Pekerjaan Pembelajaran Mesin Teratas

Kandungan

• Apa itu Pembelajaran Mesin?
• Industri Menggunakan Pembelajaran Mesin
• Bagaimana Pembelajaran Mesin Menukar Tempat Kerja
• Adakah Anda Mahukan Kerjaya dalam Pembelajaran Mesin?
• Tajuk dan Pendapatan Kerja
• Keperluan untuk Pekerjaan Pembelajaran Mesin

Di bahagian atas Laporan Pekerjaan Muncul AS 2017 di LinkedIn terdapat dua pekerjaan dalam bidang Pembelajaran Mesin: Jurutera Pembelajaran Mesin dan Saintis Data. Pekerjaan untuk jurutera pembelajaran mesin meningkat 9.8 kali antara 2012 dan 2017 dan pekerjaan saintis data meningkat 6.5 kali dalam tempoh lima tahun yang sama. Sekiranya trend berterusan, pekerjaan ini akan mempunyai prospek pekerjaan yang melebihi pekerjaan yang lain. Dengan masa depan yang begitu cerah, mungkinkah pekerjaan dalam bidang ini sesuai untuk anda?

Apa itu Pembelajaran Mesin?

Pembelajaran mesin (ML) adalah seperti apa. Teknologi ini melibatkan mesin pengajaran untuk melaksanakan tugas tertentu. Tidak seperti pengekodan tradisional yang memberikan arahan yang memberitahu komputer apa yang harus dilakukan, ML memberikan mereka data yang membolehkan mereka mengetahuinya sendiri, seperti yang dilakukan oleh manusia atau haiwan. Kedengarannya seperti sihir, tetapi tidak. Ia melibatkan interaksi saintis komputer dan orang lain dengan kepakaran yang berkaitan. Profesional IT ini membuat program yang disebut algoritma — set peraturan yang menyelesaikan masalah — dan kemudian memberi mereka sekumpulan besar data yang mengajar mereka membuat ramalan berdasarkan maklumat ini.

Pembelajaran mesin adalah "subset kecerdasan buatan yang membolehkan komputer melakukan tugas yang belum diprogramkan secara eksplisit untuk mereka lakukan" (Dickson, Ben. Kemahiran yang Anda Perlu Mendaftar Pekerjaan Pembelajaran Mesin. Ia Pencari Kerjaya. 18 Januari 2017.) Ini menjadi lebih rumit, tetapi lebih biasa selama bertahun-tahun. Steven Levy, dalam sebuah artikel yang membahas mengenai keutamaan pembelajaran mesin dan latihan semula jurutera syarikat oleh Google, menulis, "Selama bertahun-tahun, pembelajaran mesin dianggap sebagai keahlian, terbatas kepada segelintir golongan elit. Zaman itu sudah berakhir, kerana hasil akhir-akhir ini menunjukkan bahawa pembelajaran mesin, yang didukung oleh "jaring neural" yang meniru cara otak biologi beroperasi, adalah jalan yang benar menuju komputer yang mempunyai kekuatan manusia, dan dalam beberapa kes, manusia super "( Levy, Steven. Bagaimana Google Memperbaharui Diri Sebagai Syarikat Pembelajaran Mesin Pertama. 22 Jun 2016).

Bagaimana pembelajaran mesin digunakan dalam "dunia nyata?" Sebilangan besar daripada kita menemui teknologi ini setiap hari tanpa memikirkannya. Apabila anda menggunakan Google atau mesin carian lain, hasil yang muncul di bahagian atas halaman adalah hasil pembelajaran mesin. Teks ramalan, serta ciri pembetulan automatik yang kadang-kadang difitnah, pada aplikasi teks telefon pintar anda, juga merupakan hasil pembelajaran mesin. Filem dan lagu yang disyorkan di Netflix dan Spotify adalah contoh lebih lanjut mengenai bagaimana kita menggunakan teknologi yang berkembang pesat ini dan hampir tidak menyedarinya. Baru-baru ini, Google memperkenalkan Smart Reply di Gmail. Pada akhir mesej, ia memberikan tiga kemungkinan balasan kepada pengguna berdasarkan kandungannya. Uber dan syarikat lain kini sedang menguji kereta memandu sendiri.

