Θέσεις εργασίας στο Αναδυόμενο Πεδίο της Μηχανικής Μάθησης

Στην κορυφή της Έκθεσης 2017 των Αναδυόμενων Εργασιών της Ε.Ε., το LinkedIn ήταν δύο επαγγέλματα στο πεδίο Machine Learning: Machine Learning Engineer και Data Scientist. Η απασχόληση για μηχανικούς μηχανικής μάθησης αυξήθηκε κατά 9,8 φορές μεταξύ 2012 και 2017 και οι θέσεις εργασίας επιστημόνων δεδομένων αυξήθηκαν κατά 6,5 φορές κατά την ίδια πενταετία. Αν συνεχιστεί η τάση, αυτά τα επαγγέλματα θα έχουν προοπτικές απασχόλησης που ξεπερνούν πολλά άλλα επαγγέλματα. Με ένα μέλλον τόσο φωτεινό, θα μπορούσε μια δουλειά στον τομέα αυτό να είναι σωστή για σας;

Τι είναι η εκμάθηση μηχανών;

Η μηχανική μάθηση (ML) είναι ακριβώς αυτό που ακούγεται. Αυτή η τεχνολογία περιλαμβάνει μηχανήματα διδασκαλίας για την εκτέλεση συγκεκριμένων εργασιών. Σε αντίθεση με την παραδοσιακή κωδικοποίηση που παρέχει οδηγίες που λένε στους υπολογιστές τι πρέπει να κάνουν, το ML τους παρέχει δεδομένα που τους αφήνουν να τα καταλάβουν μόνα τους, σαν να έκαναν άνθρωπο ή ζώο. Ακούγεται σαν μαγεία, αλλά δεν είναι. Περιλαμβάνει την αλληλεπίδραση των επιστημόνων υπολογιστών και άλλων με σχετική εμπειρογνωμοσύνη. Αυτοί οι επαγγελματίες τεχνολογιών πληροφορικής δημιουργούν προγράμματα που ονομάζονται αλγόριθμοι - σύνολα κανόνων που επιλύουν ένα πρόβλημα - και στη συνέχεια τροφοδοτούν τα μεγάλα σύνολα δεδομένων που τους διδάσκουν να κάνουν προβλέψεις με βάση αυτές τις πληροφορίες.

Η εκμάθηση μηχανών είναι ένα "υποσύνολο τεχνητής νοημοσύνης που επιτρέπει στους υπολογιστές να εκτελούν καθήκοντα που δεν έχουν προγραμματιστεί ρητά να κάνουν" (Dickson, Ben, Skills You Need to Land ένα μηχάνημα εκμάθησης μηχανών, Finder Career 18 Ιανουαρίου 2017). Ο Steven Levy, σε άρθρο που μιλάει για την ιεράρχηση της μηχανικής μάθησης και της επανεκπαίδευσης των μηχανικών της εταιρίας, γράφει: «Για πολλά χρόνια, η μηχανική μάθηση θεωρήθηκε ειδικότητα, περιορισμένη σε μια ελίτ λίγους.

Αυτή η εποχή έχει τελειώσει, καθώς τα πρόσφατα αποτελέσματα δείχνουν ότι η μηχανική μάθηση, η οποία τροφοδοτείται από "νευρικά δίκτυα" που μιμούνται τον τρόπο που λειτουργεί ένας βιολογικός εγκέφαλος, είναι η αληθινή πορεία προς την εμβάθυνση των υπολογιστών με τις δυνάμεις των ανθρώπων και σε μερικές περιπτώσεις με τους σούπερ ανθρώπους " Levy, Steven: Πώς η Google μετασχηματίζεται ως μηχάνημα εκμάθησης της πρώτης εταιρείας ενσύρματη, 22 Ιουνίου 2016).

Πώς χρησιμοποιείται η μηχανική μάθηση στον "πραγματικό κόσμο"; Οι περισσότεροι από εμάς συναντάμε την τεχνολογία αυτή σε καθημερινή βάση χωρίς να την σκεφτόμαστε πολύ. Όταν χρησιμοποιείτε το Google ή άλλη μηχανή αναζήτησης, τα αποτελέσματα που εμφανίζονται στο επάνω μέρος της σελίδας είναι το αποτέλεσμα της μηχανικής μάθησης. Το κείμενο πρόβλεψης, καθώς και το άλλοτε κακόβουλο χαρακτηριστικό αυτόματης διόρθωσης, στην εφαρμογή γραπτών μηνυμάτων του έξυπνου τηλεφώνου σας, είναι επίσης αποτέλεσμα της μηχανικής μάθησης. Οι συνιστώμενες ταινίες και τραγούδια για τα Netflix και Spotify είναι περαιτέρω παραδείγματα για το πώς χρησιμοποιούμε αυτήν την ταχέως αναπτυσσόμενη τεχνολογία, ενώ μόλις τη βλέπουμε.

