Práca v rozvíjajúcom sa odbore strojového učenia

Na vrchole LinkedIn v roku 2017 US Emerging Jobs Report boli dve povolania v oblasti strojového učenia: Inžinier strojového učenia a dátový vedec. Zamestnanosť inžinierov strojového učenia medzi rokmi 2012 a 2017 narástla o 9,8-krát a pracovné miesta vedcov údajov vzrástli v rovnakom päťročnom období 6,5-krát. Ak bude tento trend pokračovať, tieto povolania budú mať výhľady zamestnanosti, ktoré prekonajú mnohé iné povolania. S budúcnosťou tak jasnou, mohla by byť práca v tejto oblasti pre vás vhodná?

Čo je strojové učenie?

Strojové učenie (ML) je presne to, čo znie ako. Táto technológia zahŕňa vyučovacie stroje na vykonávanie špecifických úloh. Na rozdiel od tradičného kódovania, ktoré poskytuje inštrukcie, ktoré počítačom povedia, čo majú robiť, spoločnosť ML im poskytuje údaje, ktoré im umožnia zistiť to sami, podobne ako ľudská bytosť alebo zviera. Znie to ako mágia, ale nie je. Zahŕňa interakciu počítačových vedcov a iných s príslušnými odbornými znalosťami. Títo IT profesionáli vytvárajú programy nazývané algoritmy - súbory pravidiel, ktoré riešia problém - a potom ich kŕmia veľkými súbormi údajov, ktoré ich učia robiť predpovede na základe týchto informácií.

Strojové učenie je „podmnožina umelej inteligencie, ktorá umožňuje počítačom vykonávať úlohy, ktoré neboli explicitne naprogramované“ (Dickson, Ben. Zručnosti, ktoré potrebujete k tomu, aby ste sa mohli strojovo učiť. V priebehu rokov sa to stalo zložitejším, ale ešte bežnejším, Steven Levy v článku, ktorý hovorí o prioritách spoločnosti Google pri strojovom učení a rekvalifikácii inžinierov spoločnosti, píše: „Strojové učenie bolo po mnoho rokov považované za špecialitu, obmedzenú elitnej osobe.

Táto éra je u konca, pretože nedávne výsledky naznačujú, že strojové učenie, poháňané „neurónovými sieťami“, ktoré napodobňujú spôsob, akým biologický mozog funguje, je skutočnou cestou k počítačom, ktoré majú silu ľudí av niektorých prípadoch aj super ľudí “(Levy, Steven Ako sa spoločnosť Google pripravuje na prvú spoločnosť v oblasti strojového učenia.

Ako sa strojové učenie používa v "reálnom svete?" Väčšina z nás sa stretáva s touto technológiou na dennej báze, bez toho, aby to veľa myslel. Keď používate Google alebo iný vyhľadávač, výsledky, ktoré sa objavia v hornej časti stránky, sú výsledkom strojového učenia. Prediktívny text, ako aj niekedy nesprávna funkcia automatickej opravy, na textovej aplikácii smartfónu, sú tiež výsledkom strojového učenia. Odporúčané filmy a piesne na Netflix a Spotify sú ďalšie príklady toho, ako používame túto rýchlo rastúcu technológiu a zároveň sme si ju sotva všimli.

V poslednej dobe spoločnosť Google predstavila službu Smart Reply v službe Gmail. Na konci správy sa používateľovi zobrazí tri možné odpovede na základe obsahu. Uber a ďalšie spoločnosti v súčasnosti testujú vozidlá s vlastným pohonom.

Odvetvia využívajúce strojové učenie

Využívanie strojového učenia siaha ďaleko za technický svet. SAS, analytická softvérová spoločnosť, uvádza, že mnohé technológie prijali túto technológiu. Odvetvie finančných služieb využíva ML na identifikáciu investičných príležitostí, umožňuje investorom vedieť, kedy obchodovať, rozpoznať, ktorí klienti majú vysoko rizikové profily, a odhaliť podvody. V zdravotníctve algoritmy pomáhajú diagnostikovať ochorenia tým, že zachytávajú abnormality.

