Darbs mašīnmācības jaunajā jomā

LinkedIn 2017.gada ASV jaunattīstības darbavietu ziņojuma augšgalā bija divas profesijas mašīnmācības jomā: mašīnmācības inženieris un datu zinātnieks. Laika posmā no 2012. līdz 2017. gadam nodarbinātība mašīnbūves inženieriem pieauga par 9,8 reizes, un datu zinātnieku darbs tajā pašā piecu gadu periodā palielinājās par 6,5 reizes. Ja tendence turpināsies, šīm profesijām būs nodarbinātības perspektīvas, kas pārsniegs daudzas citas profesijas. Vai nākotne tik spilgta, vai darbs šajā jomā varētu būt piemērots tieši Jums?

Kas ir mašīnmācība?

Mašīnmācība (ML) ir tikai tas, ko tas izklausās. Šī tehnoloģija ietver mācību mašīnas, lai veiktu konkrētus uzdevumus. Atšķirībā no tradicionālās kodēšanas, kas sniedz instrukcijas, kas norāda, kas jādara datoriem, ML nodrošina tos ar datiem, kas ļauj viņiem to izrēķināt paši, līdzīgi kā cilvēks vai dzīvnieks. Izklausās maģija, bet tā nav. Tas ietver datorzinātnieku un citu ar to saistītu pieredzi. Šie IT speciālisti izveido programmas, ko sauc par algoritmiem - noteikumu kopumu, kas atrisina problēmu, un pēc tam tos padod lielus datu kopumus, kas māca viņus veikt prognozes, pamatojoties uz šo informāciju.

Mašīnmācība ir "mākslīgā intelekta apakškopa, kas ļauj datoriem veikt uzdevumus, ko tie nav skaidri ieprogrammējuši darīt" (Dickson, Ben. Prasmes, kas nepieciešamas, lai izveidotu mašīnmācības darbu. Gadu gaitā tā ir kļuvusi sarežģītāka, tomēr daudz izplatītāka, Steven Levy rakstā, kas runā par Google prioritāti attiecībā uz mašīnmācības un uzņēmuma inženieru pārkvalifikāciju, raksta: "Daudzus gadus mašīnmācība tika uzskatīta par specialitāti, ierobežotu maz elitei.

Šis laikmets ir beidzies, jo jaunākie rezultāti liecina, ka mašīnu mācīšanās, ko darbina “neironu tīkli”, kas līdzinās bioloģiskās smadzenes darbībai, ir patiesais ceļš uz datoru pārņemšanu ar cilvēku pilnvarām, un dažos gadījumos arī „super cilvēkiem” (Levy, Stīvens Kā Google atkārtojas kā mašīnmācības pirmais uzņēmums, vadīts 2016. gada 22. jūnijā.

Kā mašīnu mācīšanās tiek izmantota "reālajā pasaulē?" Lielākā daļa no mums ikdienā saskaras ar šo tehnoloģiju, nedodot tam daudz domu. Ja izmantojat Google vai citu meklētājprogrammu, rezultāti, kas parādās lapas augšpusē, ir mašīnas mācīšanās rezultāts. Prognozējošais teksts, kā arī dažreiz nepareiza automātiskās korekcijas funkcija viedtālruņa īsziņu sūtīšanas lietotnē ir arī mašīnas apguves rezultāts. Ieteicamās filmas un dziesmas Netflix un Spotify ir vēl viens piemērs tam, kā mēs izmantojam šo strauji augošo tehnoloģiju, bet to pamanām.

Pavisam nesen Google ieviesa gudru atbildi pakalpojumā Gmail. Ziņas beigās lietotājam tiek piedāvātas trīs iespējamās atbildes, pamatojoties uz saturu. Uber un citi uzņēmumi šobrīd testē pašpasākušās automašīnas.

