Job i det nye felt af maskinlæring

Øverst på LinkedIn's 2017 US Emerging Jobs Report var to erhverv på Machine Learning-feltet: Machine Learning Engineer og Data Scientist. Beskæftigelsen til maskininlæringsingeniører steg 9,8 gange mellem 2012 og 2017, og datavidenskabsfolk steg 6,5 gange i samme femårsperiode. Hvis tendensen fortsætter, vil disse erhverv have beskæftigelsesudsigter, der overstiger mange andre erhverv. Med en fremtid så lys, kunne et job på dette område være rigtigt for dig?

Hvad er maskinlæring?

Maskinindlæring (ML) er bare hvad det lyder som. Denne teknologi indebærer at undervise maskiner til at udføre specifikke opgaver. I modsætning til traditionel kodning, der giver instruktioner, der fortæller computere, hvad de skal gøre, giver ML dem data, der lader dem finde ud af det selv, ligesom et menneske eller dyr ville gøre. Det lyder som magi, men det er det ikke. Det indebærer interaktion mellem computerforskere og andre med tilknyttet ekspertise. Disse it-fagfolk skaber programmer kaldet algoritmer - sæt regler, der løser et problem - og derefter føder dem store sæt data, der lærer dem at lave forudsigelser baseret på disse oplysninger.

Maskinindlæring er en "delmængde af kunstig intelligens, der gør det muligt for computere at udføre opgaver, som de ikke udtrykkeligt er programmeret til at gøre" (Dickson, Ben. Færdigheder, du skal lande et maskinundervisningsspørgsmål. Den karrierefinder 18 januar 2017.) Det er blevet mere kompliceret, men mere almindeligt i årenes løb. Steven Levy, i en artikel, der taler til Googles prioritering af maskinindlæring og omskoling af virksomhedens ingeniører, skriver: "I mange år blev maskinindlæring betragtet som en specialitet, begrænset til en elite få.

Den æra er forbi, da de seneste resultater viser, at maskinindlæring, der drives af "neurale net", der efterligner den måde, en biologisk hjerne opererer på, er den rigtige vej mod imod computere med menneskers kræfter og i nogle tilfælde super mennesker "(Levy, Steven. Hvordan Google genopretter sig selv som en maskinlæring, første firma, der er ledet. 22. juni 2016).

Hvordan anvendes maskinlæring i den "virkelige verden"? De fleste af os kommer på tværs af denne teknologi på daglig basis uden at give det meget tanke. Når du bruger Google eller en anden søgemaskine, er resultaterne, der kommer op øverst på siden, resultatet af maskinindlæring. Den prædiktive tekst samt den undertiden malignerede autokorrektionsfunktion på din smartphones tekstprogram er også et resultat af maskinindlæring. Anbefalede film og sange på Netflix og Spotify er yderligere eksempler på, hvordan vi bruger denne hurtigt voksende teknologi, mens vi næppe bemærker det.

For nylig introducerede Google Smart Reply i Gmail. I slutningen af ​​en besked præsenterer den en bruger med tre mulige svar baseret på indholdet. Uber og andre virksomheder tester for tiden selvkørende biler.

Industrier, der bruger maskinindlæring

Brugen af ​​maskinindlæring når langt ud over teknologiske verden. SAS, et analytisk softwarefirma, rapporterer, at mange brancher har vedtaget denne teknologi. Finansindustrien anvender ML til at identificere investeringsmuligheder, lade investorer vide, hvornår de skal handle, genkende hvilke kunder der har højrisikoprofiler og opdage svig. I sundhedsvæsenet hjælper algoritmer med at diagnosticere sygdomme ved at afhente abnormiteter.

Har du nogensinde stillet spørgsmålet, "hvorfor er en annonce for det produkt, jeg tænker på at købe vises på hver webside jeg besøger?" ML giver marketing- og salgsindustrien mulighed for at analysere forbrugerne ud fra deres købs- og søgehistorier. Transportindustriens tilpasning af denne teknologi registrerer potentielle problemer på ruter og hjælper med at gøre dem mere effektive. Takket være ML kan olie- og gasindustrien identificere nye energikilder (Maskinlæring: Hvad det er og hvorfor det er tilfældet. SAS).

Hvordan Machine Learning ændrer arbejdspladsen

Forudsigelser om maskiner, der overtager alle vores job har eksisteret i årtier, men vil ML endelig gøre det til en realitet? Eksperter forudser denne teknologi har og vil fortsætte med at ændre arbejdspladsen. Men hvad angår at fjerne alle vores job? De fleste eksperter tror ikke, at det vil ske.

Mens maskinindlæring ikke kan tage plads til mennesker i alle erhverv, kan det ændre mange af de jobopgaver, der er forbundet med dem. "Opgaver, der involverer hurtige beslutninger baseret på data, passer godt til ML-programmer, ikke så hvis beslutningen afhænger af lange kæder af ræsonnement, forskellig baggrundskendskab eller sund fornuft", siger Byron Spice. Spice er direktør for medieforbindelser på Carnegie Mellon University's School of Computer Science (Spice, Byron. Maskinindlæring vil ændre job. Carnegie Mellon University.

21. december 2017).

