Darbo vietų atsirandanti mašininio mokymosi sritis

„LinkedIn“ 2017 m. JAV naujų darbo vietų ataskaitos viršuje buvo dvi mašinų mokymosi srities profesijos: mašinų mokymosi inžinierius ir duomenų mokslininkas. Nuo 2012 iki 2017 m. Mašinų mokymosi inžinierių užimtumas padidėjo 9,8 karto, o duomenų mokslininkų darbo vietų skaičius per tą patį penkerių metų laikotarpį padidėjo 6,5 karto. Jei ši tendencija tęsis, šios profesijos turės užimtumo perspektyvas, kurios viršys daugelį kitų profesijų. Ar ateitis tokia ryški, ar darbas šioje srityje gali būti tinkamas jums?

Kas yra mašinų mokymasis?

Mašinų mokymasis (ML) yra tik tai, ką jis skamba. Ši technologija apima mokymo mašinas konkrečioms užduotims atlikti. Skirtingai nuo tradicinio kodavimo, kuriame pateikiamos instrukcijos, kuriose nurodoma, ką daryti, ML suteikia jiems duomenis, leidžiančius jiems tai pačiai išsiaiškinti, kaip ir žmogus ar gyvūnas. Skamba kaip magija, bet ne. Tai apima kompiuterių mokslininkų ir kitų, turinčių atitinkamų žinių, sąveiką. Šie IT specialistai sukuria programas, vadinamas algoritmais - taisyklių rinkiniais, kurie išsprendžia problemą, ir paskui juos aprūpina dideliais duomenų rinkiniais, kurie moko juos remtis pagal šią informaciją.

Mašinų mokymasis yra „dirbtinio intelekto pogrupis, leidžiantis kompiuteriams atlikti užduotis, kurių jie nebuvo aiškiai užprogramuoti“ („Dickson“, „Ben“. Įgūdžiai, kuriuos reikia iškrauti mašininio darbo užduotyje. Pastaraisiais metais ji tapo sudėtingesnė, tačiau labiau paplitusi, rašo Steven Levy straipsnyje, kuriame kalbama apie „Google“ pirmenybę teikiant mašininio mokymosi ir perkvalifikavimo kompanijos inžinieriams. mažai elito.

Ši era baigėsi, nes naujausi rezultatai rodo, kad mašinų mokymasis, sukurtas „neuroniniais tinklais“, kurie imituoja biologinio smegenų veikimo būdą, yra tikras kelias į kompiuterių priartinimą prie žmonių galių, o kai kuriais atvejais - „super žmonės“ („Levy“, „Steven“ Kaip „Google“ atkūrė save kaip mašininį mokymąsi pirmoji kompanija „Wired“.

Kaip mašinų mokymasis naudojamas „realiame pasaulyje“? Daugelis iš mūsų kasdien susiduria su šia technologija, nesuteikdami jai daug minties. Kai naudojate „Google“ ar kitą paieškos variklį, puslapio viršuje pateikti rezultatai yra mašinų mokymosi rezultatas. Nuspėjamojo teksto, taip pat kartais netinkamo automatinio taisymo funkcija išmaniojo telefono žinučių programoje taip pat yra mašininio mokymosi rezultatas. Rekomenduojami „Netflix“ ir „Spotify“ filmai ir dainos yra dar vienas pavyzdys, kaip mes naudojame šią sparčiai augančią technologiją, bet vos pastebime.

Neseniai „Google“ įdiegė „Gmail“ protingą atsakymą. Pranešimo pabaigoje jis pateikia vartotojui tris galimus atsakymus pagal turinį. „Uber“ ir kitos įmonės šiuo metu bando savarankiškai vairuoti automobilius.

Pramonės priemonės, naudojant mašinų mokymąsi

Mašinos mokymasis pasiekia daug daugiau nei technologijų pasaulis. Analitinės programinės įrangos kompanija SAS praneša, kad daugelis pramonės šakų priėmė šią technologiją. Finansinių paslaugų pramonė naudoja ML, kad nustatytų investavimo galimybes, leistų investuotojams žinoti, kada prekiauti, pripažinti, kurie klientai turi didelės rizikos profilius, ir aptikti sukčiavimą. Sveikatos priežiūros srityje algoritmai padeda diagnozuoti ligas, paimdami anomalijas.

