Top Machine Learning Jobs

Indhold

• Hvad er maskinlæring?
• Industrier ved hjælp af maskinlæring
• Hvordan maskinlæring ændrer arbejdspladsen
• Ønsker du en karriere inden for maskinlæring?
• Job titler og indtjening
• Krav til job for maskinlæring

Øverst i LinkedIn's US Emerging Jobs-rapport 2017 var to erhverv inden for maskinlæringsfeltet: Machine Learning Engineer og Data Scientist. Beskæftigelsen for maskinindlæringsingeniører steg med 9,8 gange mellem 2012 og 2017, og dataforskerjob steg 6,5 gange i samme femårsperiode. Hvis tendensen fortsætter, vil disse erhverv have beskæftigelsesudsigter, der overgår mange andre erhverv. Med et fremtid så lyst, kunne et job på dette felt være det rigtige for dig?

Hvad er maskinlæring?

Maskinindlæring (ML) er lige sådan, det lyder som. Denne teknologi involverer undervisningsmaskiner til at udføre specifikke opgaver. I modsætning til traditionel kodning, der indeholder instruktioner, der fortæller computere, hvad de skal gøre, giver ML dem data, der lader dem finde ud af det på egen hånd, ligesom et menneske eller et dyr ville gøre. Det lyder som magi, men det er det ikke. Det involverer interaktion mellem computerforskere og andre med beslægtet ekspertise. Disse it-fagfolk opretter programmer kaldet algoritmer - sæt regler, der løser et problem - og fodrer dem derefter store datasæt, der lærer dem at foretage forudsigelser baseret på denne information.

Maskinlæring er en "undergruppe af kunstig intelligens, der gør det muligt for computere at udføre opgaver, som de ikke eksplicit er blevet programmeret til at udføre" (Dickson, Ben. Færdigheder, du har brug for at lande et job for maskinlæring. It Career Finder. 18. januar, 2017.) Det er blevet mere kompliceret, men alligevel mere almindeligt gennem årene. Steven Levy, i en artikel, der taler til Googles prioritering af maskinlæring og omskoling af virksomhedens ingeniører, skriver: "I mange år blev maskinlæring betragtet som en specialitet, begrænset til et par få elite. Denne æra er forbi, da nylige resultater indikerer, at maskinlæring, der drives af ”neurale net”, der emulerer den måde, en biologisk hjerne fungerer på, er den rigtige vej mod at bygge computere med menneskers kræfter og i nogle tilfælde supermennesker ”( Levy, Steven. Hvordan Google genindarbejder sig som en maskinuddannelse Første firma kablet. 22. juni 2016).

Hvordan bruges maskinlæring i den "virkelige verden?" De fleste af os støder på denne teknologi dagligt uden at tænke over den meget. Når du bruger Google eller en anden søgemaskine, er de resultater, der kommer øverst på siden, resultatet af maskinlæring. Den forudsigelige tekst såvel som den til tider dårlige autokorrektionsfunktion på din smarttelefons sms-app er også et resultat af maskinlæring. Anbefalede film og sange på Netflix og Spotify er yderligere eksempler på, hvordan vi bruger denne hurtigt voksende teknologi, mens vi næppe bemærker den. For nylig introducerede Google Smart Answer i Gmail. I slutningen af ​​en meddelelse giver den en bruger tre mulige svar baseret på indholdet. Uber og andre virksomheder tester i øjeblikket selvkørende biler.

Industrier ved hjælp af maskinlæring

Brugen af ​​maskinlæring når langt ud over den tekniske verden. SAS, et analytisk softwarevirksomhed, rapporterer, at mange brancher har brugt denne teknologi. Finanssektoren bruger ML til at identificere investeringsmuligheder, lade investorer vide, hvornår de skal handle, anerkende hvilke klienter, der har høje risikoprofiler, og opdage svig. I sundhedsvæsenet hjælper algoritmer med at diagnosticere sygdomme ved at opsøge 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 forbrugere baseret på deres købs- og søgehistorik. 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 (Machine Learning: What it Is and Why It Matters. SAS).

Hvordan maskinlæring ændrer arbejdspladsen

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

Selvom maskinlæring ikke kan indtage mennesker i alle erhverv, kan det ændre mange af de jobopgaver, der er forbundet med dem. "Opgaver, der involverer at tage 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 medierelationer hos Carnegie Mellon University's School for Computer Science (Spice, Byron. Maskinlæring vil ændre job. Carnegie Mellon University. 21. december 2017).

