Nejlepší strojové učební práce

Obsah

• Co je strojové učení?
• Průmyslová odvětví využívající strojové učení
• Jak strojové učení mění pracoviště
• Chcete kariéru ve strojovém učení?
• Pracovní tituly a výdělky
• Požadavky na strojové úlohy učení

Vrcholem zprávy USA o rozvíjejících se pracovních příležitostech v USA za rok 2017 byly dvě povolání v oblasti strojového učení: strojový inženýr a vědecký pracovník dat. Zaměstnanost inženýrů strojového učení mezi lety 2012 a 2017 vzrostla o 9,8krát a během stejného pětiletého období došlo k nárůstu 6,5krát. Pokud bude trend pokračovat, budou mít tato povolání vyhlídky na zaměstnání, které předčí mnoho dalších povolání. Může být pro vás budoucnost tak jasná pro vás tak jasná?

Co je strojové učení?

Strojové učení (ML) je přesně to, co zní. Tato technologie zahrnuje výuku strojů k provádění specifických úkolů. Na rozdíl od tradičního kódování, které poskytuje počítačům pokyny, co mají dělat, ML jim poskytuje data, která jim umožní přijít na to sami, podobně jako člověk nebo zvíře. Zní to jako magie, ale není. Zahrnuje interakci počítačových vědců a dalších s souvisejícími odbornými znalostmi. Tito odborníci v oblasti IT vytvářejí programy nazývané algoritmy - sady pravidel, které řeší problém - a poté jim dodávají velké sady dat, která je naučí vytvářet na základě těchto informací předpovědi.

Strojové učení je „podmnožinou umělé inteligence, která umožňuje počítačům plnit úkoly, na které nebyly explicitně naprogramovány“ (Dickson, Ben. Dovednosti, které potřebujete k tomu, aby jste se dostali k strojové výuce. Je to vyhledávač kariéry. 18. ledna 2017.) V průběhu let se to stalo komplikovanějším, ale běžnějším. Steven Levy v článku, který hovoří o tom, jak Google upřednostňuje strojové učení a rekvalifikaci inženýrů společnosti, píše: „Strojové učení bylo po mnoho let považováno za speciální, omezené na elitní pár. Tato éra skončila, protože nedávné výsledky naznačují, že strojové učení, poháněné „neuronovými sítěmi“, které napodobují způsob, jakým biologický mozek funguje, je skutečnou cestou k nabití počítačů schopnostmi lidí av některých případech super lidí “( Levy, Steven. Jak Google předstírá, že je jako první společnost zapojena do strojového učení. 22. června 2016).

Jak se strojové učení používá v „reálném světě“? Většina z nás se s touto technologií setkává každý den, aniž by o tom hodně přemýšlela. Pokud používáte Google nebo jiný vyhledávač, jsou výsledky, které se objeví v horní části stránky, výsledkem strojového učení. Prediktivní text, stejně jako někdy maligní funkce automatického opravy, v aplikaci pro chytré telefony pro odesílání textových zpráv jsou také výsledkem strojového učení. Doporučené filmy a písně na serverech Netflix a Spotify jsou další příklady toho, jak používáme tuto rychle se rozvíjející technologii a sotva si ji všimneme. V nedávné době společnost Google představila inteligentní odpověď v Gmailu. Na konci zprávy představuje uživateli tři možné odpovědi na základě obsahu. Uber a další společnosti v současné době testují automobily s vlastním pohonem.

Průmyslová odvětví využívající strojové učení

Použití strojového učení sahá daleko za technologický svět. SAS, analytická softwarová společnost, uvádí, že tuto technologii přijalo mnoho průmyslových odvětví. Odvětví finančních služeb používá ML k identifikaci investičních příležitostí, informování investorů, kdy obchodovat, rozpoznat, kteří klienti mají vysoce rizikové profily, a odhalit podvody. Ve zdravotnictví pomáhají algoritmy diagnostikovat nemoci tím, že zaznamenávají abnormality.

Už jste někdy položili otázku: „Proč se na každé navštívené webové stránce zobrazuje reklama na tento produkt? ML umožňuje marketingovému a prodejnímu průmyslu analyzovat spotřebitele na základě jejich nákupů a historie vyhledávání. Přizpůsobení této technologie v dopravním průmyslu detekuje potenciální problémy na trasách a pomáhá je zefektivnit. Díky ML dokáže ropný a plynárenský průmysl identifikovat nové zdroje energie (Machine Learning: Co to je a proč to záleží. SAS).

Jak strojové učení mění pracoviště

Předpovědi o tom, že stroje přebírají všechny naše práce, jsou již po celá desetiletí, ale ML to nakonec učiní realitou? Odborníci předpovídají, že tato technologie má a bude i nadále měnit pracoviště. Ale pokud jde o odebrání všech našich pracovních míst? Většina odborníků si nemyslí, že se to stane.

Zatímco strojové učení nemůže nahradit člověka ve všech povoláních, mohlo by to změnit mnoho pracovních povinností s nimi spojených. „Úkoly, které zahrnují rychlé rozhodování založené na datech, se hodí pro programy ML; pokud tomu tak není, závisí-li rozhodnutí na dlouhých řetězcích uvažování, na různých znalostech pozadí nebo na zdravém rozumu,“ říká Byron Spice. Spice je ředitelem vztahů s médii v Carnegie Mellon University of School of Computer Science (Spice, Byron. Strojové učení změní práci. Carnegie Mellon University. 21. prosince 2017).

