Parimad masinõppe töökohad

Sisu

• Mis on masinõpe?
• Tööstusharud, mis kasutavad masinõpet
• Kuidas masinõpe muudab töökohta
• Kas soovite karjääri masinõppes?
• Tööpealkirjad ja töötasu
• Nõuded masinõppe töökohtadele

LinkedIni 2017. aasta USA esilekerkivate töökohtade aruande tipus olid masinõppe valdkonnas kaks ametit: masinõppimise insener ja andmeteadlane. Masinõppeinseneride tööhõive kasvas ajavahemikul 2012 kuni 2017 9,8 korda ja andmeteadlaste töökohad kasvasid sama viie aasta jooksul 6,5 korda. Kui trend jätkub, on nendel ametialadel tööhõive väljavaated, mis ületavad paljusid teisi ameteid. Kas nii helge tuleviku korral võiks töö selles valdkonnas teile sobida?

Mis on masinõpe?

Masinõpe (ML) on just see, millena see kõlab. See tehnoloogia hõlmab masinate õpetamist konkreetsete ülesannete täitmiseks. Erinevalt tavapärasest kodeerimisest, mis pakub juhiseid, mis ütlevad arvutitele, mida teha, pakub ML neile andmeid, mis võimaldavad neil seda ise välja mõelda, sarnaselt inimesele või loomale. Kõlab nagu võlukunst, aga see pole nii. See hõlmab arvutiteadlaste ja teiste interaktsiooni seotud teadmistega. Need IT-spetsialistid loovad algoritmideks nimetatavaid programme - reeglikomplekte, mis lahendavad probleemi - ja sisestavad neile siis suured andmekomplektid, mis õpetavad neid selle teabe põhjal ennustusi tegema.

Masinõpe on "tehisintellekti alamhulk, mis võimaldab arvutitel täita ülesandeid, mida neil pole selgesõnaliselt programmeeritud tegema" (Dickson, Ben. Masinõppe töö maandamiseks vajalikud oskused. Karjääriotsija. 18. jaanuar 2017) See on aastatega muutunud keerukamaks, kuid samas tavalisemaks. Steven Levy kirjutab artiklis, mis räägib Google'i prioriteediks seadmisest masinaõppele ja ettevõtte inseneride ümberõppele: "Aastaid peeti masinõpet erialaks, mis oli piiratud mõnele eliidile. See ajajärk on möödas, kuna hiljutised tulemused näitavad, et masinõpe, mida toidavad „närvivõrgud“, mis jäljendavad bioloogilise aju toimimist, on tõeline tee inimeste ja mõnel juhul ka superinimeste võimetega arvutite sisseõppimiseks “( Levy, Steven. Kuidas Google kujundab end masinõppega esimese ettevõtte juhtmeks. 22. juuni 2016).

Kuidas kasutatakse masinõpet "päriselus"? Enamik meist puutub selle tehnoloogiaga igapäevaselt kokku, mõtlemata sellele eriti läbi. Google'i või mõne muu otsingumootori kasutamisel on lehe ülaosas olevad tulemused masinõppe tulemus. Ennustav tekst ja mõnikord ka pahaloomuliste automaatkorrektsioonide funktsioon teie nutitelefoni tekstsõnumite saatmise rakenduses on samuti masinõppe tulemus. Soovitatavad filmid ja laulud Netflixis ja Spotify'is on täiendavad näited selle kohta, kuidas me seda kiiresti kasvavat tehnoloogiat kasutame, vaevu seda märgates. Hiljuti võttis Google Gmailis kasutusele nutika vastuse. Sõnumi lõpus pakub see kasutajale sisu põhjal kolme võimalikku vastust. Uber ja teised ettevõtted katsetavad praegu isesõitvaid autosid.

Tööstusharud, mis kasutavad masinõpet

Masinõppe kasutamine ulatub tehnikamaailmast kaugemale. Analüütilist tarkvara pakkuv ettevõte SAS teatas, et paljud tööstusharud on selle tehnoloogia kasutusele võtnud. Finantsteenuste tööstus kasutab ML-i investeerimisvõimaluste väljaselgitamiseks, investoritele teada andmiseks, millal nad saavad kaubelda, tuvastada, millised kliendid on kõrge riskiprofiiliga, ja tuvastada pettused. Tervishoius aitavad algoritmid haigusi diagnoosida, korjates kõrvalekaldeid.

