Jobber i det nye feltet for maskinlæring

På toppen av LinkedIns 2017 US Emerging Jobs Report var to yrker i maskinlæringsfeltet: maskinlæringsingeniør og datavitenskapsmann. Sysselsetting for maskinlæringsingeniører vokste med 9,8 ganger mellom 2012 og 2017, og dataforskerjobber økte 6,5 ganger i løpet av samme femårsperiode. Hvis trenden fortsetter, vil disse yrkene ha sysselsettingsutsikter som overgår mange andre yrker. Med en fremtid så lys, kan en jobb i dette feltet være riktig for deg?

Hva er maskinlæring?

Maskininnlæring (ML) er akkurat hva det høres ut som. Denne teknologien innebærer at læringsmaskiner skal utføre bestemte oppgaver. I motsetning til tradisjonell koding som gir instruksjoner som forteller datamaskiner hva de skal gjøre, gir ML dem data som gjør at de kan finne ut det alene, som et menneske eller dyr ville gjøre. Høres ut som magi, men det er det ikke. Det innebærer samspillet mellom datavitenskapere og andre med beslektet kompetanse. Disse IT-fagfolk oppretter programmer kalt algoritmer - sett med regler som løser et problem - og deretter mate dem store sett med data som lærer dem å gjøre spådommer basert på denne informasjonen.

Maskininnlæring er en "delmengde av kunstig intelligens som gjør det mulig for datamaskiner å utføre oppgaver de ikke har blitt eksplisitt programmert til å gjøre" (Dickson, Ben. Ferdigheter du trenger å lande en maskinlæringsjobb. Den karrierefinansieringen 18. januar 2017.) Steven Levy, i en artikkel som snakker til Googles prioritering av maskinlæring og omskoling av selskapets ingeniører, skriver: "I mange år ble maskinlæring ansett som en spesialitet, begrenset til en elite få.

Den tiden er over, siden nyere resultater tyder på at maskinlæring, drevet av "neuralnett" som etterligner den biologiske hjernens virkemåte, er den virkelige veien mot å imøtekomme datamaskiner med menneskers krefter, og i noen tilfeller super mennesker "(Levy, Steven. Hvordan Google fjerner seg selv som en maskinopplæring første selskap som er ledet. 22. juni 2016).

Hvordan brukes maskinlæring i den "virkelige verden"? De fleste av oss kommer på tvers av denne teknologien hver dag uten å tenke på det. Når du bruker Google eller en annen søkemotor, er resultatene som kommer opp øverst på siden, resultatet av maskinlæring. Den prediktive teksten, i tillegg til den noen ganger malignerte autokorrektegenskapen, på smarttelefonens tekstprogram, er også et resultat av maskinlæring. Anbefalte filmer og sanger på Netflix og Spotify er ytterligere eksempler på hvordan vi bruker denne raskt voksende teknologien, mens vi nesten ikke merker det.

For nylig introduserte Google smart svar i Gmail. På slutten av en melding presenterer den en bruker med tre mulige svar basert på innholdet. Uber og andre selskaper tester for tiden selvkjørende biler.

Bransjer som bruker maskinlæring

Bruken av maskinlæring når langt utover teknologiske verden. SAS, et analytisk programvarefirma, rapporterer at mange næringer har vedtatt denne teknologien. Finansnæringen bruker ML til å identifisere investeringsmuligheter, la investorer vite når de skal handle, gjenkjenne hvilke kunder som har høyrisikoprofil, og oppdage svindel. I helsevesenet hjelper algoritmer med å diagnostisere sykdommer ved å plukke opp abnormiteter.

Har du noen gang spurt spørsmålet, "hvorfor er en annonse for det produktet jeg tenker på å kjøpe vises på hver nettside jeg besøker?" ML gjør det mulig for markedsførings- og salgsindustrien å analysere forbrukere basert på deres kjøps- og søkehistorier. Transportindustriens tilpasning av denne teknologien oppdager potensielle problemer på ruter og bidrar til å gjøre dem mer effektive. Takket være ML kan olje- og gassindustrien identifisere nye energikilder (Maskinlæring: Hva er det og hvorfor det gjelder SAS).

Hvordan maskinlæring endrer arbeidsplassen

Forutsigelser om maskiner som overtar alle jobbene våre har eksistert i flere tiår, men vil ML endelig gjøre det til en realitet? Eksperter vurderer denne teknologien har og vil fortsette å endre arbeidsplassen. Men så langt som å ta bort alle jobbene våre? De fleste eksperter tror ikke det vil skje.

Mens maskininnlæring ikke kan ta plass til mennesker i alle yrker, kan det forandre mange av de arbeidsoppgaver som er knyttet til dem. "Oppgaver som involverer å ta raske beslutninger basert på data, passer godt til ML-programmer, ikke så hvis avgjørelsen er avhengig av lange kjedere av resonnement, mangfoldig bakgrunnskunnskap eller sunn fornuft", sier Byron Spice. Spice er direktør for medieforbindelser på Carnegie Mellon University School of Computer Science (Spice, Byron. Maskinlæring vil endre jobb. Carnegie Mellon University.

21. desember 2017).

