Работа в нововъзникващото поле на машинно обучение

На върха на доклада за нововъзникващите работни места в LinkedIn за 2017 г. бяха две професии в областта на машинното обучение: машинен инженер и специалист по данни. Заетостта за инженерите за машинно обучение нараства с 9.8 пъти между 2012 и 2017 г., а работните места за данни учени са се увеличили 6.5 пъти през същия петгодишен период. Ако тенденцията продължи, тези професии ще имат перспективи за заетост, които надхвърлят много други професии. Ако бъдещето е толкова светло, може ли да бъде подходяща за вас работа в тази област?

Какво е машинно обучение?

Машинното обучение е точно това, което звучи. Тази технология включва обучение на машини за изпълнение на специфични задачи. За разлика от традиционното кодиране, което предоставя инструкции, които казват на компютрите какво да правят, ML им предоставя данни, които им позволяват да го разберат сами, подобно на човека или животното. Звучи като магия, но не е така. Тя включва взаимодействието на компютърни учени и други със съответен опит. Тези ИТ специалисти създават програми, наречени алгоритми - набори от правила, които решават проблем - и след това ги захранват с големи групи данни, които ги научават да правят прогнози въз основа на тази информация.

Машинното обучение е "подмножество на изкуствения интелект, което позволява на компютрите да изпълняват задачи, които не са били изрично програмирани" (Диксън, Бен. Умения, които трябва да направите на машинна учебна работа. Това търсене на кариера. 18 януари 2017 г.) С течение на годините тя стана по-сложна, но все по-често срещана, а Стивън Леви в статия, която говори за определянето на Google за машинното обучение и преквалификацията на инженерите на компанията, пише: "В продължение на много години машинното обучение се считаше за специалност, ограничена на елита малко.

Тази ера свърши, тъй като последните резултати показват, че машинното обучение, задвижвано от „невронни мрежи“, които емулират начина, по който функционира биологичният мозък, е истинският път към натоварването на компютрите с човешките сили, а в някои случаи и върху супер човеците »(Леви, Стивън, как се ремонтира Google като машина за обучение на първата компания, проведена на 22 юни 2016 г.).

Как се използва машинното обучение в "реалния свят"? Повечето от нас се сблъскват с тази технология ежедневно, без да се замислят много. Когато използвате Google или друга търсачка, резултатите, които се появяват в горната част на страницата, са резултат от машинно обучение. Предсказващият текст, както и понякога неправилната функция за автоматично коригиране, в приложението за текстови съобщения на вашия смартфон, също са резултат от машинно обучение. Препоръчаните филми и песни в Netflix и Spotify са още един пример за това, как използваме тази бързо развиваща се технология, докато едва забелязваме това.

Съвсем наскоро Google въведе Smart Gmail в Gmail. В края на съобщението той представя на потребителя три възможни отговора въз основа на съдържанието. Uber и други компании в момента тестват самоуправляващи се автомобили.

Индустрии, използващи машинно обучение

Използването на машинно обучение достига далеч отвъд технологичния свят. SAS, аналитична софтуерна компания, съобщава, че много индустрии са приели тази технология. Индустрията на финансовите услуги използва МЛ, за да идентифицира инвестиционните възможности, нека инвеститорите знаят кога да търгуват, да разпознават кои клиенти имат високорискови профили и да откриват измами. В здравеопазването, алгоритмите помагат за диагностициране на заболявания чрез набиране на аномалии.

Задавали ли сте някога въпроса: „Защо рекламата за този продукт мисли да купувам да се показва на всяка уеб страница, която посещавам?“ ML дава възможност на индустрията за маркетинг и продажби да анализира потребителите въз основа на техните истории за покупка и търсене. Адаптацията на тази технология в транспортната индустрия открива потенциални проблеми по маршрутите и им помага да бъдат по-ефективни. Благодарение на ML, петролната и газовата промишленост може да идентифицира нови енергийни източници (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 ML най-накрая ще го направи реалност? Експертите прогнозират, че тази технология има и ще продължи да променя работното място. Но доколкото ни отнемат всичките ни работни места? Повечето експерти не мислят, че това ще се случи.

Докато машинното обучение не може да заеме мястото на човешките същества във всички професии, то може да промени много от служебните задължения, свързани с тях. "Задачите, които включват вземане на бързи решения, базирани на данни, са подходящи за програмите за МЛ; не е така, ако решението зависи от дълги вериги на разсъждения, разнообразни познания или здрав разум", казва Байрън Спайс. Университетско училище по компютърни науки (Spice, Byron. Машинно обучение ще промени работата. Университета на Карнеги Мелън.

21 декември 2017 г.).

