Työpaikat koneen oppimisen kehittyvällä alalla

LinkedInin vuoden 2017 USA: n kehittyvien työpaikkaraporttien yläosassa oli kaksi konetta oppimisen alalla: koneen oppimisen insinööri ja tietotutkija. Konekoulutusinsinöörien työllisyys kasvoi 9,8 kertaa vuosina 2012 ja 2017, ja tietotieteilijöiden työpaikat kasvoivat 6,5 kertaa saman viiden vuoden aikana. Jos suuntaus jatkuu, näillä ammateilla on työllisyysnäkymät, jotka ylittävät monia muita ammatteja. Jos tulevaisuudessa on niin kirkas, voiko työ tällä alalla olla sinulle sopiva?

Mikä on koneoppiminen?

Koneen oppiminen (ML) on juuri sitä, mitä se kuulostaa. Tähän tekniikkaan kuuluu opetuskoneita tiettyjen tehtävien suorittamiseksi. Toisin kuin perinteisissä koodauksissa, jotka antavat ohjeita, jotka kertovat tietokoneille, ML antaa niille tietoja, joiden avulla he voivat selvittää sen itsestään, aivan kuten ihminen tai eläin tekisi. Kuulostaa taikalta, mutta se ei ole. Se sisältää tietotekniikan tutkijoiden ja muiden, joilla on siihen liittyvää asiantuntemusta, vuorovaikutusta. Nämä IT-ammattilaiset luovat ohjelmia, joita kutsutaan algoritmeiksi - sääntöjä, jotka ratkaisevat ongelman, ja syöttävät ne sitten suurille tietoryhmille, jotka opettavat heitä tekemään ennusteita tämän tiedon perusteella.

Koneen oppiminen on "keinotekoisen älykkyyden osajoukko, jonka avulla tietokoneet voivat suorittaa tehtäviä, joita he eivät ole nimenomaisesti ohjelmoineet" (Dickson, Ben. Taitot, joita sinun tarvitsee purkaa koneen oppimistehtävään. Se on vuosien varrella tullut monimutkaisemmaksi, mutta tavallisemmaksi, Steven Levy, artikkelissa, jossa puhutaan Googlen tärkeimmistä koneen oppimisen ja yrityksen insinöörien uudelleenkoulutuksesta, kirjoitetaan: "Koneen oppimista pidettiin monen vuoden ajan erikoisalana, rajoitetusti vain vähän.

Tämä aikakausi on ohi, sillä tuoreet tulokset osoittavat, että "neuroverkkojen" avulla toimiva koneoppiminen, joka jäljittelee biologisen aivojen toimintaa, on todellinen polku kohti tietokoneiden siirtämistä ihmisten voimien ja joissakin tapauksissa myös super-ihmisten kanssa. Levy, Steven. Miten Google toistaa itsensä koneen oppimisen ensimmäisenä yrityksenä Wiredin 22. kesäkuuta 2016).

Miten koneoppimista käytetään todellisessa maailmassa? Useimmat meistä kohtaavat tämän teknologian päivittäin antamatta sille paljon ajattelua. Kun käytät Googlea tai muuta hakukonetta, sivun yläreunassa olevat tulokset ovat koneen oppimisen tulos. Ennakoiva teksti sekä älypuhelimesi tekstiviestiohjelman joskus vääristelty automaattinen korjaustoiminto johtuvat myös koneen oppimisesta. Suositellut elokuvat ja kappaleet Netflixissä ja Spotifyssä ovat lisäksi esimerkkejä siitä, miten käytämme tätä nopeasti kasvavaa teknologiaa, mutta huomaamatta sitä.

Viime aikoina Google esitteli älykkään vastauksen Gmailissa. Viestin lopussa se esittää käyttäjälle kolme mahdollista vastausta sisällön perusteella. Uber ja muut yritykset testaavat parhaillaan itse ajavat autot.

Teollisuuden oppimista käyttävät toimialat

Koneen oppimisen käyttö ulottuu paljon pidemmälle kuin tekninen maailma. Analyyttisen ohjelmistoyrityksen SAS raportoi, että monet teollisuudenalat ovat ottaneet käyttöön tämän tekniikan. Rahoituspalveluala käyttää ML: tä sijoitusmahdollisuuksien tunnistamiseen, anna sijoittajille tietää, milloin kaupankäynti tapahtuu, tunnistaa asiakkaat, joilla on korkean riskin profiileja, ja tunnistaa petokset. Terveydenhuollossa algoritmit auttavat diagnosoimaan sairauksia poimimalla poikkeavuuksia.

