Práce v rozvíjejícím se oboru strojového učení

Na vrcholu 2017 v roce 2017 US Emerging Jobs zpráva byla dvě povolání v oblasti strojového učení: Strojní inženýr inženýr a dat vědec. Zaměstnanost strojírenských inženýrů vzrostla mezi lety 2012 a 2017 o 9,8krát a pracovní místa pro datové vědce vzrostla během stejného pětiletého období 6,5krát. Pokud bude tento trend pokračovat, budou mít tato povolání vyhlídky na zaměstnanost, které překonají mnoho dalších povolání. S budoucností tak jasnou, mohla by být práce v této oblasti pro vás vhodná?

Co je strojové učení?

Strojové učení (ML) je přesně to, co zní. Tato technologie zahrnuje výukové stroje k provádění specifických úkolů. Na rozdíl od tradičního kódování, které poskytuje instrukce, které počítačům sdělují, co mají dělat, poskytuje jim společnost ML data, která jim umožní, aby si to vymysleli sami, podobně jako by to udělala lidská bytost nebo zvíře. Zní to jako kouzlo, ale není to tak. Zahrnuje interakci počítačových vědců a dalších odborníků. Tito IT profesionálové vytvářejí programy nazývané algoritmy - sady pravidel, které řeší problém - a pak je krmí velkými soubory dat, které je na základě těchto informací učí předvídat.

Strojové učení je "podmnožina umělé inteligence, která umožňuje počítačům provádět úkoly, které nebyly explicitně naprogramovány" (Dickson, Ben. Dovednosti, které potřebujete k přistání k strojovému učení. V průběhu let se to stalo mnohem složitějším, ještě běžnějším, Steven Levy v článku, který hovoří o tom, že společnost Google se zaměřuje na upřednostňování strojového učení a rekvalifikace inženýrů společnosti. jen málo elit.

Tato éra je u konce, jak nedávné výsledky ukazují, že strojové učení, poháněné „neuronovými sítěmi“, které napodobují způsob, jakým biologický mozek funguje, je opravdovou cestou k nabádání počítačů k moci člověka a v některých případech k super lidem “(Levy, Steven, jak se Google přestavuje jako první strojová společnost, která se zabývá strojovým učením, 22. června 2016).

Jak je strojové učení používáno v "reálném světě?" Většina z nás se s touto technologií setkává denně bez toho, že by si toho hodně myslela. Když používáte Google nebo jiný vyhledávač, výsledky, které se objeví v horní části stránky, jsou výsledkem strojového učení. Prediktivní text, stejně jako někdy nesprávná automatická korektura, v aplikaci pro chytré telefony, jsou také výsledkem strojového učení. Doporučené filmy a písně na Netflixu a Spotify jsou další příklady toho, jak tuto rychle se rozvíjející technologii využíváme a zároveň si toho sotva všimneme.

Více nedávno, Google představil Smart Odpovědět v Gmailu. Na konci zprávy uživatel zobrazí tři možné odpovědi na základě obsahu. Uber a další společnosti v současné době testují auto s vlastním pohonem.

Odvětví využívající strojové učení

Využití strojového učení daleko přesahuje technologický svět. SAS, analytická softwarová společnost, uvádí, že tuto technologii přijalo mnoho průmyslových odvětví. Odvětví finančních služeb používá ML k identifikaci investičních příležitostí, umožňuje investorům vědět, kdy obchodovat, rozpoznat, kteří klienti mají vysoce rizikové profily, a odhalit podvody. Ve zdravotnictví pomáhají algoritmy diagnostikovat nemoci tím, že zvednou abnormality.

Zeptal jste se někdy na otázku: "Proč je reklama na tento produkt přemýšlím o nákupu, který se objevuje na každé webové stránce, kterou navštěvuji?" ML umožňuje marketingovému a prodejnímu průmyslu analyzovat spotřebitele na základě jejich nákupní a vyhledávací historie. Přizpůsobení této technologie dopravním odvětvím detekuje potenciální problémy na trasách a pomáhá je zefektivnit. Díky ML může ropný a plynárenský průmysl identifikovat nové zdroje energie (Strojové učení: Co to je a proč to záleží. SAS).

Jak se strojové učení mění na pracovišti

Předpovědi o tom, že stroje převezmou všechny naše práce, jsou po desetiletí, ale nakonec to ML povede k realitě? Odborníci předpovídají, že tato technologie má a bude i nadále měnit pracoviště. Ale pokud si vezmete všechny naše práce? Většina odborníků si to nemyslí.

Zatímco strojové učení nemůže zaujmout místo lidských bytostí ve všech profesích, mohlo by změnit mnoho pracovních povinností, které s nimi souvisí. "Úkoly, které zahrnují rychlé rozhodování založené na datech, jsou vhodné pro programy ML, ne tak, pokud rozhodnutí závisí na dlouhých řetězcích uvažování, různorodých základních znalostech nebo zdravém rozumu," říká Byron Spice, ředitel společnosti Media Relations ve společnosti Carnegie Mellon Univerzitní škola informatiky (Spice, Byron. Strojové učení změní zaměstnání. Carnegie Mellon University.

21. prosince 2017).

V časopisu Science Magazine Erik Brynjolfsson a Tom Mitchell píšou, že „poptávka po pracovní síle je pravděpodobnější, že spadne za úkoly, které jsou blízkými náhradami schopností ML, zatímco u úkolů, které jsou pro tyto systémy doplňkem, je pravděpodobnější, že se zvýší. systém překračuje hranici, kde se stává nákladově efektivnější než člověk na úkol, podnikatelé a manažeři, kteří maximalizují zisk, budou stále více usilovat o nahrazení strojů pro lidi, což může mít vliv na ekonomiku, zvýšení produktivity, snížení cen, posun poptávky po pracovní síle, a restrukturalizace průmyslu (Brynjolfsson, Erik a Mitchell, Tom.

