Populārākie mašīnmācīšanās darbi

Saturs

• Kas ir mašīnmācīšanās?
• Nozares, kas izmanto mašīnu apguvi
• Kā mašīnmācība maina darba vietu
• Vai vēlaties karjeru mašīnmācībā?
• Darba nosaukumi un ienākumi
• Prasības mašīnmācīšanās darbiem

LinkedIn 2017. gada ASV jauno darbavietu pārskata augšgalā bija divas profesijas mašīnmācības jomā: mašīnmācīšanās inženieris un datu zinātnieks. No 2012. līdz 2017. gadam nodarbinātība mašīnmācību inženieriem pieauga 9,8 reizes, un datu zinātnieku darba vietas tajā pašā piecu gadu periodā palielinājās 6,5 reizes. Ja tendence turpināsies, šīm profesijām būs nodarbinātības prognozes, kas pārspēj daudzas citas profesijas. Vai tik gaiša nākotne varētu būt piemērota šajā jomā?

Kas ir mašīnmācīšanās?

Mašīnmācība (ML) ir tieši tā, kā izklausās. Šī tehnoloģija ir saistīta ar mācību mašīnām noteiktu uzdevumu veikšanai. Atšķirībā no tradicionālās kodēšanas, kas nodrošina instrukcijas, kas datoriem norāda, kā rīkoties, ML viņiem nodrošina datus, kas ļauj viņiem pašiem izdomāt, līdzīgi kā to darītu cilvēks vai dzīvnieks. Izklausās pēc maģijas, bet tā nav. Tas ietver datorzinātnieku un citu personu mijiedarbību ar attiecīgajām zināšanām. Šie IT speciālisti izveido programmas, ko sauc par algoritmiem - noteikumu kopumiem, kas atrisina problēmu - un pēc tam viņiem piegādā lielus datu kopus, kas viņiem māca veikt prognozes, pamatojoties uz šo informāciju.

Mašīnmācība ir "mākslīgā intelekta apakškopa, kas datoriem ļauj veikt uzdevumus, kas viņiem nav skaidri ieprogrammēti" (Dickson, Ben. Prasmes, kas jums jānolaiž mašīnmācīšanās darbā. Tas ir karjeras meklētājs. 2017. gada 18. janvāris.) Gadu gaitā tas ir kļuvis sarežģītāks, bet arvien izplatītāks. Stīvens Levijs rakstā, kurā tiek runāts par Google prioritāti mašīnmācībā un uzņēmuma inženieru pārkvalificēšanā, raksta: "Daudzus gadus mašīnmācība tika uzskatīta par specialitāti, ierobežotu mazākajai elitei. Šis laikmets ir beidzies, jo jaunākie rezultāti norāda, ka mašīnmācība, ko darbina “neironu tīkli”, kas imitē bioloģisko smadzeņu darbību, ir īstais ceļš, lai piesātinātu datorus ar cilvēku un dažos gadījumos arī ar supercilvēkiem ”( Levy, Stīvens. Kā Google sevi veido kā pirmo vadu mašīnmācības uzņēmumā (2016. gada 22. jūnijs).

Kā mašīnmācība tiek izmantota "reālajā pasaulē"? Lielākā daļa no mums ikdienā saskaras ar šo tehnoloģiju, daudz nedomājot par to. Kad jūs izmantojat Google vai citu meklētājprogrammu, rezultāti, kas parādās lapas augšpusē, ir mašīnmācības rezultāts. Jutīgā teksta, kā arī dažkārt ļaundabīgo automātiskās korekcijas funkcija jūsu viedtālruņa īsziņu sūtīšanas lietotnē ir arī mašīnmācības rezultāts. Ieteicamās filmas un dziesmas Netflix un Spotify ir vēl piemēri tam, kā mēs izmantojam šo strauji augošo tehnoloģiju, tik tikko to nepamanot. Pavisam nesen Google ieviesa viedo atbildi pakalpojumā Gmail. Ziņojuma beigās lietotājam tiek parādītas trīs iespējamās atbildes, pamatojoties uz saturu. Uber un citi uzņēmumi šobrīd testē pašbraucošas automašīnas.

Nozares, kas izmanto mašīnu apguvi

Mašīnmācības izmantošana sniedzas tālu pāri tehnoloģiju pasaulei. Analītiskās programmatūras uzņēmums SAS ziņo, ka daudzas nozares ir pieņēmušas šo tehnoloģiju. Finanšu pakalpojumu nozare izmanto ML, lai identificētu investīciju iespējas, paziņotu investoriem, kad jānodarbojas, atpazītu, kuriem klientiem ir augsts riska profils, un atklātu krāpšanu. Veselības aprūpē algoritmi palīdz diagnosticēt slimības, uztverot novirzes.