I Science Magazine skriver Erik Brynjolfsson og Tom Mitchell, at "arbejdskraftefterspørgslen er mere tilbøjelig til at falde til opgaver, der er tætte erstatninger for ML-kapaciteter, mens det er større sandsynlighed for at øge for opgaver, der supplerer disse systemer. Hver gang en ML Systemet krydser tærsklen, hvor det bliver mere omkostningseffektivt end mennesker på en opgave, profitmaksimerende iværksættere og ledere vil i stigende grad søge at erstatte maskiner til mennesker. Dette kan have effekter i hele økonomien, øge produktiviteten, sænke priserne, skifte arbejdskraftefterspørgsel, og omstruktureringsindustrier (Brynjolfsson, Erik og Mitchell, Tom.

Hvad kan maskinindlæring gøre? Arbejdsstyrkeimport. Videnskab. 22. december 2017).

Har du brug for en karriere i maskinundervisning?

Karriere inden for maskinindlæring kræver ekspertise inden for datalogi, statistik og matematik. Mange mennesker kommer til dette felt med en baggrund i disse felter. Mange kollegier, der tilbyder en majoritet i maskinindlæring, tager en tværfaglig tilgang med en læseplan, der ud over computervidenskab omfatter el- og datalogi, matematik og statistik (Top 16 Schools for Machine Learning. AdmissionTable.com).

For dem, der allerede er involveret i IT-industrien, er overgangen til et ML-job ikke et stort spring. Du har måske allerede mange af de færdigheder, du har brug for. Din arbejdsgiver kan endda hjælpe dig med at gøre denne overgang. Ifølge Steven Levys artikel "er der i øjeblikket ikke mange mennesker, der er eksperter i ML, så virksomheder som Google og Facebook omskoler ingeniører, hvis ekspertise ligger i traditionel kodning."

Mens mange af de færdigheder, du udviklede som en it-professionel, overføres til maskinindlæring, kan det være lidt udfordrende. Forhåbentlig holdt du dig vågen under dine college statistik klasser, fordi ML er afhængig af en stærk forståelse af dette emne, samt matematik. Levy skriver, at kodere skal være villige til at opgive den samlede kontrol, de har over programmeringen af ​​et system.

Du har ikke held og lykke, hvis din tekniske arbejdsgiver ikke leverer ML-omskolingen Google og Facebook. Colleges and Universities, samt online læringsplatforme som Udemy og Coursera, tilbyder klasser, der underviser i grunduddannelsen om maskinindlæring. Det er imidlertid afgørende at afrunde din ekspertise ved at tage statistik og matematik klasser.

Jobtitler og indtjening

De primære jobtitler du vil støde på, når du leder efter et job inden for dette område, omfatter maskinlæringsingeniør og datavidenskabsmand.

Maskininlæringsingeniører "driver driften af ​​et maskineindlæringsprojekt og er ansvarlige for at administrere infrastrukturen og data rørledningerne, der er nødvendige for at bringe kode til produktion." Dataforskere er på data- og analysesiden af ​​udviklende algoritmer, snarere end kodningssiden. De indsamler også, renser og forbereder data (Zhou, Adelyn. "Artificial Intelligence Job Titles: Hvad er en maskinlæringsingeniør?" Forbes 27. november 2017).

Baseret på brugerindlæg fra personer, der arbejder i disse jobs, rapporterer Glassdoor.com, at ML ingeniører og datavidenskabsfolk tjener en gennemsnitlig grundløn på $ 120.931. Lønnen spænder fra et lavt beløb på $ 87.000 til et højt beløb på $ 158.000. (Machine Learning Engineer Lønninger. Glassdoor.com. 1. marts 2018). Selvom Glassdoor grupperer disse titler, er der nogle forskelle mellem dem.

Krav til maskinlæringsjob

ML ingeniører og datalogikere gør forskellige job, men der er mange overlapninger mellem dem. Jobannoncer for begge stillinger har ofte lignende krav. Mange arbejdsgivere foretrækker bachelor-, kandidat- eller ph.d.-grader i datalogi eller teknik, statistik eller matematik.

For at være en professionel maskinlærer skal du have en kombination af tekniske færdigheder, der er lært i skolen eller på job- og bløde færdigheder. Bløde færdigheder er ens evner, som de ikke lærer i klasseværelset, men i stedet fødes med eller erhverves gennem livserfaring. Igen er der en stor overlapning mellem de krævede færdigheder til ML ingeniører og datalogikere.

Jobannoncer afslører, at de, der arbejder i ML-tekniske job, burde være fortrolige med maskinindlæringsrammer som TensorFlow, Mlib, H20 og Theano. De har brug for en stærk baggrund inden for kodning, herunder erfaring med programmeringssprog som Java eller C / C ++ og scripting-sprog som Perl eller Python. Ekspertise i statistik og erfaring ved hjælp af statistiske softwarepakker til analyse af store datamængder er også blandt specifikationerne.

En række bløde færdigheder giver dig mulighed for at lykkes på dette område. Blandt dem er fleksibilitet, tilpasningsevne og udholdenhed. Udvikling af en algoritme kræver en masse forsøg og fejl, og derfor tålmodighed. Man skal teste en algoritme for at se om den virker, og om ikke udvikle en ny.

Fremragende kommunikationsevner er afgørende. Maskininlæringsfolk, der ofte arbejder på hold, har brug for overlegen lytning, tale og interpersonelle færdigheder til at samarbejde med andre, og skal også præsentere deres resultater for deres kolleger. De bør desuden være aktive elever, som kan indarbejde nye oplysninger i deres arbejde. I en industri, hvor innovation er værdsat, skal man være kreativ til at udmærke sig.