Ve vědeckém časopise Erik Brynjolfsson a Tom Mitchell píšou: „Je pravděpodobné, že poptávka po pracovní síle klesne u úkolů, které jsou blízkou náhradou za schopnosti ML, zatímco je pravděpodobnější, že se zvýší u úkolů, které tyto systémy doplňují. systém překračuje práh, ve kterém je úkol nákladově efektivnější než člověk, podnikatelé a manažeři maximalizující zisk budou stále více usilovat o nahrazení strojů pro lidi. To může mít účinky v celé ekonomice, zvýšení produktivity, snížení cen, přesun poptávky po práci, a restrukturalizační průmysly (Brynjolfsson, Erik a Mitchell, Tom. Co umí strojové učení? Implikace pracovní síly. Věda. 22. prosince 2017).

Chcete kariéru ve strojovém učení?

Kariéra ve strojovém učení vyžaduje odborné znalosti v oblasti informatiky, statistiky a matematiky. Mnoho lidí přichází na toto pole s pozadím v těchto polích. Mnoho vysokých škol, které nabízejí obor strojové učení, přijímá multidisciplinární přístup s učebními osnovami, které kromě počítačové vědy zahrnují i ​​matematiku a statistiku (16 nejlepších škol pro strojové učení. AdmissionTable.com).

Pro ty, kteří se již podílejí na odvětví informačních technologií, není přechod na práci v ML daleko skokem. Možná už máte mnoho dovedností, které potřebujete. Váš zaměstnavatel vám může tento přechod dokonce pomoci. Podle článku Stevena Levyho „v současné době není mnoho lidí, kteří jsou odborníky na ML, takže společnosti jako Google a Facebook jsou rekvalifikační inženýři, jejichž odbornost spočívá v tradičním kódování.“

Přestože mnoho dovedností, které jste si vyvinuli jako IT profesionál, přejde do strojového učení, může to být trochu náročné. Doufejme, že jste zůstali vzhůru během svých školních statistik, protože ML se spoléhá na silné pochopení toho předmětu, stejně jako na matematiku. Levy píše, že programátoři musí být ochotni vzdát se úplné kontroly nad programováním systému.

Nemáte smůlu, pokud váš technologický zaměstnavatel neposkytuje ML rekvalifikaci Google a Facebook jsou. Vysoké školy a univerzity, stejně jako online výukové platformy jako Udemy a Coursera, nabízejí kurzy, které učí základy strojového učení. Je však rozhodující doplnit své odborné znalosti o statistiky a matematické kurzy.

Pracovní tituly a výdělky

Mezi hlavní pracovní tituly, s nimiž se setkáte při hledání práce v této oblasti, patří strojový učící se technik a datový vědec.

Inženýři strojového učení „řídí operace projektu strojového učení a jsou odpovědní za správu infrastruktury a datových potrubí potřebných k uvedení kódu do výroby.“ Vědci dat jsou spíše na straně dat a analýzy vyvíjejících se algoritmů než na straně kódování. Také shromažďují, čistí a připravují data (Zhou, Adelyn. „Názvy pracovních míst pro umělou inteligenci: Co je inženýr strojového učení?“ Forbes. 27. listopadu 2017).

Na základě uživatelských příspěvků od lidí pracujících v těchto úlohách Glassdoor.com hlásí, že inženýři a vědci v oboru ML vydělávají průměrný základní plat 120 931 $. Platy se pohybují od nízkých 87 000 USD až po vysoké 158 000 USD (Platy strojového inženýrství Platy. Glassdoor.com. 1. března 2018). Ačkoli Glassdoor tyto tituly seskupuje, mezi nimi jsou určité rozdíly.

Požadavky na strojové úlohy učení

Inženýři a vědci v oboru ML dělají různé práce, ale mezi nimi se hodně překrývá. Oznámení o zaměstnání pro obě pozice mají často podobné požadavky. Mnoho zaměstnavatelů dává přednost bakalářským, magisterským nebo doktorským titulům v informatice nebo strojírenství, statistice nebo matematice.

Chcete-li být odborníkem na strojové učení, budete potřebovat kombinaci technických dovedností - dovedností získaných ve škole nebo v práci - a měkkých dovedností. Měkké dovednosti jsou schopnosti, které se ve třídě nenaučí, ale místo toho se rodí s životními zkušenostmi. Opět existuje velké překrývání mezi požadovanými dovednostmi pro inženýry ML a vědce s údaji.

Oznámení o práci ukazují, že ti, kdo pracují v inženýrských úlohách ML, by měli znát rámce strojového učení jako TensorFlow, Mlib, H20 a Theano. Potřebují silné znalosti v oblasti kódování, včetně zkušeností s programovacími jazyky, jako je Java nebo C / C ++ a skriptovacími jazyky, jako je Perl nebo Python. Mezi specifikace patří také odbornost v oblasti statistiky a zkušenosti s používáním statistických softwarových balíčků k analýze velkých souborů dat.

Různé měkké dovednosti vám umožní uspět v této oblasti. Mezi ně patří flexibilita, přizpůsobivost a vytrvalost. Vývoj algoritmu vyžaduje hodně pokusů a omylů, a proto trpělivost. Jeden musí otestovat algoritmus, aby zjistil, zda funguje, a pokud ne, vyvinout nový.

Vynikající komunikační dovednosti jsou nezbytné. Odborníci na strojové učení, kteří často pracují v týmech, potřebují ke spolupráci s ostatními vynikající dovednosti v oblasti poslechu, mluvení a mezilidských vztahů a musí svá zjištění prezentovat také svým kolegům. Kromě toho by měli být aktivními studenty, kteří mohou do své práce začlenit nové informace. V průmyslovém odvětví, kde se oceňují inovace, musí být člověk vynikající.