Topp maskinlæringsjobber

Innhold

• Hva er maskinlæring?
• Bransjer som bruker maskinlæring
• Hvordan maskinlæring endrer arbeidsplassen
• Ønsker du en karriere innen maskinlæring?
• Jobbtitler og inntekter
• Krav til maskinlæringsjobber

Øverst i LinkedIns US Emerging Jobs-rapport fra 2017 var to yrker innen Machine Learning-feltet: Machine Learning Engineer and Data Scientist. Sysselsettingen 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. Kan en jobb på dette feltet være riktig for deg med en så lys fremtid?

Hva er maskinlæring?

Maskinlæring (ML) er akkurat slik det høres ut. Denne teknologien innebærer å lære maskiner for å utføre spesifikke oppgaver. I motsetning til tradisjonell koding som gir instruksjoner som forteller datamaskiner hva de skal gjøre, gir ML dem data som lar dem finne ut av det på egen hånd, omtrent som et menneske eller dyr ville gjort. Høres ut som magi, men det er det ikke. Det innebærer interaksjon mellom informatikere og andre med tilhørende kompetanse. Disse IT-fagpersonene lager programmer som kalles algoritmer - sett med regler som løser et problem - og deretter mate dem store sett med data som lærer dem å gjøre forutsigelser basert på denne informasjonen.

Maskinlæring er en "delmengde av kunstig intelligens som gjør det mulig for datamaskiner å utføre oppgaver de ikke eksplisitt har blitt programmert til å gjøre" (Dickson, Ben. Skills You Need for Land a Machine Learning Job. It Career Finder. 18. januar 2017.) Det har blitt mer komplisert, men mer vanlig, med årene. Steven Levy, i en artikkel som taler til Googles prioritering av maskinlæring og omskolering av selskapets ingeniører, skriver: "I mange år ble maskinlæring ansett som en spesialitet, begrenset til en elite få. Denne epoken er over, siden nylige resultater indikerer at maskinlæring, drevet av "nevrale nett" som etterligner måten en biologisk hjerne fungerer på, er den sanne veien mot å bygge datamaskiner med kreftene til mennesker, og i noen tilfeller supermennesker "( Levy, Steven. Hvordan Google gjenskaper seg som en maskinlæring First Company Wired. 22. juni 2016).

Hvordan brukes maskinlæring i den "virkelige verden?" De fleste av oss kommer over denne teknologien på daglig basis uten å ha tenkt den mye. Når du bruker Google eller en annen søkemotor, er resultatene som kommer opp på toppen av siden resultatet av maskinlæring. Den prediktive teksten, så vel som den til tider ukorrekt autokorrektive funksjonen, på smarte telefonens app-app, 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 knapt legger merke til den. Mer 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 utenfor den tekniske verdenen. SAS, et analytisk programvareselskap, rapporterer at mange bransjer har tatt i bruk denne teknologien. Finansnæringsbransjen bruker ML for å identifisere investeringsmuligheter, la investorer vite når de skal handle, gjenkjenne hvilke kunder som har høyrisikoprofiler og oppdage svindel. I helsevesenet hjelper algoritmer til å diagnostisere sykdommer ved å plukke opp avvik.

Har du noen gang stilt spørsmålet, "hvorfor vises en annonse for det produktet jeg tenker på å kjøpe på hver webside jeg besøker?" ML lar markedsførings- og salgsindustrien analysere forbrukere basert på kjøps- og søkehistorikk. 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 (Machine Learning: What It Is and Why It Matters. SAS).

Hvordan maskinlæring endrer arbeidsplassen

Spådommer om maskiner som overtar alle jobbene våre har eksistert i flere tiår, men vil ML endelig gjøre det til virkelighet? Eksperter spår at denne teknologien har og vil fortsette å endre arbeidsplassen. Men så langt som å fjerne alle jobbene våre? De fleste eksperter tror ikke det vil skje.

Selv om maskinlæring ikke kan plassere mennesker i alle yrker, kan det endre mange av arbeidsoppgavene som er knyttet til dem. "Oppgaver som involverer å ta raske beslutninger basert på data passer godt for ML-programmer; ikke hvis beslutningen avhenger av lange kjeder med resonnement, mangfoldig bakgrunnskunnskap eller sunn fornuft," sier Byron Spice. Spice er direktør for medierelasjoner i Carnegie Mellon University's School of Computer Science (Spice, Byron. Machine Learning Will Change Jobs. Carnegie Mellon University. 21. desember 2017).