Ar kada nors paklausėte klausimo: „Kodėl apie šį produktą aš noriu pirkti, rodydamas kiekvieną tinklalapį, kurį aplankysiu?“ ML leidžia rinkodaros ir pardavimo pramonei analizuoti vartotojus pagal jų pirkimo ir paieškos istoriją. Transporto pramonės pritaikymas šią technologiją aptinka galimas maršrutų problemas ir padeda jas efektyviau naudoti. ML dėka naftos ir dujų pramonė gali nustatyti naujus energijos šaltinius (mašinų mokymasis: kas tai yra ir kodėl tai svarbu. SAS).

Kaip mašinų mokymasis keičia darbo vietą

Prognozės apie mašinas, perkeliančias visas mūsų darbo vietas, buvo maždaug dešimtmečius, tačiau ML pagaliau tai taps realybe? Ekspertai prognozuoja, kad ši technologija turi ir toliau pakeis darbo vietą. Bet kiek atimame visas mūsų darbo vietas? Dauguma ekspertų nemano, kad taip nutiks.

Nors mašinų mokymasis negali būti žmonių vieta visose profesijose, jis gali pakeisti daugelį su jais susijusių pareigų. „Užduotys, susijusios su sparčių sprendimų priėmimu remiantis duomenimis, yra tinkamos ML programoms, o ne taip, jei sprendimas priklauso nuo ilgų samprotavimų grandinių, įvairios foninės žinios ar sveiko proto“, - sako „Byron Spice“. Universiteto Kompiuterių mokslų mokykla (Spice, Byron. Mašinų mokymasis pakeis darbo vietas. Carnegie Mellon universitetas.

2017 m. Gruodžio 21 d.).

„Science Magazine“, Erik Brynjolfsson ir Tom Mitchell rašo: „Darbo jėgos paklausa greičiausiai sumažės užduotims, kurios yra artimos ML pajėgumų pakaitalams, tuo tarpu labiau tikėtina, kad padidės užduotims, kurios papildo šias sistemas. sistema peržengia ribą, kai užduotis tampa rentabilesnė už žmones, pelną didinantys verslininkai ir vadovai vis labiau stengsis pakeisti mašinas žmonėms, o tai gali turėti poveikį visai ekonomikai, didinti produktyvumą, mažinti kainas, perkelti darbo jėgos paklausą, ir restruktūrizavimo pramonės šakos (Brynjolfsson, Erik ir Mitchell, Tom.

Ką gali padaryti mašinos mokymasis? Darbo jėgos poveikis. Mokslas. 2017 m. Gruodžio 22 d.).

Ar norite karjeros mašinų mokymosi srityje?

Karjerai mašininio mokymosi srityje reikalauja kompetencijos kompiuterių mokslo, statistikos ir matematikos srityse. Daugelis žmonių atvyksta į šį lauką su fone šiose srityse. Daugelis kolegijų, siūlančių didelį mokymąsi mašinoje, laikosi daugiadisciplininio požiūrio su mokymo programa, kuri apima, be kompiuterių mokslų, elektros ir kompiuterių inžinerijos, matematikos ir statistikos (16 geriausių mašinų mokymosi mokyklų. AdmissionTable.com).

Tiems, kurie jau dalyvauja informacinių technologijų pramonėje, perėjimas prie ML darbo nėra labai šuolis. Galbūt jau turite daug įgūdžių, kurių jums reikia. Jūsų darbdavys gali net padėti jums atlikti šį perėjimą. Pasak Steven Levy straipsnio, „šiuo metu nėra daug žmonių, kurie yra ML ekspertai, todėl įmonės, tokios kaip„ Google “ir„ Facebook “, yra perkvalifikavimo inžinieriai, kurių patirtis slypi tradiciniame kodavime.“

Nors daugelis įgūdžių, kuriuos sukūrėte kaip IT specialistas, pereis į mokymąsi kompiuteriu, tai gali būti šiek tiek sudėtinga. Tikimės, kad jūsų kolegijos statistikos klasėse likote budrūs, nes ML remiasi stipria šio klausimo suvokimu ir matematika. Levy rašo, kad koduotojai turi būti pasirengę atsisakyti visos kontrolės, kurią jie turi per programavimo sistemą.