Nozares, kas izmanto mašīnu apguvi

Mašīnmācības izmantošana ir tālu no tehnoloģiju pasaules. Analītiskās programmatūras uzņēmums SAS ziņo, ka daudzas nozares ir pieņēmušas šo tehnoloģiju. Finanšu pakalpojumu nozare izmanto ML, lai noteiktu investīciju iespējas, ļautu investoriem uzzināt, kad tirgot, atpazīt, kuriem klientiem ir augsta riska profili, un atklāt krāpšanu. Veselības aprūpē algoritmi palīdz diagnosticēt slimības, novirzot novirzes.

Vai esat kādreiz jautājuši: "Kāpēc domāju, ka reklāma par šo produktu ir jāpērk, lai parādītu katru mājas lapu, ko apmeklēju?" ML ļauj mārketinga un pārdošanas nozarei analizēt patērētājus, pamatojoties uz to pirkšanas un meklēšanas vēsturi. Transporta nozares pielāgošanās šai tehnoloģijai atklāj iespējamās problēmas maršrutos un palīdz padarīt tās efektīvākas. Pateicoties ML, naftas un gāzes nozare var identificēt jaunus enerģijas avotus (mašīnmācība: kas tas ir un kāpēc tas ir svarīgi. SAS).

Kā mašīnu mācīšanās maina darba vietu

Prognozes par mašīnām, kas pārņem visas mūsu darba vietas, ir bijušas jau vairākus gadu desmitus, bet ML beidzot padarīs to par realitāti? Eksperti prognozē, ka šī tehnoloģija ir un turpinās mainīt darba vietu. Bet, ciktāl atņemtu visas mūsu darba vietas? Lielākā daļa ekspertu neuzskata, ka tas notiks.

Lai gan mašīnmācība nevar ieņemt cilvēku vietu visās profesijās, tā var mainīt daudzus ar viņiem saistītos darba pienākumus. "Uzdevumi, kas saistīti ar ātru lēmumu pieņemšanu, balstoties uz datiem, ir piemēroti ML programmām; tas tā nav, ja lēmums ir atkarīgs no ilgām domāšanas ķēdēm, daudzveidīgām pamatzināšanām vai veselam saprāta", saka Byron Spice. Universitātes Datorzinātņu skola (Spice, Byron. Mašīnas apguve mainīs darbavietas. Carnegie Mellon University.

2017. gada 21. decembris).

Zinātnes žurnālā Erik Brynjolfsson un Tom Mitchell raksta: "Darbaspēka pieprasījums, visticamāk, samazināsies par uzdevumiem, kas ir tuvi ML iespējām, bet, visticamāk, palielināsies uzdevumiem, kas papildina šīs sistēmas. Sistēma šķērso robežvērtību, ja tas kļūst par izmaksu ziņā efektīvāku nekā cilvēks uzdevumā, peļņas palielināšanas uzņēmēji un vadītāji arvien vairāk centīsies aizstāt cilvēkus ar iekārtām, kas var ietekmēt ekonomiku, paaugstinot produktivitāti, pazeminot cenas, mainot darbaspēka pieprasījumu, un pārstrukturēšanas nozares (Brynjolfsson, Erik un Mitchell, Tom.

Ko var darīt mašīnmācība? Darbaspēka ietekme. Zinātne. 2017. gada 22. decembris).

Vai vēlaties karjeru mašīnmācībā?

Karjera mašīnmācībā prasa zināšanas datorzinātnēs, statistikā un matemātikā. Daudzi cilvēki ierodas šajā laukā ar fonu šajās jomās. Daudzas koledžas, kas piedāvā mašīnzināšanu, izmanto daudzdisciplīnu pieeju ar mācību programmu, kas papildus datorzinātnei ietver arī elektrisko un datoru inženieriju, matemātiku un statistiku (Top 16 skolas apmācībai. AdmissionTable.com).

Tiem, kas jau ir iesaistīti informācijas tehnoloģiju nozarē, pāreja uz ML darbu nav tālu lēciens. Jums jau var būt daudz vajadzīgo prasmju. Jūsu darba devējs var pat palīdzēt jums veikt šo pāreju. Saskaņā ar Stīvena Levija rakstu, "šobrīd nav daudz cilvēku, kas ir eksperti ML, lai uzņēmumi, piemēram, Google un Facebook, būtu pārkvalificējuši inženierus, kuru zināšanas ir tradicionālās kodēšanas jomā."