I Science Magazine, Erik Brynjolfsson og Tom Mitchell, skriver "det er større sannsynlighet for at etterspørsel etter arbeidskraft faller for oppgaver som er nær erstatning for muligheter til ML, mens det er mer sannsynlig å øke for oppgaver som er et supplement til disse systemene. Hver gang en ML systemet krysser terskelen der det blir mer kostnadseffektivt enn mennesker på en oppgave, og gevinstmaksimerende gründere og ledere vil i økende grad søke å erstatte maskiner for mennesker. og omstillingsnæringer (Brynjolfsson, Erik og Mitchell, Tom. Hva kan maskinlæring gjøre? Arbeidsstyrkeimplikasjoner. Vitenskap. 22. desember 2017).

Ønsker du en karriere innen maskinlæring?

Karrierer innen maskinlæring krever kompetanse innen informatikk, statistikk og matematikk. Mange mennesker kommer til dette feltet med bakgrunn i disse feltene. Mange høyskoler som tilbyr hovedfag i maskinlæring, tar en tverrfaglig tilnærming med en læreplan som inkluderer, i tillegg til informatikk, elektro- og datateknikk, matematikk og statistikk (Topp 16 skoler for maskinlæring. AdmissionTable.com).

For de som allerede er involvert i informasjonsteknologibransjen, er ikke overgangen til en ML-jobb et langt sprang. Du har kanskje allerede mange av ferdighetene du trenger. Arbeidsgiveren din kan til og med hjelpe deg med å gjøre denne overgangen. I følge Steven Levys artikkel, "for tiden er det ikke mange som er eksperter på ML, så selskaper som Google og Facebook omskolerer ingeniører som har kompetanse innen tradisjonell koding."

Selv om mange av ferdighetene du utviklet som IT-profesjonell vil overføre til maskinlæring, kan det være litt utfordrende. Forhåpentligvis forble du våken under statistikkundervisningen på college fordi ML er avhengig av et sterkt grep om dette faget, samt matematikk. Levy skriver at kodere må være villige til å gi opp den totale kontrollen de har over programmering av et system.

Du er ikke heldig hvis din tekniske arbeidsgiver ikke leverer ML omskolering Google og Facebook er. Høgskoler og universiteter, så vel som online læringsplattformer som Udemy og Coursera, tilbyr klasser som lærer det grunnleggende om maskinlæring. Det er imidlertid avgjørende å avrunde kompetansen din ved å ta statistikk og matematikkurs.

Jobbtitler og inntekter

De primære stillingstitlene du vil komme over når du leter etter en jobb innen dette feltet inkluderer maskinlæringsingeniør og dataforsker.

Maskinlæringsingeniører "driver driften av et maskinlæringsprosjekt og er ansvarlige for å administrere infrastrukturen og datarørledninger som er nødvendige for å bringe kode i produksjon." Data forskere er på data og analysesiden for å utvikle algoritmer, snarere enn den kodende siden. De samler også inn, renser og forbereder data (Zhou, Adelyn. "Jobbtitler for kunstig intelligens: Hva er en maskinlæringsingeniør?" Forbes. 27. november 2017).

Basert på brukerinnlegg fra folk som jobber i disse jobbene, rapporterer Glassdoor.com at ML-ingeniører og dataforskere tjener en gjennomsnittlig grunnlønn på $ 120 931. Lønn varierer fra et lavt beløp på 87 000 dollar til et høyt nivå på 158 000 dollar (Machine Learning Engineer Salaries. Glassdoor.com. 1. mars 2018). Selv om Glassdoor grupperer disse titlene, er det noen forskjeller mellom dem.

Krav til maskinlæringsjobber

ML-ingeniører og datavitere gjør forskjellige jobber, men det er mye overlapp mellom dem. Stillingsmeldinger for begge stillinger har ofte lignende krav. Mange arbeidsgivere foretrekker bachelor-, master- eller doktorgrad i informatikk, ingeniørfag, statistikk eller matematikk.

For å være profesjonell i maskinlæring, trenger du en kombinasjon av tekniske ferdigheter - ferdigheter som læres på skolen eller på jobben - og myke ferdigheter. Myke ferdigheter er ens evner som de ikke lærer i klasserommet, men i stedet blir født med eller tilegnet seg gjennom livserfaring. Igjen er det mye overlapping mellom de nødvendige ferdighetene for ML-ingeniører og dataforskere.

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

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

Utmerkede kommunikasjonsevner er avgjørende. Maskiner som lærer maskiner, som ofte jobber i team, trenger overlegne lytte-, tale- og mellommenneskelige ferdigheter for å samarbeide med andre, og må også presentere funnene sine for kollegaene. De skal i tillegg være aktive elever som kan innlemme ny informasjon i arbeidet sitt. I en bransje der innovasjon verdsettes, må man være kreativ for å utmerke seg.