Найкращі робочі місця з машинного навчання

Зміст

• Що таке машинне навчання?
• Галузі, що використовують машинне навчання
• Як машинне навчання змінює робоче місце
• Ви хочете кар'єри в машинному навчанні?
• Назви та заробітки
• Вимоги до завдань машинного навчання

На вершині звіту США про нові робочі місця LinkedIn за 2017 рік були дві професії у галузі машинного навчання: Інженер машинного навчання та Даний науковець. Зайнятість для інженерів машинного навчання зросла в 9,8 рази за період з 2012 по 2017 рік, а робота науковців збільшилася в 6,5 разів за той же п'ятирічний період. Якщо тенденція продовжиться, ці професії матимуть перспективи зайнятості, що перевершують багато інших професій. З таким світлим майбутнім, чи може робота в цій галузі підійде саме вам?

Що таке машинне навчання?

Машинне навчання (ML) - це саме те, що звучить. Ця технологія передбачає навчальні машини для виконання конкретних завдань. На відміну від традиційного кодування, яке надає інструкції, які вказують комп'ютерам, що робити, ML надає їм дані, що дозволяють їм зрозуміти це самостійно, як і люди чи тварини. Звучить магія, але це не так. Він передбачає взаємодію комп'ютерних науковців та інших з відповідними знаннями. Ці ІТ-фахівці створюють програми під назвою алгоритми - набори правил, що вирішують проблему, а потім подають їм великі набори даних, які вчать робити прогнози на основі цієї інформації.

Машинне навчання - це «підмножина штучного інтелекту, яка дозволяє комп’ютерам виконувати завдання, які не були чітко запрограмовані для виконання» (Діксон, Бен. Навички, необхідні для роботи в машинному навчанні. It Career Finder. 18 січня 2017 р.) Протягом багатьох років це стало складнішим, але більш звичним явищем. Стівен Леві у статті, яка говорить про пріоритетність машинного навчання та перепідготовки інженерів компанії, пише: "Багато років машинне навчання вважалося спеціальністю, обмеженою для елітних небагатьох. Ця епоха закінчилася, оскільки останні результати свідчать про те, що машинне навчання, що працює на „нейронних мережах”, що наслідують дію біологічного мозку, - це справжній шлях до нав'язування комп’ютерам сил людини, а в деяких випадках і надлюддям ”( Леві, Стівен. Як Google переживає себе як провідне машинне навчання першої компанії. 22 червня 2016 р.).

Як застосовується машинне навчання в «реальному світі»? Більшість із нас щодня стикаються з цією технологією, не замислюючись над цим. Якщо ви користуєтеся Google або іншою пошуковою системою, результати, які з’являються вгорі сторінки, є результатом машинного навчання. Прогнозний текст, а також іноді злісна функція автоматичного виправлення в текстовому додатку вашого смартфона також є результатом машинного навчання. Рекомендовані фільми та пісні на Netflix та Spotify - це додаткові приклади того, як ми використовуємо цю швидко зростаючу технологію, ледве помічаючи її. Зовсім недавно Google представив Smart Gmail у Gmail. В кінці повідомлення він пропонує користувачеві три можливі відповіді на основі вмісту. В даний час Uber та інші компанії випробовують автомобілі, що керують автотранспортом

Галузі, що використовують машинне навчання

Використання машинного навчання сягає далеко за межі технологій. Компанія SAS, аналітична програмна компанія, повідомляє, що багато галузей прийняли цю технологію. Індустрія фінансових послуг використовує ML для визначення інвестиційних можливостей, повідомляє інвесторам, коли торгувати, визнавати, які клієнти мають профілі високого ризику, та виявляти шахрайство. У охороні здоров'я алгоритми допомагають діагностувати хвороби, підбираючи відхилення.

Ви коли-небудь задавали запитання: "Чому саме реклама для цього продукту я думаю купувати показ на кожній веб-сторінці, яку я відвідую?" ML дозволяє маркетингу та індустрії продажів аналізувати споживачів на основі історії їх покупки та пошуку. Адаптація транспортної галузі цієї технології виявляє потенційні проблеми на маршрутах та допомагає зробити їх більш ефективними. Завдяки ML, нафтогазова промисловість може визначити нові джерела енергії (Машинне навчання: що це таке і чому це має значення. SAS).

Як машинне навчання змінює робоче місце

Прогнози щодо машин, що займають усі наші роботи, існують десятиліттями, але чи нарешті МЛ зробить це реальністю? Експерти прогнозують, що ця технологія має і продовжує змінювати робоче місце. Але наскільки забирати всі наші роботи? Більшість експертів не вважають, що це станеться.

Хоча машинне навчання не може зайняти місце людських істот за будь-якими професіями, воно може змінити багато робочих обов'язків, пов'язаних з ними. "Завдання, які стосуються прийняття швидких рішень на основі даних, добре підходять для програм МЛ; не так, якщо рішення залежить від довгих ланцюжків міркувань, різноманітних знань та здорового глузду", - говорить Байрон Спайс. Спійс - директор зі зв'язків зі ЗМІ в Карнегі Меллон Школа комп’ютерних наук університету (Spice, Byron. Машинне навчання змінить роботу. Університет Карнегі Меллон. 21 грудня 2017 р.).