Πιο πρόσφατα, η Google εισήγαγε έξυπνη απάντηση στο Gmail. Στο τέλος ενός μηνύματος, παρουσιάζει έναν χρήστη με τρεις πιθανές απαντήσεις με βάση το περιεχόμενο. Η Uber και άλλες εταιρείες δοκιμάζουν αυτή τη στιγμή αυτο-οδήγηση αυτοκινήτων.

Βιομηχανίες που χρησιμοποιούν εκμάθηση μηχανών

Η χρήση της μηχανικής μάθησης φτάνει πολύ πέρα ​​από τον κόσμο της τεχνολογίας. Η SAS, εταιρεία αναλυτικού λογισμικού, αναφέρει ότι πολλές βιομηχανίες έχουν υιοθετήσει αυτήν την τεχνολογία. Ο κλάδος των χρηματοπιστωτικών υπηρεσιών χρησιμοποιεί το ML για τον εντοπισμό επενδυτικών ευκαιριών, αφήνει στους επενδυτές να γνωρίζουν πότε πρέπει να ανταλλάσσουν, να αναγνωρίζουν ποιοι πελάτες έχουν προφίλ υψηλού κινδύνου και να εντοπίζουν τις απάτες. Στην υγειονομική περίθαλψη, οι αλγόριθμοι βοηθούν στη διάγνωση των ασθενειών με την ανίχνευση ανωμαλιών.

Έχετε ρωτήσει ποτέ την ερώτηση "γιατί είναι μια διαφήμιση για το προϊόν που σκέφτομαι να αγοράζω εμφανίζομαι σε κάθε ιστοσελίδα που επισκέπτομαι;" Το ML επιτρέπει στον κλάδο μάρκετινγκ και πωλήσεων να αναλύει τους καταναλωτές με βάση την ιστορία αγορών και αναζήτησης. Η προσαρμογή της βιομηχανίας μεταφορών αυτής της τεχνολογίας ανιχνεύει πιθανά προβλήματα στις διαδρομές και βοηθάει στην αύξηση της αποτελεσματικότητάς τους. Χάρη στην ML, η βιομηχανία πετρελαίου και φυσικού αερίου μπορεί να εντοπίσει νέες πηγές ενέργειας (μηχανική μάθηση: τι είναι και γιατί έχει σημασία).

Πώς η μηχανική μάθηση αλλάζει τον χώρο εργασίας

Οι προβλέψεις για τα μηχανήματα που αναλαμβάνουν όλες τις δουλειές μας έχουν περάσει εδώ και δεκαετίες, αλλά το ML θα καταστήσει τελικά αυτή την πραγματικότητα; Οι ειδικοί προβλέπουν ότι αυτή η τεχνολογία έχει και θα συνεχίσει να αλλάζει τον χώρο εργασίας. Αλλά όσον αφορά τη λήψη όλων των θέσεων εργασίας μας; Οι περισσότεροι ειδικοί δεν πιστεύουν ότι θα συμβεί.

Ενώ η μηχανική μάθηση δεν μπορεί να πάρει τη θέση των ανθρώπων σε όλα τα επαγγέλματα, θα μπορούσε να αλλάξει πολλά από τα καθήκοντα που συνδέονται με αυτά. "Τα καθήκοντα που συνεπάγονται τη λήψη γρήγορων αποφάσεων βασισμένων σε δεδομένα είναι κατάλληλα για τα προγράμματα ML, όχι όμως εάν η απόφαση εξαρτάται από μεγάλες αλυσίδες συλλογισμών, διαφορετικές γνώσεις στο παρελθόν ή κοινή λογική", λέει ο Byron Spice. Σχολή Επιστημών Υπολογιστών του Πανεπιστημίου (Spice, Byron, Μηχανική Μάθηση θα αλλάξει Θέσεις εργασίας, Πανεπιστήμιο Carnegie Mellon.

21 Δεκεμβρίου 2017).