Spýtali ste sa niekedy na otázku, prečo je reklama na tento produkt, že som premýšľal o nákupe na každej webovej stránke, ktorú navštevujem? ML umožňuje marketingovému a predajnému priemyslu analyzovať spotrebiteľov na základe ich nákupnej a vyhľadávacej histórie. Prispôsobenie tejto technológie dopravnému priemyslu zisťuje potenciálne problémy na trasách a pomáha ich zefektívniť. Vďaka ML môže ropný a plynárenský priemysel identifikovať nové zdroje energie (Strojové učenie: Čo to je a prečo to záleží. SAS).

Ako sa strojové učenie mení na pracovisku

Predpovede o strojoch, ktoré preberajú všetky naše pracovné miesta, sú už celé desaťročia, ale nakoniec to ML urobí realitou? Odborníci predpovedajú, že táto technológia má a bude aj naďalej meniť pracovisko. Ale čo sa týka odňatia všetkých našich pracovných miest? Väčšina expertov si to nemyslí.

Kým strojové učenie nemôže nahradiť ľudské bytosti vo všetkých povolaniach, mohlo by to zmeniť mnohé pracovné povinnosti s nimi spojené. "Úlohy, ktoré zahŕňajú rýchle rozhodnutia založené na údajoch, sú vhodné pre programy ML, nie tak, ak rozhodnutie závisí od dlhých reťazcov úvah, rôznych vedomostí v pozadí alebo zdravého rozumu," hovorí Byron Spice, riaditeľ pre vzťahy s médiami v Carnegie Mellon Univerzitná škola počítačovej vedy (Spice, Byron. Strojové učenie zmení pracovné miesta. Carnegie Mellon University.

21. decembra 2017).

V časopise Science Magazine Erik Brynjolfsson a Tom Mitchell píšu, že „dopyt po pracovných silách je pravdepodobnejšie, že klesne za úlohy, ktoré sú blízkymi náhradám za schopnosti ML, pričom je pravdepodobnejšie, že sa zvýši pri úlohách, ktoré sú doplnkom týchto systémov. systém prekračuje hranicu, kde sa stáva nákladovo efektívnejšou ako ľudia na úlohu, podnikatelia a manažéri s maximalizáciou zisku sa budú čoraz viac snažiť nahradiť stroje pre ľudí, čo môže mať vplyv na celé hospodárstvo, zvýšiť produktivitu, znížiť ceny, presunúť dopyt po pracovnej sile, a reštrukturalizácie priemyslu (Brynjolfsson, Erik a Mitchell, Tom.

Čo môže robiť strojové učenie? Implikácie pracovnej sily. Science. 22. decembra 2017).

Chcete kariéru v oblasti strojového učenia?

Kariéra v oblasti strojového učenia vyžaduje odborné znalosti v oblasti informatiky, štatistiky a matematiky. Mnoho ľudí prichádza do tejto oblasti s pozadím v týchto oblastiach. Mnohé vysoké školy, ktoré ponúkajú významnú úlohu v oblasti strojového učenia, majú multidisciplinárny prístup s učebnými osnovami, ktoré zahŕňajú okrem počítačovej vedy, elektrotechniky a výpočtovej techniky, matematiky a štatistiky (Top 16 School for Machine Learning. AdmissionTable.com).

Pre tých, ktorí sú už zapojení do priemyslu informačných technológií, prechod na prácu ML nie je ďaleko skok. Možno už máte veľa zručností, ktoré potrebujete. Váš zamestnávateľ vám môže dokonca pomôcť pri tomto prechode. Podľa článku Stevena Levyho „v súčasnosti nie je veľa ľudí, ktorí sú odborníkmi v ML, takže spoločnosti ako Google a Facebook sú rekvalifikační inžinieri, ktorých odbornosť spočíva v tradičnom kódovaní.“

Zatiaľ čo mnohé zručnosti, ktoré ste vyvinuli ako IT profesionál, sa prenesú na strojové učenie, môže to byť trochu náročné. Dúfajme, že ste zostali hore počas svojej vysokej školy štatistiky tried, pretože ML spolieha na silné pochopenie tohto predmetu, rovnako ako matematika. Levy píše, že kodéri musia byť ochotní vzdať sa úplnej kontroly nad programovaním systému.