Vai esat kādreiz uzdevis jautājumu "kāpēc šī produkta reklāma, kuru es domāju pirkt, tiek parādīta katrā apmeklētajā tīmekļa lapā?" ML ļauj mārketinga un pārdošanas nozarē analizēt patērētājus, pamatojoties uz viņu pirkšanas un meklēšanas vēsturi. Transporta nozares pielāgošana šai tehnoloģijai atklāj iespējamās problēmas maršrutos un palīdz tās padarīt efektīvākas. Pateicoties ML, naftas un gāzes nozare var noteikt jaunus enerģijas avotus (Machine Learning: Kas tas ir un kāpēc tas ir svarīgi. SAS).

Kā mašīnmācība maina darba vietu

Prognozes par mašīnām, kas pārņem visu mūsu darbu, pastāv jau gadu desmitiem ilgi, bet vai ML beidzot to padarīs par realitāti? Eksperti prognozē, ka šī tehnoloģija mainīs un turpinās mainīt darba vietu. Bet cik atņemt visus mūsu darbus? Lielākā daļa ekspertu nedomā, ka tas notiks.

Kaut arī mašīnmācība nevar aizņemt cilvēku vietu visās profesijās, tā varētu mainīt daudzus ar viņiem saistītos darba pienākumus. "Uzdevumi, kas saistīti ar ātru lēmumu pieņemšanu, pamatojoties uz datiem, ir labi piemēroti ML programmām; ja tas nav atkarīgs no tā, vai lēmums ir atkarīgs no ilgām spriešanas ķēdēm, daudzveidīgām fona zināšanām vai veselā saprāta," saka Bairons Spice. Spice ir Kārnegija Melona mediju attiecību direktore. Universitātes Datorikas skola (Spice, Byron. Mašīnu apguve mainīs darba vietas. Kārnegi Melona universitāte. 2017. gada 21. decembris).

Žurnālā Science Erik Brynjolfsson un Tom Mitchell raksta: "Darbaspēka pieprasījums, visticamāk, samazināsies uzdevumiem, kas ir tuvu ML spēju aizvietotājiem, turpretim tas, visticamāk, palielināsies par uzdevumiem, kas papildina šīs sistēmas. Katru reizi ML sistēma šķērso slieksni, kad tā kļūst rentablāka nekā cilvēki, veicot uzdevumus, uzņēmēji un vadītāji, kas gūst maksimālu labumu, arvien vairāk centīsies aizstāt cilvēkus ar mašīnām, kas var ietekmēt ekonomiku, palielinot produktivitāti, pazeminot cenas un mainot darbaspēka pieprasījumu, un nozaru pārstrukturēšana (Brynjolfsson, Erik and Mitchell, Tom. Ko var gūt mašīnmācīšanās? Ietekme uz darbaspēku. Zinātne. 2017. gada 22. decembris).

Vai vēlaties karjeru mašīnmācībā?

Karjera mašīnmācībā prasa zināšanas datorzinātnēs, statistikā un matemātikā. Daudzi cilvēki šajā jomā ierodas ar iepriekšēju pieredzi šajos laukos. Daudzās koledžās, kuras piedāvā lielākās mašīnmācības, tiek izmantota daudzdisciplināra pieeja, izmantojot mācību programmu, kurā papildus datorzinātnēm iekļauta arī elektrotehnika un datoru inženierija, matemātika un statistika (16 mašīnmācības skolas. AdmissionTable.com).

Tiem, kas jau ir iesaistīti informācijas tehnoloģiju nozarē, pāreja uz ML darbu nav tālu lēciens. Jums, iespējams, jau ir daudz nepieciešamo prasmju. Jūsu darba devējs var pat palīdzēt jums veikt šo pāreju. Saskaņā ar Stīvena Levija rakstu: "Pašlaik nav daudz cilvēku, kas ir ML eksperti, tāpēc tādi uzņēmumi kā Google un Facebook pārkvalificē inženierus, kuru kompetence slēpjas tradicionālajā kodēšanā."

