπνη απάντηση στο Gmail. Στο τέλος ενός μηνύματος, παρουσιάζει στον χρήστη τρεις πιθανές απαντήσεις με βάση το περιεχόμενο. Η Uber και άλλες εταιρείες δοκιμάζουν επί του παρόντος αυτοκινούμενα αυτοκίνητα.

Βιομηχανίες που χρησιμοποιούν μηχανική εκμάθηση

Η χρήση της μηχανικής μάθησης φτάνει πολύ πέρα ​​από τον κόσμο της τεχνολογίας. Η SAS, μια εταιρεία ανάλυσης λογισμικού, αναφέρει ότι πολλές βιομηχανίες έχουν υιοθετήσει αυτήν την τεχνολογία. Ο κλάδος των χρηματοοικονομικών υπηρεσιών χρησιμοποιεί ML για να εντοπίσει επενδυτικές ευκαιρίες, να ενημερώσει τους επενδυτές πότε να πραγματοποιήσουν συναλλαγές, να αναγνωρίσουν ποιοι πελάτες έχουν προφίλ υψηλού κινδύνου και να εντοπίσουν απάτες. Στην υγειονομική περίθαλψη, οι αλγόριθμοι βοηθούν στη διάγνωση ασθενειών με τη λήψη ανωμαλιών.

Έχετε θέσει ποτέ την ερώτηση: "Γιατί εμφανίζεται μια διαφήμιση για αυτό το προϊόν που εμφανίζεται σε κάθε ιστοσελίδα που επισκέπτομαι;" Η ML επιτρέπει στον κλάδο μάρκετινγκ και πωλήσεων να αναλύει τους καταναλωτές με βάση το ιστορικό αγορών και αναζήτησης. Η προσαρμογή αυτής της τεχνολογίας από τη βιομηχανία μεταφορών ανιχνεύει πιθανά προβλήματα στις διαδρομές και τα βοηθά να τα καταστήσουν πιο αποτελεσματικά. Χάρη στο ML, η βιομηχανία πετρελαίου και φυσικού αερίου μπορεί να εντοπίσει νέες πηγές ενέργειας (Machine Learning: Τι είναι και γιατί έχει σημασία. SAS).

Πώς η μηχανική εκμάθηση αλλάζει τον χώρο εργασίας

Οι προβλέψεις σχετικά με τις μηχανές που αναλαμβάνουν όλες τις δουλειές μας υπάρχουν εδώ και δεκαετίες, αλλά τελικά θα κάνει το ML πραγματικότητα; Οι ειδικοί προβλέπουν ότι αυτή η τεχνολογία έχει και θα συνεχίσει να αλλάζει τον χώρο εργασίας. Όμως, στο να αφαιρέσουμε όλες τις δουλειές μας; Οι περισσότεροι ειδικοί δεν πιστεύουν ότι θα συμβεί.

Ενώ η μηχανική μάθηση δεν μπορεί να αντικαταστήσει τα ανθρώπινα όντα σε όλα τα επαγγέλματα, θα μπορούσε να αλλάξει πολλά από τα καθήκοντα εργασίας που σχετίζονται με αυτά. "Τα καθήκοντα που περιλαμβάνουν τη λήψη γρήγορων αποφάσεων με βάση τα δεδομένα είναι κατάλληλα για προγράμματα ML. Όχι έτσι εάν η απόφαση εξαρτάται από μεγάλες αλυσίδες συλλογιστικής, διαφορετική γνώση υποβάθρου ή κοινή λογική", λέει ο Byron Spice. Ο Spice είναι Διευθυντής των Σχέσεων ΜΜΕ στο Carnegie Mellon Σχολή Επιστημών Υπολογιστών του Πανεπιστημίου (Spice, Byron. Η μηχανική εκμάθηση θα αλλάξει θέσεις εργασίας. Carnegie Mellon University. 21 Δεκεμβρίου 2017).