Nie ste šťastní, ak váš technický zamestnávateľ neposkytuje ML rekvalifikáciu Google a Facebook. Vysoké školy a univerzity, rovnako ako on-line vzdelávacie platformy ako Udemy a Coursera, ponúkajú triedy, ktoré učia základy strojového učenia. Je však veľmi dôležité, aby ste doplnili svoje odborné znalosti tým, že si osvojíte štatistiky a kurzy matematiky.

Tituly a zárobky

Medzi hlavné pracovné tituly, s ktorými sa stretnete pri hľadaní zamestnania v tejto oblasti, patrí inžinier strojového učenia a dátový vedec.

Inžinieri strojového učenia „prevádzkujú projekt strojového učenia a sú zodpovední za riadenie infraštruktúry a dátových potrubí potrebných na zavedenie kódu do výroby“. Údaje vedci sú na strane údajov a analýzy vývoja algoritmov, skôr ako kódovanie strane. Taktiež zbierajú, čistia a pripravujú údaje (Zhou, Adelyn.) Názvy pracovných miest pre umelú inteligenciu: Čo je strojársky učiteľ? "Forbes. 27. novembra 2017).

Na základe používateľských príspevkov od ľudí, ktorí pracujú v týchto pracovných miestach, Glassdoor.com uvádza, že inžinieri spoločnosti ML a dátoví vedci zarábajú priemerný základný plat vo výške 120 931 USD. Platy sa pohybujú od minima 87 000 USD až po vysoké 158 000 USD (Machine Learning Engineer Plates. Glassdoor.com. 1. marec 2018). Hoci Glassdoor zoskupuje tieto tituly, medzi nimi sú rozdiely.

Požiadavky na prácu v strojovom učení

Inžinieri a inžinieri v oblasti dátového inžinierstva robia rôzne práce, ale medzi nimi je veľa prekrývania. Pracovné oznámenia pre obe pozície majú často podobné požiadavky. Mnohí zamestnávatelia uprednostňujú bakalárske, magisterské alebo doktorandské štúdium v ​​oblasti informatiky alebo inžinierstva, štatistiky alebo matematiky.

Ak chcete byť profesionálom v oblasti strojového učenia, budete potrebovať kombináciu technických zručností - zručností získaných v škole alebo v práci - a mäkkých zručností. Mäkké zručnosti sú schopnosti, ktoré sa nenaučia v triede, ale namiesto toho sa narodia alebo získajú prostredníctvom životných skúseností. Opäť existuje veľký počet prekrývania medzi požadovanými zručnosťami pre inžinierov ML a dátových vedcov.

Pracovné oznámenia ukazujú, že tí, ktorí pracujú v pracovných pozíciách ML inžinierstva, by mali byť oboznámení so systémami strojového učenia, ako sú TensorFlow, Mlib, H20 a Theano. Potrebujú silné zázemie v kódovaní, vrátane skúseností s programovacími jazykmi ako Java alebo C / C ++ a skriptovacími jazykmi ako Perl alebo Python. Medzi špecifikácie patrí aj odbornosť v oblasti štatistiky a skúseností s použitím štatistických softvérových balíkov na analýzu veľkých súborov údajov.

Rôzne mäkké zručnosti vám umožnia uspieť v tejto oblasti. Medzi ne patrí flexibilita, prispôsobivosť a vytrvalosť. Vývoj algoritmu si vyžaduje veľa pokusov a omylov, a teda aj trpezlivosť. Je potrebné otestovať algoritmus, aby zistil, či funguje a ak nie, vyvinúť nový.

Nevyhnutné sú vynikajúce komunikačné zručnosti. Odborníci v oblasti strojového učenia, ktorí často pracujú v tímoch, potrebujú vynikajúcu schopnosť počúvať, rozprávať a interpersonálne zručnosti, aby mohli spolupracovať s ostatnými, a musia tiež prezentovať svoje zistenia svojim kolegom. Okrem toho by mali byť aktívnymi študentmi, ktorí do svojej práce môžu zahrnúť nové informácie. V odvetví, kde sa inovácie oceňujú, musí byť človek kreatívny, aby vynikal.