I Science Magazine, Erik Brynjolfsson og Tom Mitchell skriver, "er der mere sandsynligt, at efterspørgsel efter arbejdskraft falder for opgaver, der er tæt på erstatning for ML's egenskaber, mens det er mere sandsynligt, at det øges for opgaver, der er et supplement til disse systemer. Hver gang en ML system krydser tærsklen, hvor det bliver mere omkostningseffektivt end mennesker på en opgave, profitmaksimerende iværksættere og ledere vil i stigende grad søge at erstatte maskiner for mennesker.Dette kan have virkninger i hele økonomien, øge produktiviteten, sænke priserne, skifte arbejdsefterspørgsel, og omstruktureringsindustrier (Brynjolfsson, Erik og Mitchell, Tom. Hvad kan maskinlæring gøre? Implikationer af arbejdsstyrken. Videnskab. 22. december 2017).

Ønsker du en karriere inden for maskinlæring?

Karrierer inden for maskinlæring kræver ekspertise inden for datalogi, statistik og matematik. Mange mennesker kommer til dette felt med baggrund i disse felter. Mange colleges, der tilbyder hovedfag inden for maskinlæring, tager en tværfaglig tilgang med et læseplan, der ud over datalogi, elektroteknik og computerteknik, matematik og statistik indeholder (Top 16 skoler for maskinlæring. AdmissionTable.com).

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

Mens mange af de færdigheder, du har udviklet som it-professionel, overfører til maskinlæring, kan det være en smule udfordrende. Forhåbentlig forblev du vågen under dine college statistikundervisning, fordi ML er afhængig af et stærkt greb om dette emne såvel som matematik. Levy skriver, at kodere skal være villige til at opgive den samlede kontrol, de har over programmeringen af ​​et system.

Du er ikke heldig, hvis din tech-arbejdsgiver ikke leverer ML-omskolering, som Google og Facebook er. Colleges and Universities, såvel som online-læringsplatforme som Udemy og Coursera, tilbyder klasser, der underviser det grundlæggende i maskinlæring. Det er imidlertid afgørende at afrunde din ekspertise ved at tage statistik og matematik klasser.

Job titler og indtjening

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

Maskinindlæringsingeniører "kører driften af ​​et maskinindlæringsprojekt og er ansvarlige for at styre den infrastruktur og datapipelinier, der er nødvendige for at bringe kode til produktion." Datavidenskabsmænd er på data- og analysesiden ved at udvikle algoritmer snarere end den kodende side. De indsamler, renser og forbereder også data (Zhou, Adelyn. "Jobtitler for kunstig intelligens: Hvad er en maskinlæringsingeniør?" Forbes. 27. november 2017).

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

Krav til job for maskinlæring

ML-ingeniører og dataforskere udfører forskellige job, men der er meget overlap mellem dem. Jobannoncer til begge stillinger har ofte lignende krav. Mange arbejdsgivere foretrækker bachelor-, kandidat- eller ph.d.-grader inden for datalogi, teknik, statistik eller matematik.

For at være professionel i maskinlæring skal du bruge en kombination af tekniske færdigheder - færdigheder, der læres i skolen eller på jobbet - 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 for ML-ingeniører og dataforskere.

Jobannoncer afslører, at de, der arbejder i ML-ingeniørjob, skal være bekendt med maskinelæringsrammer 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 scriptingsprog som Perl eller Python. Ekspertise i statistik og erfaring med brug af statistiske softwarepakker til analyse af store datasæt hører også til specifikationerne.

En række bløde færdigheder giver dig mulighed for at få succes på dette felt. Blandt dem er fleksibilitet, tilpasningsevne og udholdenhed. Udvikling af en algoritme kræver en masse prøve og fejl, og derfor tålmodighed. Man skal teste en algoritme for at se, om den fungerer, og hvis ikke, udvikle en ny.

Fremragende kommunikationsevner er vigtige. Professionelle i maskinlæring, der ofte arbejder i teams, har brug for overlegen lytte-, tale- og interpersonelle færdigheder for at samarbejde med andre, og de må også præsentere deres fund for deres kolleger. De skal desuden være aktive elever, der kan integrere nye oplysninger i deres arbejde. I en branche, hvor innovation værdsættes, skal man være kreativ for at udmærke sig.