I Science Magazine skriver Erik Brynjolfsson og Tom Mitchell: "Arbeidsbehov er mer sannsynlig å falle for oppgaver som er i nærheten av muligheter for ML, mens det er mer sannsynlig å øke for oppgaver som er komplement til disse systemene. Hver gang en ML Systemet krysser terskelen der det blir mer kostnadseffektivt enn mennesker på en oppgave, profittmaksimerende gründere og ledere vil i økende grad søke å erstatte maskiner for mennesker. Dette kan få effekter gjennom hele økonomien, øke produktiviteten, senke prisene, skifte arbeidsbehov, og restruktureringsindustrien (Brynjolfsson, Erik og Mitchell, Tom.

Hva kan maskinlæring gjøre? Arbeidskraftinnvirkning. Vitenskap. 22. desember 2017).

Vil du ha karriere i maskinlæring?

Karriere i maskinlæring krever kompetanse innen datavitenskap, statistikk og matte. Mange mennesker kommer til dette feltet med en bakgrunn i disse feltene. Mange høyskoler som tilbyr en hovedrolle i maskinlæring, tar en tverrfaglig tilnærming med en læreplan som inkluderer, i tillegg til datalogi, elektrisk og datateknikk, matte og statistikk (Top 16 Schools for Machine Learning. AdmissionTable.com).

For de som allerede er involvert i IT-bransjen, er overgangen til en ML-jobb ikke et langt skritt. Du kan allerede ha mange av de ferdighetene du trenger. Din arbeidsgiver kan til og med hjelpe deg med å gjøre denne overgangen. Ifølge Steven Levys artikkel, "for tiden er det ikke mange mennesker som er eksperter i ML, slik at selskaper som Google og Facebook omskoler ingeniører med ekspertise i tradisjonell koding."

Mens mange av ferdighetene du utviklet som IT-profesjonell, overføres til maskinlæring, kan det være litt utfordrende. Forhåpentligvis ble du våken i løpet av college statistikk klasser fordi ML stoler på en sterk forståelse av det emnet, samt matte. Levy skriver at kodere må være villige til å gi opp den totale kontrollen de har over programmering av et system.

Du er ikke uheldig hvis din tekniske arbeidsgiver ikke gir ML-omskoling Google og Facebook. Høyskoler og universiteter, samt online læringsplattformer som Udemy og Coursera, tilbyr klasser som lærer grunnleggende om maskinlæring. Det er imidlertid avgjørende å avrunde ekspertisen din ved å ta statistikk og matteklasser.

Jobbtitler og inntekter

De primære jobbtitlene du vil komme over når du ser etter en jobb i dette feltet, inkluderer maskinlæringsingeniør og datavitenskapsmann.

Maskininlæringsingeniører "driver driften av et maskinlæringsprosjekt og er ansvarlig for å administrere infrastrukturen og datapipelinene som trengs for å bringe kode til produksjon." Dataforskere er på data- og analysesiden av utviklingsalgoritmer, i stedet for kodingssiden. De samler også, rydder og lagrer data (Zhou, Adelyn. "Artificial Intelligence Job Titles: Hva er en maskinlæringsingeniør?" Forbes. 27. november 2017).

Basert på brukerinnleveringer fra personer som jobber i disse jobbene, rapporterer Glassdoor.com at ML ingeniører og datavennere tjener en gjennomsnittlig grunnløn på $ 120.931. Lønnene varierer fra et lavt beløp på $ 87 000 til et høyt på $ 158 000. (Machine Learning Engineer Lønn. Glassdoor.com. 1. mars 2018). Selv om Glassdoor grupperer disse titlene, er det noen forskjeller mellom dem.

Krav til maskinlæringsjobben

ML ingeniører og datavitenskapere gjør forskjellige jobber, men det er mye overlapping mellom dem. Jobbmeldinger for begge stillinger har ofte lignende krav. Mange arbeidsgivere foretrekker bachelor-, mastergrad eller doktorgrad i datavitenskap eller engineering, statistikk eller matematikk.

For å være en maskinlærer profesjonell, trenger du en kombinasjon av tekniske ferdigheter ferdigheter lært i skolen eller på jobb og myke ferdigheter. Myke ferdigheter er en evne som de ikke lærer i klasserommet, men i stedet blir født med eller ervervet gjennom livserfaring. Igjen er det mye overlapping mellom de nødvendige ferdighetene til ML ingeniører og datavitenskapere.

Jobbmeldinger avslører at de som jobber i ML engineering jobber bør være kjent med maskinlæringsrammer som TensorFlow, Mlib, H20 og Theano. De trenger en sterk bakgrunn i koding, inkludert erfaring med programmeringsspråk som Java eller C / C ++ og skriptspråk som Perl eller Python. Ekspertise i statistikk og erfaring med statistiske programvarepakker for å analysere store datamengder er også blant spesifikasjonene.

En rekke myke ferdigheter vil tillate deg å lykkes i dette feltet. Blant dem er fleksibilitet, tilpasningsevne og utholdenhet. Utvikling av en algoritme krever mye prøving og feiling, og derfor tålmodighet. Man må teste en algoritme for å se om den fungerer, og om ikke, utvikle en ny.

Utmerkede kommunikasjonsevner er avgjørende. Maskininlæringspersonell, som ofte jobber med lag, trenger overlegen lytting, snakk og mellommenneskelige ferdigheter til å samarbeide med andre, og må også presentere sine funn til sine kolleger. De bør i tillegg være aktive elever som kan innlemme ny informasjon i sitt arbeid. I en bransje hvor innovasjon er verdsatt, må man være kreativ til å utmerke seg.