Kas olete kunagi esitanud küsimuse: "Miks on selle toote reklaam, mida ma mõtlen osta, seda kuvada igal minu külastataval veebilehel?" ML võimaldab turundus- ja müügitööstusel analüüsida tarbijaid nende ostu- ja otsinguajaloo põhjal. Transporditööstuses selle tehnoloogia kohandamine tuvastab marsruutidel võimalikud probleemid ja aitab neid efektiivsemaks muuta. Tänu ML-le saab nafta- ja gaasitööstus tuvastada uusi energiaallikaid (masinõpe: mis see on ja miks see on oluline. SAS).

Kuidas masinõpe muudab töökohta

Ennustused masinate ülevõtmiseks kõigi meie töökohtade vahel on olnud juba aastakümneid, kuid kas ML saab selle lõpuks reaalsuseks? Eksperdid ennustavad, et see tehnoloogia muudab ja jätkab töökoha muutmist. Aga niipalju kui kõik meie töökohad ära võtta? Enamik eksperte ei usu, et seda juhtub.

Ehkki masinõpe ei saa kõigis ametites asendada inimesi, võib see muuta paljusid nendega seotud töökohustusi. "Andmetest lähtuvate kiirete otsuste tegemisega seotud ülesanded sobivad ML-i programmide jaoks hästi; mitte juhul, kui otsus sõltub pikkadest arutlusahelatest, mitmekesistest taustateadmistest või tervest mõistusest," ütleb Byron Spice. Spice on Carnegie Melloni meediasuhete direktor. Ülikooli arvutiteaduse kool (Spice, Byron. Masinõpe muudab töökohti. Carnegie Melloni ülikool. 21. detsember 2017).

Teadusajakirjas kirjutavad Erik Brynjolfsson ja Tom Mitchell: "Tööjõunõudlus langeb tõenäolisemalt ML-i võimeid lähedaselt asendavate ülesannete jaoks, samas kui nende süsteemide komplementaare suurendavate ülesannete jaoks suureneb tõenäosus. Iga kord, kui ML süsteem ületab läve, kui see on ülesande täitmisel kulutõhusam kui inimesed, kasumit maksimeerivad ettevõtjad ja juhid püüavad üha enam inimesi masinatega asendada. See võib avaldada mõju kogu majandusele, suurendades tootlikkust, alandades hindu ja nihutades tööjõunõudlust, ja tööstuste restruktureerimine (Brynjolfsson, Erik ja Mitchell, Tom. Mida saab masinõpe teha? Tööjõu mõju. Teadus. 22. detsember 2017).

Kas soovite karjääri masinõppes?

Masinõppe karjäär nõuab teadmisi arvutiteaduse, statistika ja matemaatika alal. Paljud inimesed tulevad sellele põllule taustal. Paljud kolledžid, mis pakuvad suurt masinaõpet, võtavad multidistsiplinaarse lähenemise õppekavaga, mis sisaldab lisaks arvutiteadusele ka elektri- ja arvutitehnikat, matemaatikat ja statistikat (16 paremat masinaõppe kooli. AdmissionTable.com).

Neile, kes on juba seotud infotehnoloogia tööstusega, pole üleminek ML-i töökohale kaugelt liiga suur hüpe. Võimalik, et teil on juba palju vajalikke oskusi. Teie tööandja võib isegi aidata teil seda üleminekut teha. Steven Levy artikli kohaselt "pole praegu palju ML-is eksperte, nii et sellised ettevõtted nagu Google ja Facebook koolitavad ümber insenere, kelle asjatundlikkus seisneb traditsioonilises kodeerimises".