Oletko koskaan pyytänyt kysymystä: "Miksi aiotaan mainostaa kyseistä tuotetta, kun aion ostaa jokaisesta vierailustani?" ML antaa markkinointi- ja myyntiteollisuudelle mahdollisuuden analysoida kuluttajia osto- ja hakuhistoriansa perusteella. Kuljetusteollisuuden tämän tekniikan mukauttaminen havaitsee reitillä mahdolliset ongelmat ja auttaa niitä tehostamaan. ML: n ansiosta öljy- ja kaasuteollisuus voi tunnistaa uusia energialähteitä (Machine Learning: mitä se on ja miksi se merkitsee. SAS).

Miten koneen oppiminen muuttaa työpaikkaa

Ennusteet koneista, jotka ottavat kaikki työmme, ovat olleet noin vuosikymmeniä, mutta ML tekee siitä lopulta todellisuuden? Asiantuntijat ennustavat, että tämä tekniikka on ja tulee muuttamaan työpaikkaa. Mutta kun kaikki työt poistetaan? Useimmat asiantuntijat eivät usko sen tapahtuvan.

Koneen oppiminen ei voi ottaa ihmisten sijaintia kaikissa ammateissa, mutta se voisi muuttaa monia niihin liittyviä työtehtäviä. "Tehtävät, jotka edellyttävät nopeiden päätösten tekemistä tietojen perusteella, sopivat hyvin ML-ohjelmiin, ei niin, jos päätös riippuu pitkistä päättelyketjuista, monipuolisesta taustatiedosta tai terveen järjen", Byron Spice sanoo. Yliopiston tietojenkäsittelykoulu (Spice, Byron. Koneen oppiminen muuttaa työpaikkoja. Carnegie Mellonin yliopisto.

21. joulukuuta 2017).

Science Magazine, Erik Brynjolfsson ja Tom Mitchell kirjoittavat, "työvoiman kysyntä laskee todennäköisemmin sellaisten tehtävien osalta, jotka ovat lähellä ML: n ominaisuuksia, kun taas todennäköisemmin kasvaa tehtäville, jotka täydentävät näitä järjestelmiä. järjestelmä ylittää kynnyksen, kun se on kustannustehokkaampaa kuin ihmisillä tehtävässä, voittoa maksimoivat yrittäjät ja johtajat pyrkivät yhä enemmän korvaamaan koneita ihmisille, mikä voi vaikuttaa koko talouteen, parantaa tuottavuutta, alentaa hintoja ja siirtää työvoiman kysyntää, (Brynjolfsson, Erik ja Mitchell, Tom.

Mitä koneen oppiminen voi tehdä? Työvoiman vaikutukset. Science. 22. joulukuuta 2017).

Haluatko uran koneen oppimisessa?

Koneen oppimisen urat edellyttävät tietojenkäsittelytieteen, tilastojen ja matematiikan osaamista. Monet ihmiset tulevat tähän kenttään taustalla näillä aloilla. Monet korkeakoulut, jotka tarjoavat suuren koneen oppimisen, käyttävät monialaista lähestymistapaa, jossa opetussuunnitelma sisältää tietojenkäsittelytieteen, sähkö- ja tietotekniikan, matematiikan ja tilastotietojen lisäksi (16 parasta koneoppimiskoulua. AdmissionTable.com).

Niille, jotka ovat jo mukana tietotekniikkateollisuudessa, siirtyminen ML-työhön ei ole suuri harppaus. Sinulla voi olla jo monia tarvittavia taitoja. Työnantaja voi jopa auttaa sinua siirtymään. Steven Levyn artikkelin mukaan "tällä hetkellä ei ole paljon ML: n asiantuntijoita, joten Googlen ja Facebookin kaltaiset yritykset ovat uudelleenkouluttavia insinöörejä, joiden asiantuntemus on perinteisessä koodauksessa."

Vaikka monet tietotekniikan ammattilaisena kehittämäsi taidot siirtyvät koneopiskeluun, se voi olla hieman haastavaa. Toivottavasti olet pysynyt hereillä korkeakoulutilastojen aikana, koska ML luottaa vahvaan käsitykseen aiheesta ja matematiikasta. Levy kirjoittaa, että koodereiden on oltava valmiita luopumaan kokonaisohjauksesta, jota heillä on järjestelmän ohjelmoinnissa.