В списанието Science, Erik Brynjolfsson и Tom Mitchell пишат, "търсенето на труд е по-вероятно да попадне в задачи, които са близки заместители на способностите на ML, докато е по-вероятно да се увеличи за задачи, които са допълващи за тези системи. Системата преминава прага, където става по-рентабилен от хората по задание, предприемачите и мениджърите с максимизиране на печалбата все повече ще се стремят към заместване на машини за хората.Това може да има последици в цялата икономика, повишаване на производителността, намаляване на цените, промяна на търсенето на труд и преструктуриране на индустриите (Brynjolfsson, Erik и Mitchell, Tom.

Какво може да направи машинното обучение? Последици за работната сила. Science. 22 декември 2017 г.).

Искате ли кариера в машинното обучение?

Кариерите в машинното обучение изискват опит в компютърните науки, статистиката и математиката. Много хора идват в тази област с опит в тези области. Много колежи, които предлагат основни познания по машинно обучение, приемат мултидисциплинарен подход с учебна програма, която в допълнение към компютърните науки, електротехниката и компютърното инженерство, математиката и статистиката (Топ 16 училища за машинно обучение. AdmissionTable.com).

За тези, които вече участват в ИТ индустрията, преходът към работа с МР не е далеч скок. Вероятно вече имате много от уменията, от които се нуждаете. 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 са преквалифицирани инженери, чийто опит се крие в традиционното кодиране."

Въпреки че много от уменията, които сте разработили като ИТ специалист, ще се прехвърлят към машинно обучение, може да е малко предизвикателство. Надяваме се, че останахте будни по време на класовете по статистика на колежа, защото ML разчита на силно разбиране на тази тема, както и на математиката. Леви пише, че кодерите трябва да са готови да се откажат от общия контрол, който имат над програмирането на система.

Вие не сте от късмет, ако вашият работодател по технологии не предоставя ML преквалификация на Google и Facebook. Колежи и университети, както и онлайн платформи за обучение като Udemy и Coursera, предлагат класове, които преподават основите на машинното обучение. От решаващо значение, обаче, е да приключите експертизата си, като вземете статистики и математически класове.

Длъжности и приходи

Основните длъжности, които ще срещнете, когато търсите работа в тази област, включват машинен инженер и учен.

Инженерите за машинно обучение „изпълняват операциите на проект за машинно обучение и отговарят за управлението на инфраструктурата и тръбопроводите за данни, необходими за въвеждане на код в производството“. Данните учени са в областта на данните и анализа на разработването на алгоритми, а не на кодиращата страна. Също така те събират, почистват и подготвят данни (Джоу, Аделин. "Длъжности за работа по изкуствен интелект: Какво е машинно-обучителен инженер?" Forbes. 27 ноември 2017 г.).

Базирайки се на мненията на потребителите, работещи в тези работни места, Glassdoor.com съобщава, че инженерите на ML и специалистите по данни получават средна основна заплата от $ 120,931. Заплатите варират от ниска от $ 87,000 до висока от $ 158,000 (Заплати на инженерите по машинно обучение. Glassdoor.com. 1 март, 2018). Въпреки че Glassdoor групира тези заглавия, има някои разлики между тях.

Изисквания за работните места за машинно обучение

Инженерите и специалистите по данни правят различни задачи, но между тях има много припокривания. Обявите за двата поста често имат сходни изисквания. Много работодатели предпочитат бакалавърска, магистърска или докторска степен по компютърни науки или инженерство, статистика или математика.

За да сте професионалист в машинното обучение, ще ви е необходима комбинация от технически умения - умения, придобити в училище или на работа - и меки умения. Меките умения са способностите на човека, които те не учат в класната стая, а се раждат или придобиват чрез житейски опит. Отново, има голяма степен на припокриване между необходимите умения за инженерите и специалистите по данни.

Съобщенията за работа разкриват, че тези, които работят в сферата на инженерството, 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. Спецификациите в областта на статистиката и опита при използването на статистически софтуерни пакети за анализ на големи групи от данни също са сред спецификациите.

Разнообразието от меки умения ще ви позволи да успеете в тази област. Сред тях са гъвкавост, адаптивност и постоянство. Разработването на алгоритъм изисква много проби и грешки, а оттам и търпение. Човек трябва да тества алгоритъм, за да види дали работи и ако не, разработи нов.

Отлични комуникативни умения са от съществено значение. Професионалистите в машинното обучение, които често работят в екипи, се нуждаят от превъзходни умения за слушане, говорене и междуличностни умения, за да си сътрудничат с другите, и трябва също да представят своите констатации на своите колеги. Освен това те трябва да бъдат активни учащи, които могат да включат нова информация в работата си. В индустрията, където иновациите се оценяват, човек трябва да бъде креативен, за да се отличава.