Jūs nesate laimingas, jei jūsų technologijų darbdavys nepateikia ML perkvalifikavimo „Google“ ir „Facebook“. Kolegijos ir universitetai, taip pat internetinės mokymosi platformos, tokios kaip Udemy ir Coursera, siūlo klases, kurios moko mašinos mokymosi pagrindus. Vis dėlto labai svarbu apvalinti savo žinias atsižvelgiant į statistiką ir matematikos klases.

Darbo pavadinimai ir pajamos

Pagrindiniai darbo pavadinimai, su kuriais susidursite ieškodami darbo šioje srityje, yra mašinų mokymosi inžinierius ir duomenų mokslininkas.

Įrenginio mokymosi inžinieriai „atlieka mašinos mokymosi projekto veiklą ir yra atsakingi už infrastruktūros ir duomenų vamzdynų, reikalingų kodui įvežti, valdymą“. Duomenų mokslininkai yra besivystančių algoritmų duomenų ir analizės pusėje, o ne kodavimo pusėje. Jie taip pat renka, valo ir ruošia duomenis (Zhou, Adelyn. „Dirbtinio intelekto darbo pavadinimai: kas yra mašinų mokymosi inžinierius?“ „Forbes“. 2017 m. Lapkričio 27 d.).

Remiantis vartotojų pateiktais duomenimis iš šių darbų dirbančių žmonių, „Glassdoor.com“ praneša, kad ML inžinieriai ir duomenų mokslininkai uždirba vidutiniškai 120,931 $ bazinį atlyginimą. Atlyginimai svyruoja nuo mažo 87 000 iki 158 000 dolerių (mašinų mokymosi inžinierių atlyginimai. Glassdoor.com. 2018 m. Kovo 1 d.). Nors „Glassdoor“ grupuoja šiuos pavadinimus, tarp jų yra tam tikrų skirtumų.

Reikalavimai mašinų mokymosi darbams

ML inžinieriai ir duomenų mokslininkai atlieka skirtingus darbus, tačiau tarp jų yra daug sutapimų. Darbo skelbimai abiejose pozicijose dažnai turi panašius reikalavimus. Daugelis darbdavių teikia pirmenybę bakalauro, magistro ar doktorantūros laipsniams kompiuterių mokslų ar inžinerijos, statistikos ar matematikos srityse.

Norint tapti mašininio mokymosi specialistu, jums reikės techninių įgūdžių - mokymosi mokykloje įgūdžių arba darbo - ir minkštųjų įgūdžių derinio. Minkštieji įgūdžiai yra gebėjimai, kurių jie nesimoko klasėje, bet yra gimę arba įgyja per gyvenimo patirtį. Vėlgi, yra labai daug dubliavimosi tarp reikalingų ML inžinierių ir duomenų mokslininkų įgūdžių.

Darbo skelbimai atskleidžia, kad tie, kurie dirba ML inžinerijos darbuose, turėtų būti susipažinę su mašinų mokymosi sistemomis, pavyzdžiui, „TensorFlow“, „Mlib“, „H20“ ir „Theano“. Jiems reikia stipraus kodavimo, įskaitant programavimo kalbų, tokių kaip „Java“ arba „C / C ++“, ir skriptų kalbų, pvz., „Perl“ ar „Python“, patirtį. Statistikos ir patirties, susijusios su statistinių programų paketais, analizė, skirta dideliems duomenų rinkiniams analizuoti, taip pat yra tarp specifikacijų.

Įvairūs minkšti įgūdžiai leis jums sėkmingai dirbti šioje srityje. Tarp jų yra lankstumas, prisitaikymas ir atkaklumas. Kuriant algoritmą reikia daug bandymų ir klaidų, taigi, kantrybės. Būtina išbandyti algoritmą, kad pamatytumėte, ar jis veikia ir, jei ne, sukurkite naują.

Puikūs bendravimo įgūdžiai yra būtini. Mašinų mokymosi specialistams, kurie dažnai dirba komandose, reikia geresnių klausymo, kalbėjimo ir tarpasmeninių įgūdžių bendradarbiauti su kitais, taip pat turi pateikti savo išvadas savo kolegoms. Be to, jie turėtų būti aktyvūs besimokantieji, kurie į savo darbą gali įtraukti naują informaciją. Pramonėje, kurioje vertinama inovacija, reikia būti kūrybingiems.