Στο περιοδικό Science, ο Erik Brynjolfsson και ο Tom Mitchell γράφουν ότι "η ζήτηση εργασίας είναι πιο πιθανό να πέσει για τα καθήκοντα που είναι στενά υποκατάστατα των ικανοτήτων του ML, ενώ είναι πιο πιθανό να αυξηθεί για καθήκοντα που συμπληρώνουν αυτά τα συστήματα. το σύστημα διασχίζει το κατώτατο όριο, όπου γίνεται οικονομικά αποδοτικότερο από τον άνθρωπο σε μια εργασία, οι επιχειρηματίες και διευθυντές που μεγιστοποιούν το κέρδος θα προσπαθούν όλο και περισσότερο να αντικαταστήσουν τα μηχανήματα για τους ανθρώπους.Αυτό μπορεί να έχει επιπτώσεις σε όλη την οικονομία, να αυξήσει την παραγωγικότητα, να μειώσει τις τιμές, και αναδιάρθρωσης (Brynjolfsson, Erik και Mitchell, Tom.

Τι μπορεί να κάνει η μηχανική μάθηση; Εμπειρίες του εργατικού δυναμικού. Επιστήμη. 22 Δεκεμβρίου 2017).

Θέλετε μια καριέρα στη μηχανική μάθηση;

Οι σταδιοδρομίες στη μηχανική μάθηση απαιτούν εξειδίκευση στην επιστήμη των υπολογιστών, στις στατιστικές και στα μαθηματικά. Πολλοί άνθρωποι έρχονται σε αυτόν τον τομέα με φόντο σε αυτούς τους τομείς. Πολλά πανεπιστήμια που προσφέρουν μαθήματα μηχανικής μάθησης υιοθετούν μια πολυεπιστημονική προσέγγιση με ένα πρόγραμμα σπουδών που περιλαμβάνει εκτός από την επιστήμη των υπολογιστών, την ηλεκτρολογία και την πληροφορική, τα μαθηματικά και τις στατιστικές (Top 16 Schools for Machine Learning, AdmissionTable.com).

Για όσους συμμετέχουν ήδη στον κλάδο της Πληροφορικής, η μετάβαση σε μια εργασία ML δεν είναι ένα πολύ άλμα. Μπορεί να έχετε ήδη πολλές από τις δεξιότητες που χρειάζεστε. Ο εργοδότης σας μπορεί ακόμη και να σας βοηθήσει να κάνετε αυτή τη μετάβαση. Σύμφωνα με το άρθρο του Steven Levy, "προς το παρόν δεν υπάρχουν πολλοί άνθρωποι που είναι ειδικοί στο ML, έτσι εταιρείες όπως το Google και το Facebook είναι μηχανικοί επανεκπαίδευσης των οποίων η τεχνογνωσία βρίσκεται στην παραδοσιακή κωδικοποίηση".

Ενώ πολλές από τις δεξιότητες που αναπτύξατε ως επαγγελματίες πληροφορικής θα μεταφερθούν στη μηχανική μάθηση, μπορεί να είναι λίγο δύσκολο. Ας ελπίσουμε ότι θα μείνατε ξύπνιοι κατά τη διάρκεια των μαθημάτων σας για τα κολέγια επειδή το ML βασίζεται σε μια ισχυρή αντίληψη αυτού του θέματος, καθώς και στα μαθηματικά. Ο Levy γράφει ότι οι κωδικοποιητές πρέπει να είναι πρόθυμοι να εγκαταλείψουν τον πλήρη έλεγχο που έχουν κατά τον προγραμματισμό ενός συστήματος.

Δεν είστε τυχεροί εάν ο εργοδότης της τεχνολογίας σας δεν παρέχει το ML που αναβαθμίζει το Google και το Facebook. Τα κολλέγια και τα πανεπιστήμια, καθώς και οι ηλεκτρονικές πλατφόρμες μάθησης όπως το Udemy και το Coursera, προσφέρουν μαθήματα που διδάσκουν τα βασικά της μηχανικής μάθησης. Είναι όμως σημαντικό να ολοκληρώσετε την εμπειρία σας λαμβάνοντας στατιστικά και μαθήματα μαθηματικών.

Τίτλοι εργασίας και κέρδη

Οι κύριοι τίτλοι εργασίας που θα συναντήσετε κατά την αναζήτηση μιας εργασίας σε αυτόν τον τομέα περιλαμβάνουν μηχανολόγο μηχανικό μάθησης και επιστήμονα δεδομένων.

Μηχανικοί μάθησης μηχανών "εκτελούν τις εργασίες ενός έργου μηχανικής μάθησης και είναι υπεύθυνοι για τη διαχείριση των υποδομών και των αγωγών δεδομένων που απαιτούνται για να φέρουν κώδικα στην παραγωγή." Οι επιστήμονες δεδομένων βρίσκονται στην πλευρά των δεδομένων και της ανάλυσης των αλγορίθμων ανάπτυξης και όχι στην πλευρά κωδικοποίησης. Επίσης συλλέγουν, καθαρίζουν και προετοιμάζουν τα δεδομένα (Zhou, Adelyn. "Τίτλοι Εργασιών Τεχνητής Νοημοσύνης: Τι είναι ένας μηχανικός μάθησης μηχανών;" Forbes, 27 Νοεμβρίου 2017).