Στο Science Magazine, οι Erik Brynjolfsson και Tom Mitchell γράφουν, "η ζήτηση εργασίας είναι πιο πιθανό να μειωθεί για εργασίες που είναι στενά υποκατάστατα των δυνατοτήτων του ML, ενώ είναι πιο πιθανό να αυξηθεί για εργασίες που είναι συμπληρωματικά για αυτά τα συστήματα. Κάθε φορά που ένα ML Το σύστημα διασχίζει το κατώφλι όπου γίνεται πιο οικονομικό από ό, τι οι άνθρωποι σε μια εργασία, οι επιχειρηματίες και οι διαχειριστές που μεγιστοποιούν το κέρδος θα επιδιώκουν όλο και περισσότερο να αντικαθιστούν μηχανές για ανθρώπους. Αυτό μπορεί να έχει επιπτώσεις σε όλη την οικονομία, αύξηση της παραγωγικότητας, μείωση των τιμών, μετατόπιση της ζήτησης εργασίας, και βιομηχανίες αναδιάρθρωσης (Brynjolfsson, Erik και Mitchell, Tom. Τι μπορεί να κάνει η μηχανική εκμάθηση; Επιπτώσεις στο εργατικό δυναμικό. Science. 22 Δεκεμβρίου 2017).

Θέλετε καριέρα στη μηχανική μάθηση;

Η σταδιοδρομία στη μηχανική μάθηση απαιτεί εξειδίκευση στην επιστήμη των υπολογιστών, στα στατιστικά και στα μαθηματικά. Πολλοί άνθρωποι έρχονται σε αυτό το πεδίο με φόντο σε αυτούς τους τομείς. Πολλά κολέγια που προσφέρουν σπουδές στη μηχανική μάθηση ακολουθούν μια διεπιστημονική προσέγγιση με ένα πρόγραμμα σπουδών που περιλαμβάνει, εκτός από την επιστήμη των υπολογιστών, την ηλεκτρολογία και τη μηχανική υπολογιστών, τα μαθηματικά και τα στατιστικά στοιχεία (Κορυφαία 16 Σχολές για Μηχανική Μάθηση. AdmissionTable.com).

Για όσους ασχολούνται ήδη με τη βιομηχανία τεχνολογίας πληροφοριών, η μετάβαση σε μια εργασία ML δεν είναι πολύ άλμα. Μπορεί να έχετε ήδη πολλές από τις δεξιότητες που χρειάζεστε. Ο εργοδότης σας μπορεί ακόμη και να σας βοηθήσει να κάνετε αυτήν τη μετάβαση. Σύμφωνα με το άρθρο του Steven Levy, "προς το παρόν δεν υπάρχουν πολλοί άνθρωποι που είναι ειδικοί στο ML, έτσι εταιρείες όπως η Google και το Facebook εκπαιδεύουν μηχανικούς των οποίων η εξειδίκευση έγκειται στην παραδοσιακή κωδικοποίηση."

Ενώ πολλές από τις δεξιότητες που αναπτύξατε ως επαγγελματίας πληροφορικής θα μεταφερθούν στη μηχανική μάθηση, μπορεί να είναι λίγο δύσκολο. Ας ελπίσουμε ότι μείνατε ξύπνιοι κατά τη διάρκεια των μαθημάτων στατιστικών του κολλεγίου σας επειδή ο ML βασίζεται σε μια ισχυρή κατανόηση αυτού του θέματος, καθώς και στα μαθηματικά. Ο Levy γράφει ότι οι κωδικοποιητές πρέπει να είναι πρόθυμοι να εγκαταλείψουν τον απόλυτο έλεγχο που διαθέτουν για τον προγραμματισμό ενός συστήματος.

Δεν είστε τυχεροί αν ο εργοδότης σας στον τεχνικό τομέα δεν παρέχει το Google και το Facebook επανεκπαίδευσης ML. Τα κολέγια και τα πανεπιστήμια, καθώς και οι διαδικτυακές πλατφόρμες μάθησης όπως το Udemy και το Coursera, προσφέρουν μαθήματα που διδάσκουν τα βασικά της μηχανικής μάθησης. Ωστόσο, είναι σημαντικό να ολοκληρώσετε την εμπειρία σας λαμβάνοντας στατιστικά και μαθήματα μαθηματικών.

Τίτλοι εργασίας και κέρδη

Οι κύριοι τίτλοι εργασίας που θα συναντήσετε κατά την αναζήτηση εργασίας σε αυτόν τον τομέα περιλαμβάνουν μηχανικό μηχανικής μάθησης και επιστήμονα δεδομένων.

Οι μηχανικοί μηχανικής μάθησης "εκτελούν τις λειτουργίες ενός έργου μηχανικής μάθησης και είναι υπεύθυνοι για τη διαχείριση της υποδομής και των αγωγών δεδομένων που απαιτούνται για τη μεταφορά κώδικα στην παραγωγή." Οι επιστήμονες δεδομένων βρίσκονται στην πλευρά των δεδομένων και της ανάλυσης των αλγορίθμων ανάπτυξης, παρά στην κωδικοποίηση. Συλλέγουν επίσης, καθαρίζουν και προετοιμάζουν δεδομένα (Zhou, Adelyn. "Τίτλοι εργασίας για την τεχνητή νοημοσύνη: Τι είναι μηχανικός μηχανικής μάθησης;" Forbes. 27 Νοεμβρίου 2017).