Et ole onnellinen, jos teknologian työnantajasi ei tarjoa ML-uudelleenkoulutusta Google ja Facebook. Korkeakoulut ja yliopistot sekä verkko-oppimisalustat, kuten Udemy ja Coursera, tarjoavat luokat, jotka opettavat koneen oppimisen perusteet. On kuitenkin ratkaisevan tärkeää kiertää asiantuntemuksenne ottamalla tilastot ja matematiikan luokat.

Työpaikat ja tulot

Ensisijaiset työtehtävät, joihin tulet etsimään työtä tällä alalla, ovat koneen oppimisen insinööri ja tietotieteilijä.

Koneen oppimisen insinöörit "suorittavat koneen oppimisprojektin toimintaa ja ovat vastuussa infrastruktuurin ja dataputkien hallinnasta, joita tarvitaan koodin tuotannossa." Tietotieteilijät ovat kehitettyjen algoritmien tietojen ja analyysin puolella eikä koodauspuolella. He myös keräävät, puhdistavat ja valmistavat tietoja (Zhou, Adelyn. "Keinotekoinen älykkyyden työtuotteet: mikä on koneen oppimisen insinööri?" Forbes. 27. marraskuuta 2017).

Näissä työpaikoissa työskentelevien käyttäjien antamien tietojen perusteella Glassdoor.com kertoo, että ML-insinöörit ja tietotieteilijät ansaitsevat keskimäärin $ 120,931 peruspalkan. Palkat vaihtelevat 87 000 dollarin ja 158 000 dollarin korkeudesta (Machine Learning Engineer Palkat. Glassdoor.com. 1. maaliskuuta 2018). Vaikka Glassdoor ryhmittelee nämä nimikkeet, niiden välillä on joitakin eroja.

Koneen oppimistehtäviä koskevat vaatimukset

ML-insinöörit ja -tieteen tutkijat tekevät erilaisia ​​töitä, mutta niiden välillä on paljon päällekkäisyyksiä. Työpaikkailmoituksissa molemmissa tehtävissä on usein samanlaisia ​​vaatimuksia. Monet työnantajat suosivat kandidaatin, maisterin tai tohtorintutkinnon tietojenkäsittelytieteen tai tekniikan, tilastojen tai matematiikan alalla.

Jotta voisit olla koneen oppimisen ammattilainen, tarvitset teknisten taitojen yhdistelmän - koulussa tai työhön oppineet taidot - ja pehmeät taidot. Pehmeät taidot ovat kykyjä, joita he eivät opi luokkahuoneessa, vaan ne syntyvät tai hankkivat elämänkokemuksen kautta. ML-insinöörien ja tietotieteilijöiden vaaditut taidot ovat jälleen päällekkäisiä.

Työilmoitukset osoittavat, että ML-insinöörityöntekijöiden tulisi tuntea koneen oppimiskehykset kuten TensorFlow, Mlib, H20 ja Theano. He tarvitsevat vahvan taustan koodauksessa, mukaan lukien kokemus ohjelmointikielistä, kuten Java tai C / C ++ ja skriptikielet, kuten Perl tai Python. Tilastojen ja kokemusten käyttö tilastollisten ohjelmistopakettien avulla suurten tietoryhmien analysoimiseksi kuuluu myös eritelmiin.

Erilaiset pehmeät taidot auttavat sinua menestymään tällä alalla. Niiden joukossa ovat joustavuus, sopeutumiskyky ja sitkeys. Algoritmin kehittäminen vaatii paljon kokeita ja virheitä, ja siksi kärsivällisyyttä. On testattava algoritmi, jotta näet, toimiiko se, ja jos ei, kehitä uusi.

Erinomaiset viestintätaidot ovat välttämättömiä. Koneen oppimisen ammattilaiset, jotka usein työskentelevät tiimissä, tarvitsevat ylivoimaisia ​​kuuntelu-, puhe- ja henkilökohtaisia ​​taitoja tehdä yhteistyötä muiden kanssa, ja heidän on myös esitettävä havainnot kollegoilleen. Niiden olisi lisäksi oltava aktiivisia oppijoita, jotka voivat sisällyttää uuteen työhönsä tietoa. Teollisuudessa, jossa innovaatiota arvostetaan, on oltava luovaa, jotta voimme kunnioittaa.