Με βάση τις υποβολές χρηστών από άτομα που εργάζονται σε αυτές τις θέσεις εργασίας, το Glassdoor.com αναφέρει ότι οι μηχανικοί ML και οι επιστήμονες των δεδομένων κερδίζουν ένα μέσο βασικό μισθό ύψους $ 120.931. Οι μισθοί κυμαίνονται από το χαμηλό των 87.000 δολαρίων έως το υψηλό των 158.000 δολαρίων (μισθοδοσία μηχανικών μηχανικών μάθησης, Glassdoor.com, 1 Μαρτίου 2018). Αν και το Glassdoor ομαδοποιεί αυτούς τους τίτλους, υπάρχουν κάποιες διαφορές μεταξύ τους.

Απαιτήσεις για τις εργασίες εκμάθησης μηχανών

Οι μηχανικοί ML και οι επιστήμονες δεδομένων κάνουν διαφορετικές εργασίες, αλλά υπάρχει μεγάλη αλληλεπικάλυψη μεταξύ τους. Οι ανακοινώσεις εργασίας και για τις δύο θέσεις έχουν συχνά παρόμοιες απαιτήσεις. Πολλοί εργοδότες προτιμούν πτυχίο πανεπιστημίου, μεταπτυχιακού ή διδακτορικού διπλώματος στην επιστήμη των υπολογιστών ή στη μηχανική, στις στατιστικές ή στα μαθηματικά.

Για να είναι ένας μηχανικός μάθησης επαγγελματίας, θα χρειαστεί ένας συνδυασμός τεχνικών δεξιοτήτων-δεξιοτήτων που αποκτήθηκαν στο σχολείο ή στις δουλειές-και τις μαλακές δεξιότητες. Οι μαλακές δεξιότητες είναι οι ικανότητες κάποιου που δεν μαθαίνουν στην τάξη, αλλά αντ 'αυτού γεννιούνται ή αποκτούν μέσω της εμπειρίας της ζωής. Και πάλι, υπάρχει μεγάλη αλληλεπικάλυψη μεταξύ των απαιτούμενων δεξιοτήτων για τους μηχανικούς ML και τους επιστήμονες δεδομένων.

Οι ανακοινώσεις θέσεων εργασίας αποκαλύπτουν ότι όσοι εργάζονται σε θέσεις μηχανικής ML πρέπει να είναι εξοικειωμένοι με τα πλαίσια μηχανικής μάθησης όπως το TensorFlow, το Mlib, το H20 και το Theano. Χρειάζονται ισχυρό υπόβαθρο στην κωδικοποίηση, συμπεριλαμβανομένης της εμπειρίας με γλώσσες προγραμματισμού όπως Java ή C / C ++ και γλώσσες δέσμης ενεργειών όπως Perl ή Python. Η εξειδίκευση στις στατιστικές και η εμπειρία με τη χρήση στατιστικών πακέτων λογισμικού για την ανάλυση μεγάλων σειρών δεδομένων είναι επίσης μεταξύ των προδιαγραφών.

Μια ποικιλία από μαλακές δεξιότητες θα σας επιτρέψει να πετύχετε σε αυτόν τον τομέα. Μεταξύ αυτών είναι η ευελιξία, η προσαρμοστικότητα και η επιμονή. Η ανάπτυξη ενός αλγορίθμου απαιτεί πολλές δοκιμές και σφάλματα, και ως εκ τούτου υπομονή. Κάποιος πρέπει να δοκιμάσει έναν αλγόριθμο για να δει αν λειτουργεί και αν όχι για να αναπτύξει ένα νέο.

Εξαιρετικές δεξιότητες επικοινωνίας είναι απαραίτητες. Οι επαγγελματίες της μάθησης μηχανών, οι οποίοι συχνά εργάζονται σε ομάδες, χρειάζονται ανώτερες δεξιότητες ακρόασης, ομιλίας και διαπροσωπικών σχέσεων για να συνεργαστούν με άλλους και πρέπει επίσης να παρουσιάσουν τα ευρήματά τους στους συναδέλφους τους. Επιπλέον, πρέπει να είναι ενεργοί μαθητευόμενοι που μπορούν να ενσωματώσουν νέες πληροφορίες στο έργο τους. Σε μια βιομηχανία όπου η καινοτομία αποτιμάται, κάποιος πρέπει να είναι δημιουργικός για να υπερέχει.