Co může dělat strojové učení? Důsledky pracovní síly. Věda. 22. prosince 2017).

Chcete kariéru ve strojovém učení?

Kariéra ve strojovém učení vyžaduje odborné znalosti v oblasti informatiky, statistiky a matematiky. Mnoho lidí přichází na toto pole s pozadím v těchto oblastech. Mnoho vysokých škol, které nabízejí významnou úlohu ve strojovém učení, má multidisciplinární přístup s osnovou, která zahrnuje kromě počítačové vědy, elektrotechniky a výpočetní techniky, matematiky a statistiky (Top 16 School for Machine Learning. AdmissionTable.com).

Pro ty, kteří jsou již zapojeni do průmyslu informačních technologií, přechod na práci ML není daleko skokem. Možná již máte mnoho dovedností, které potřebujete. Váš zaměstnavatel vám může tento přechod dokonce pomoci. Podle článku Stevena Levyho „v současné době není mnoho lidí, kteří jsou experty v ML, takže společnosti jako Google a Facebook jsou rekvalifikační inženýři, jejichž odbornost spočívá v tradičním kódování.“

Zatímco mnoho dovedností, které jste vyvinuli jako odborník v oblasti IT, se převede na strojové učení, může to být trochu náročné. Doufejme, že jste zůstal vzhůru během své vysokoškolské statistiky tříd, protože ML spoléhá na silné pochopení tohoto předmětu, stejně jako matematika. Levy píše, že kodéři musí být ochotni vzdát se totální kontroly nad programováním systému.

Nejste bez štěstí, pokud váš tech zaměstnavatel neposkytuje ML rekvalifikace Google a Facebook jsou. Vysoké školy a univerzity, stejně jako on-line vzdělávací platformy jako Udemy a Coursera, nabízejí třídy, které učí základy strojového učení. Je však velmi důležité, abyste své odborné znalosti doplnili o statistiky a matematické kurzy.

Pracovní tituly a příjmy

Mezi hlavní pracovní tituly, se kterými se setkáte při hledání zaměstnání v této oblasti, patří inženýr strojového učení a datový vědec.

Inženýři strojového učení "provozují projekt strojového učení a jsou zodpovědní za správu infrastruktury a datových potrubí potřebných k zavedení kódu do výroby." Data vědci jsou na straně dat a analýzy vývoj algoritmů, spíše než kódování straně. Oni také sbírají, čistí a připravují data (Zhou, Adelyn. "Umělá inteligence Titul pracovních nabídek: Co je strojírenský inženýr?" Forbes. 27. listopadu 2017).

Na základě uživatelských příspěvků od lidí pracujících v těchto pracovních pozicích, Glassdoor.com uvádí, že inženýři ML a datoví vědci vydělávají průměrnou základní mzdu ve výši 120 931 USD. Platy se pohybují od minima $ 87,000 k vysoké $ 158,000 (Machine učení inženýrský plat. Glassdoor.com. 1. března 2018). Přestože Glassdoor tyto tituly seskupuje, existují mezi nimi určité rozdíly.

Požadavky na pracovní místa v oblasti strojového učení

Inženýři v oblasti informačních technologií a datoví vědci vykonávají různá pracovní místa, ale mezi nimi se hodně překrývá. Oznámení o zaměstnání pro obě pozice mají často podobné požadavky. Mnoho zaměstnavatelů upřednostňuje bakalářské, magisterské nebo doktorské studium v ​​oblasti informatiky nebo inženýrství, statistiky nebo matematiky.

Chcete-li být profesionálem strojového učení, budete potřebovat kombinaci technických dovedností - dovedností získaných ve škole nebo v zaměstnání - a měkkých dovedností. Měkké dovednosti jsou schopnostmi, které se ve třídě nenaučí, ale místo toho se rodí se životními zkušenostmi nebo je získávají. Opět platí, že existuje mnoho překrytí požadovaných dovedností pro inženýry ML a datové vědce.

Oznámení o pracovních pozicích ukazují, že ti, kteří pracují v pracovních pozicích ML inženýringu, by měli být obeznámeni s frameworkem strojového učení, jako jsou TensorFlow, Mlib, H20 a Theano. Potřebují silné zázemí v kódování, včetně zkušeností s programovacími jazyky, jako jsou Java nebo C / C ++ a skriptovací jazyky jako Perl nebo Python. Mezi specifikace patří také odbornost ve statistice a zkušenosti s použitím statistických softwarových balíčků pro analýzu velkých souborů dat.

Různé měkké dovednosti vám umožní uspět v této oblasti. Mezi ně patří flexibilita, přizpůsobivost a vytrvalost. Vývoj algoritmu vyžaduje spoustu pokusů a omylů, a proto trpělivost. Je třeba otestovat algoritmus, aby zjistil, zda funguje a pokud ne, vytvořte nový.

Nezbytné jsou vynikající komunikační dovednosti. Odborníci na strojové učení, kteří často pracují na týmech, potřebují lepší spolupráci při poslechu, mluvení a interpersonálních dovednostech, aby mohli spolupracovat s ostatními, a musí své výsledky předložit svým kolegům. Kromě toho by měli být aktivními žáky, kteří do své práce mohou začlenit nové informace. V průmyslu, kde je inovace oceňována, musí být člověk kreativní.