Με βάση τις παρατηρήσεις χρηστών από άτομα που εργάζονται σε αυτές τις θέσεις εργασίας, το Glassdoor.com αναφέρει ότι οι μηχανικοί ML και οι επιστήμονες δεδομένων κερδίζουν έναν μέσο βασικό μισθό 120.931 $. Οι μισθοί κυμαίνονται από χαμηλά 87.000 $ έως υψηλά 158.000 $ (Μισθοί Μηχανικού Μηχανικής Μάθησης. Glassdoor.com. 1 Μαρτίου 2018). Αν και η Glassdoor ομαδοποιεί αυτούς τους τίτλους, υπάρχουν κάποιες διαφορές μεταξύ τους.

Απαιτήσεις για τις Εργασίες Μηχανικής Μάθησης

Οι μηχανικοί ML και οι επιστήμονες δεδομένων κάνουν διαφορετικές δουλειές, αλλά υπάρχει μεγάλη αλληλεπικάλυψη μεταξύ τους. Οι ανακοινώσεις εργασίας και για τις δύο θέσεις έχουν συχνά παρόμοιες απαιτήσεις. Πολλοί εργοδότες προτιμούν πτυχία μεταπτυχιακού, μεταπτυχιακού ή διδακτορικού στην επιστήμη των υπολογιστών ή μηχανική, στατιστικές ή μαθηματικά.

Για να είστε επαγγελματίας μηχανικής μάθησης, θα χρειαστείτε έναν συνδυασμό τεχνικών δεξιοτήτων - δεξιοτήτων που μαθαίνονται στο σχολείο ή στην εργασία - και μαλακές δεξιότητες. Οι μαλακές δεξιότητες είναι οι ικανότητες κάποιου που δεν μαθαίνουν στην τάξη, αλλά γεννιούνται ή αποκτούν μέσω της εμπειρίας ζωής. Και πάλι, υπάρχει μεγάλη επικάλυψη μεταξύ των απαιτούμενων δεξιοτήτων για μηχανικούς ML και επιστήμονες δεδομένων.

Οι ανακοινώσεις θέσεων εργασίας αποκαλύπτουν ότι όσοι εργάζονται σε εργασίες μηχανικής ML πρέπει να είναι εξοικειωμένοι με τα πλαίσια μηχανικής μάθησης όπως τα TensorFlow, Mlib, H20 και Theano. Χρειάζονται ένα ισχυρό υπόβαθρο στην κωδικοποίηση, συμπεριλαμβανομένης της εμπειρίας με γλώσσες προγραμματισμού όπως Java ή C / C ++ και γλώσσες scripting όπως Perl ή Python. Η εξειδίκευση στα στατιστικά και η εμπειρία με τη χρήση πακέτων στατιστικών λογισμικού για την ανάλυση μεγάλων συνόλων δεδομένων είναι επίσης μεταξύ των προδιαγραφών.

Μια ποικιλία από μαλακές δεξιότητες θα σας επιτρέψει να πετύχετε σε αυτόν τον τομέα. Μεταξύ αυτών είναι η ευελιξία, η προσαρμοστικότητα και η επιμονή. Η ανάπτυξη ενός αλγορίθμου απαιτεί πολλή δοκιμή και σφάλμα, και επομένως υπομονή. Κάποιος πρέπει να δοκιμάσει έναν αλγόριθμο για να δει εάν λειτουργεί και, εάν όχι, να αναπτύξει έναν νέο.

Οι εξαιρετικές δεξιότητες επικοινωνίας είναι απαραίτητες. Οι επαγγελματίες της μηχανικής μάθησης, οι οποίοι συχνά εργάζονται σε ομάδες, χρειάζονται ανώτερες δεξιότητες ακρόασης, ομιλίας και διαπροσωπικών δεξιοτήτων για να συνεργαστούν με άλλους και πρέπει επίσης να παρουσιάσουν τα ευρήματά τους στους συναδέλφους τους. Θα πρέπει, επιπλέον, να είναι ενεργοί μαθητές που μπορούν να ενσωματώσουν νέες πληροφορίες στο έργο τους. Σε μια βιομηχανία όπου εκτιμάται η καινοτομία, πρέπει να είναι δημιουργική για να υπερέχει.