У науковому журналі Erik Brynjolfsson та Tom Mitchell пишуть, що "попит на робочу силу швидше падає на завдання, які є близькими замінниками можливостей ML, тоді як більше шансів збільшуватись для завдань, що доповнюють ці системи. Кожен раз ML система переступає поріг, коли вона стає рентабельнішою, ніж люди на виконання завдання, максимізуючи прибуток підприємці та менеджери все більше прагнуть замінити машини людьми. Це може мати наслідки для всієї економіки, підвищення продуктивності праці, зниження цін, зміна попиту на робочу силу, та реструктуризація галузей (Brynjolfsson, Erik та Mitchell, Tom. Що може зробити машинне навчання? Наслідки для робочої сили. Science. 22 грудня 2017 р.).

Ви хочете кар'єри в машинному навчанні?

Кар'єра машинного навчання вимагає знань з інформатики, статистики та математики. Багато людей приходять на це поле з фоном у цих полях. Багато коледжів, які пропонують основні напрямки машинного навчання, застосовують мультидисциплінарний підхід із навчальною програмою, яка включає, крім інформатики, електротехніки та комп'ютерної інженерії, математику та статистику (Top 16 Schools for Machine Learning. AdmissionTable.com).

Для тих, хто вже займається галуззю інформаційних технологій, перехід на роботу в галузі ML не є далеко не високим. Можливо, ви вже маєте багато необхідних навичок. Ваш роботодавець навіть може допомогти вам здійснити цей перехід. Відповідно до статті Стівена Леві, "наразі не так багато людей, які є експертами в галузі ML, тому такі компанії, як Google і Facebook, перекваліфікуються інженерів, досвід яких полягає в традиційному кодуванні".

Хоча багато навичок, які ви виробили як ІТ-професіонал, перенесуть до машинного навчання, це може бути трохи складним завданням. Сподіваємось, ви залишилися неспані під час уроків статистики вашого коледжу, оскільки ML покладається на сильне розуміння цього предмету, а також математику. Леві пише, що кодери повинні бути готові відмовитися від повного контролю над програмуванням системи.

Вам не пощастить, якщо ваш роботодавець не надає послуги з перекваліфікації ML та Google та Facebook. Коледжі та університети, а також онлайн-платформи навчання, такі як Udemy та Coursera, пропонують заняття, які викладають основи машинного навчання. Однак, важливо, щоб округлити свої знання, провівши статистику та уроки математики.

Назви та заробітки

Основні назви вакансій, які ви зіткнетесь під час пошуку роботи в цій галузі, включають інженера машинного навчання та науковця даних.

Інженери машинного навчання "виконують операції проекту машинного навчання та відповідають за управління інфраструктурою та трубопроводами даних, необхідними для приведення коду до виробництва". Вчені даних опиняються на стороні даних та аналізу алгоритмів, що розробляються, а не на стороні кодування. Вони також збирають, очищають та готують дані (Чжоу, Аделін. "Назви роботи з штучного інтелекту: що таке інженер машинного навчання?" Forbes. 27 листопада 2017 р.).

На основі даних користувачів, які працюють на цих роботах, Glassdoor.com повідомляє, що інженери ML та вчені за даними отримують середню базову зарплату в розмірі 120 931 долар. Заробітна плата коливається від найнижчої до 87 000 доларів до високої 158 000 доларів (Заробітна плата машинного навчання інженерів. Glassdoor.com. 1 березня 2018 року). Хоча Glassdoor групує ці назви, між ними є деякі відмінності.

Вимоги до завдань машинного навчання

Інженери та науковці з питань ML займаються різними роботами, але між ними багато перекриттів. Оголошення про роботу на обох посадах часто мають однакові вимоги. Багато роботодавців віддають перевагу бакалаврським, магістерським або докторським ступеням з інформатики чи техніки, статистики чи математики.

Щоб бути професіоналом машинного навчання, вам знадобиться поєднання технічних навичок - навичок, засвоєних у школі чи на роботі - та м'яких навичок. М'які навички - це здібності людини, яких вони не вивчають на уроці, а натомість народжуються з ними або набувають за допомогою життєвого досвіду. Знову ж таки, велика кількість перекриттів між необхідними навичками для інженерів з МЛ та науковців даних.

Оголошення про роботу показують, що ті, хто працює в інженерних роботах з ML, повинні ознайомитись із структурами машинного навчання, як TensorFlow, Mlib, H20 та Theano. Їм потрібна сильна освіта в кодуванні, включаючи досвід роботи з мовами програмування, такими як Java або C / C ++, та мовами сценаріїв, такими як Perl або Python. Досвід статистики та досвід використання статистичних програмних пакетів для аналізу великих наборів даних також входять до специфікацій.

Різноманітність м'яких навичок дозволить досягти успіху в цій галузі. Серед них гнучкість, адаптованість та наполегливість. Розробка алгоритму вимагає багато спроб та помилок, а отже, терпіння. Треба перевірити алгоритм, щоб перевірити, чи працює він, а якщо ні, розробити новий.

Відмінні навички спілкування є важливими. Професіонали машинного навчання, які часто працюють у командах, потребують вищого вміння слухати, говорити та міжособистісно співпрацювати з іншими, а також повинні представити свої висновки своїм колегам. Крім того, вони повинні бути активними учнями, які можуть включати нову інформацію у свою роботу. У галузі, де цінують інновації, треба бути творчим, щоб досягти успіху.