Lai arī daudzas no prasmēm, kuras attīstījāt kā IT profesionāļus, tiks izmantotas mašīnmācībā, tas var būt nedaudz sarežģīti. Cerams, ka jūs palikāt nomodā koledžas statistikas nodarbību laikā, jo ML paļaujas uz šī priekšmeta, kā arī matemātikas spēcīgu izpratni. Levijs raksta, ka kodētājiem ir jābūt gataviem atteikties no pilnīgas kontroles, kas viņiem ir pār sistēmas programmēšanu.

Jums nav paveicies, ja jūsu tehnoloģiju darba devējs nenodrošina ML pārkvalifikāciju Google un Facebook. Koledžas un universitātes, kā arī tādas tiešsaistes mācību platformas kā Udemy un Coursera piedāvā nodarbības, kurās māca mašīnmācīšanās pamatus. Tomēr ir ļoti svarīgi noapaļot savas zināšanas, veicot statistiku un matemātikas stundas.

Darba nosaukumi un ienākumi

Galvenie amatu nosaukumi, ar kuriem jūs sastapsities, meklējot darbu šajā jomā, ir mašīnmācīšanās inženieris un datu zinātnieks.

Mašīnmācības inženieri "vada mašīnmācīšanās projekta darbības un ir atbildīgi par infrastruktūras un datu cauruļvadu pārvaldību, kas nepieciešami koda izveidei ražošanā". Datu zinātnieki ir algoritmu izstrādes, nevis kodēšanas pusē, datu un analīzes pusē. Viņi arī vāc, attīra un sagatavo datus (Zhou, Adelyn. "Mākslīgā intelekta darba nosaukumi: Kas ir mašīnmācības inženieris?" Forbes. 2017. gada 27. novembris).

Balstoties uz lietotāju iesniegumiem no cilvēkiem, kas strādā šajos darbos, Glassdoor.com ziņo, ka ML inženieri un datu zinātnieki nopelna vidējo pamatalgu 120 931 USD apmērā. Algas svārstās no zemākās USD 87 000 līdz augstākajām USD 158 000 (Machine Learning Engineer algas. Glassdoor.com. 2018. gada 1. marts). Lai gan Glassdoor sagrupē šos nosaukumus, starp tiem ir dažas atšķirības.

Prasības mašīnmācīšanās darbiem

ML inženieri un datu zinātnieki veic dažādus darbus, taču starp tiem ir daudz pārklāšanās. Paziņojumos par darbu abos amatos bieži ir līdzīgas prasības. Daudzi darba devēji dod priekšroku bakalaura, maģistra vai doktora grādiem datorzinātnēs vai inženierzinātnēs, statistikā vai matemātikā.

Lai būtu profesionālās iemaņas apguves profesionālis, jums būs nepieciešamas tehnisko iemaņu - prasmju, kas apgūtas skolā vai darbā - un mīksto iemaņu apvienojums. Mīkstās prasmes ir tādas spējas, kuras viņi nemācās klasē, bet gan piedzimst ar dzīves pieredzi vai to iegūst. Atkal ir liela pārklāšanās starp nepieciešamajām prasmēm ML inženieriem un datu zinātniekiem.

Paziņojumi par darbu atklāj, ka tiem, kas strādā ML inženierzinātnēs, būtu jāpārzina tādas mašīnmācīšanās sistēmas kā TensorFlow, Mlib, H20 un Theano. Viņiem ir vajadzīgs spēcīgs kodējums, ieskaitot pieredzi ar programmēšanas valodām, piemēram, Java vai C / C ++, un skriptu valodām, piemēram, Perl vai Python. Starp specifikācijām ir arī statistikas zināšanas un pieredze, izmantojot statistikas programmatūras pakotnes lielu datu kopu analīzei.

Dažādas mīkstas prasmes ļaus gūt panākumus šajā jomā. Starp tiem ir elastība, pielāgošanās spēja un neatlaidība. Algoritma izstrāde prasa daudz izmēģinājumu un kļūdu, un tāpēc arī pacietību. Jāpārbauda algoritms, lai redzētu, vai tas darbojas, un, ja nē, jāizstrādā jauns.

Ļoti svarīgas ir lieliskas komunikācijas prasmes. Mašīnmācības speciālistiem, kuri bieži strādā komandās, ir vajadzīgas augstākas klausīšanās, runāšanas un starppersonu prasmes, lai sadarbotos ar citiem, un savi atklājumi jāpasniedz arī kolēģiem. Viņiem turklāt jābūt aktīviem izglītojamajiem, kuri savā darbā var iekļaut jaunu informāciju. Rūpniecībā, kur tiek vērtēti jauninājumi, ir jābūt radošam, lai sasniegtu izcilību.