Ehkki paljud IT-professionaalina arendatud oskused lähevad üle masinõppele, võib see olla pisut keeruline. Loodetavasti jäite oma kolledžistatistika tundide ajal ärkvel olema, sest ML tugineb selle aine ja matemaatika tugevale mõistmisele. Levy kirjutab, et kodeerijad peavad olema valmis loobuma täielikust kontrollist, mis neil on süsteemi programmeerimise üle.

Teil pole õnne, kui teie tehniline tööandja ei paku ML-i Google'i ja Facebooki ümberõpet. Kolledžid ja ülikoolid, aga ka sellised veebipõhised õppeplatvormid nagu Udemy ja Coursera pakuvad klasse, kus õpetatakse masinõppe põhitõdesid. Siiski on ülioluline oma teadmisi ümardada statistika ja matemaatikatundide läbiviimisega.

Tööpealkirjad ja töötasu

Peamised ametinimetused, millega selles valdkonnas tööd otsides kokku puutute, on masinõppeinsener ja andmeteadlane.

Masinõppe insenerid "juhivad masinõppe projekti toiminguid ja vastutavad koodi tootmiseks vajaliku infrastruktuuri ja andmejuhtmete haldamise eest". Andmeteadlased on pigem algoritmide väljatöötamise andmete ja analüüsi poolel kui kodeerimise poolel. Samuti koguvad, puhastavad nad ja koostavad andmeid (Zhou, Adelyn. "Tehisintellekti tööpealkirjad: Mis on masinõppimise insener?" Forbes. 27. november 2017).

Nendel töökohtadel töötavate inimeste esitatud avalduste põhjal teatab Glassdoor.com, et ML-i insenerid ja andmeteadlased teenivad keskmist põhipalka 120 931 dollarit. Palgad ulatuvad 87 000 dollarist kuni 158 000 dollarini (masinõppeinseneride palgad. Glassdoor.com. 1. märts 2018). Kuigi Glassdoor rühmitab need tiitlid, on nende vahel mõned erinevused.

Nõuded masinõppe töökohtadele

ML-i insenerid ja andmeteadlased teevad erinevaid töid, kuid nende vahel on palju kattumist. Mõlema ametikoha töökuulutustel on sageli sarnased nõuded. Paljud tööandjad eelistavad bakalaureuse-, magistri- või doktorikraadi arvutiteaduse või tehnika, statistika või matemaatika alal.

Masinõppe professionaaliks saamiseks vajate tehniliste oskuste - koolis või tööl õpitud oskuste ja pehmete oskuste - kombinatsiooni. Pehmed oskused on võimed, mida nad ei õpi klassiruumis, vaid sünnivad või omandavad elukogemuse kaudu. Jällegi on ML-i inseneride ja andmeteadlaste nõutavad oskused väga kattunud.

Töökuulutustest selgub, et ML-i inseneritöödel töötavad peaksid olema tuttavad masinaõppe raamistikega nagu TensorFlow, Mlib, H20 ja Theano. Nad vajavad kodeerimisel tugevat tausta, sealhulgas kogemusi programmeerimiskeeltega, nagu Java või C / C ++, ja skriptikeeltega, näiteks Perl või Python. Spetsifikatsioonide hulka kuuluvad ka statistikaalane kogemus ja statistiliste tarkvarapakettide kasutamise kogemus suurte andmekogumite analüüsimiseks.

Erinevad pehmed oskused võimaldavad teil selles valdkonnas edu saavutada. Nende hulgas on paindlikkus, kohanemisvõime ja visadus. Algoritmi väljatöötamine nõuab palju katsetusi ja vigasid ning seetõttu ka kannatlikkust. Algoritmi tuleb testida, kas see töötab, ja kui ei, siis tuleb välja töötada uus.

Suurepärane suhtlemisoskus on hädavajalik. Masinõppe spetsialistid, kes töötavad sageli meeskondade koosseisus, vajavad teistega koostöö tegemiseks suurepäraseid kuulamis-, rääkimis- ja suhtlemisoskusi ning peavad oma järeldused ka oma kolleegidele tutvustama. Lisaks peaksid nad olema aktiivsed õppijad, kes saavad oma töösse uut teavet lisada. Tööstuses, kus hinnatakse innovatsiooni, tuleb silma paista loov.