Lai gan daudzas iemaņas, ko esat izstrādājis kā IT profesionālis, pāriet uz mašīnu mācīšanos, tas var būt nedaudz sarežģīts. Cerams, ka jūsu koledžas statistikas klasēs jūs palika nomodā, jo ML paļaujas uz šo tēmu, kā arī uz matemātiku. Levy raksta, ka kodētājiem ir jābūt gataviem atteikties no kopējās kontroles, kas tiem ir pār sistēmas plānošanu.

Jūs neesat no neveiksmes, ja jūsu tehnoloģiju darba devējs nenodrošina ML pārkvalificēšanos Google un Facebook. Koledžas un universitātes, kā arī tiešsaistes mācību platformas, piemēram, Udemy un Coursera, piedāvā klases, kas māca mašīnmācības pamatus. Tomēr ir būtiski, lai jūsu zināšanas papildinātu ar statistiku un matemātikas klasēm.

Darba sadaļas un ieņēmumi

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

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

Pamatojoties uz lietotāju iesniegumiem no cilvēkiem, kas strādā šajos darbos, Glassdoor.com ziņo, ka ML inženieri un datu zinātnieki iegūst vidējo pamatalgu $ 120,931 apmērā. Algas svārstās no zemas $ 87,000 līdz augstākajam $ 158,000 (Machine Learning Engineer algas. Glassdoor.com. 2018. gada 1. marts). Lai gan Glassdoor apvieno šos nosaukumus, starp tām ir dažas atšķirības.

Prasības mašīnmācību darbiem

ML inženieri un datu zinātnieki veic dažādus darbus, bet starp tiem ir daudz pārklāšanās. Darba paziņojumiem abās pozīcijās bieži vien ir līdzīgas prasības. Daudzi darba devēji dod priekšroku bakalaura, maģistra vai doktora grādiem datorzinātnēs vai inženierzinātnēs, statistikā vai matemātikā.

Lai kļūtu par mašīnmācības speciālistu, jums būs nepieciešama tehnisko prasmju kombinācija - skolā apgūtās prasmes vai darbs - un mīkstās prasmes. Mīkstās prasmes ir savas spējas, ko viņi nemācās klasē, bet gan piedzimst ar dzīves pieredzi vai apgūst. Arī ML inženieru un datu zinātnieku prasmes ir lielas.

Darba paziņojumi atklāj, ka tiem, kas strādā ML inženiertehniskajos darbos, ir jāzina mašīnas mācību sistēmas, piemēram, TensorFlow, Mlib, H20 un Theano. Tiem nepieciešama spēcīga kodēšana, tostarp pieredze ar programmēšanas valodām, piemēram, Java vai C / C + + un skriptu valodām, piemēram, Perl vai Python. Specifikācijas ir arī statistikas un pieredzes izmantošana, izmantojot statistikas programmatūras paketes, lai analizētu lielus datu kopumus.

Dažādas mīkstās prasmes ļaus jums gūt panākumus šajā jomā. Starp tiem ir elastība, pielāgošanās spēja un neatlaidība. Algoritma izstrāde prasa daudz izmēģinājumu un kļūdu, un tāpēc pacietību. Ir jāpārbauda algoritms, lai redzētu, vai tas darbojas, un, ja ne, izstrādājiet jaunu.

Būtiskas ir izcilas komunikācijas prasmes. Mašīnmācības speciālistiem, kas bieži strādā pie komandām, ir nepieciešamas izcilākas klausīšanās, runas un starppersonu prasmes, lai sadarbotos ar citiem, kā arī jāsniedz savi rezultāti saviem kolēģiem. Turklāt viņiem vajadzētu būt aktīviem audzēkņiem, kuri savā darbā var iekļaut jaunu informāciju. Nozarē, kurā tiek vērtēta inovācija, ir jābūt radošam, lai izceltu.