Industri Menggunakan Pembelajaran Mesin

Penggunaan pembelajaran mesin menjangkau jauh di luar dunia teknologi. SAS, sebuah syarikat perisian analitik, melaporkan bahawa banyak industri telah menggunakan teknologi ini. Industri perkhidmatan kewangan menggunakan ML untuk mengenal pasti peluang pelaburan, memberi tahu pelabur kapan hendak berdagang, mengenali pelanggan mana yang mempunyai profil berisiko tinggi, dan mengesan penipuan. Dalam penjagaan kesihatan, algoritma membantu mendiagnosis penyakit dengan mengambil kelainan.

Pernahkah anda mengemukakan soalan, "mengapa iklan untuk produk itu yang ingin saya beli muncul di setiap laman web yang saya lawati?" ML membolehkan industri pemasaran dan penjualan menganalisis pengguna berdasarkan sejarah pembelian dan carian mereka. Adaptasi industri pengangkutan terhadap teknologi ini mengesan kemungkinan masalah pada laluan dan membantu menjadikannya lebih cekap. Terima kasih kepada ML, industri minyak dan gas dapat mengenal pasti sumber tenaga baru (Pembelajaran Mesin: Apa Itu dan Mengapa Penting. SAS).

Bagaimana Pembelajaran Mesin Menukar Tempat Kerja

Ramalan mengenai mesin yang mengambil alih semua pekerjaan kita telah berlaku selama beberapa dekad, tetapi akhirnya ML akan menjadikannya kenyataan? Pakar meramalkan teknologi ini telah dan akan terus mengubah tempat kerja. Tetapi sejauh mengambil semua pekerjaan kita? Sebilangan besar pakar tidak menyangka perkara itu akan berlaku.

Walaupun pembelajaran mesin tidak dapat menggantikan manusia dalam semua pekerjaan, ini dapat mengubah banyak tugas pekerjaan yang berkaitan dengan mereka. "Tugas yang melibatkan membuat keputusan cepat berdasarkan data sangat sesuai untuk program ML; tidak demikian jika keputusan itu bergantung pada rantai pemikiran, pengetahuan latar belakang yang beragam atau akal sehat" kata Byron Spice. Spice adalah Pengarah Hubungan Media di Carnegie Mellon Pusat Pengajian Sains Komputer Universiti (Spice, Byron. Pembelajaran Mesin Akan Menukar Pekerjaan. Carnegie Mellon University. 21 Disember 2017).

Dalam Science Magazine, Erik Brynjolfsson dan Tom Mitchell menulis, "permintaan tenaga kerja cenderung jatuh untuk tugas-tugas yang merupakan pengganti keupayaan ML, sedangkan lebih cenderung meningkat untuk tugas-tugas yang menjadi pelengkap sistem ini. Setiap kali ML sistem melintasi ambang di mana ia menjadi lebih efektif dari pada manusia pada satu tugas, pengusaha dan pengurus yang memaksimumkan keuntungan akan semakin berusaha untuk menggantikan mesin untuk orang. Ini boleh memberi kesan di seluruh ekonomi, meningkatkan produktiviti, menurunkan harga, mengubah permintaan pekerja, dan menyusun semula industri (Brynjolfsson, Erik dan Mitchell, Tom. Apa yang Boleh Dilakukan Mesin Belajar? Implikasi Tenaga Kerja. Sains. 22 Disember 2017).

Adakah Anda Mahukan Kerjaya dalam Pembelajaran Mesin?

Kerjaya dalam pembelajaran mesin memerlukan kepakaran dalam sains komputer, statistik, dan matematik. Banyak orang datang ke bidang ini dengan latar belakang bidang tersebut. Banyak kolej yang menawarkan jurusan pembelajaran mesin menggunakan pendekatan pelbagai disiplin dengan kurikulum yang merangkumi, selain sains komputer, kejuruteraan elektrik dan komputer, matematik, dan statistik (16 Sekolah Teratas untuk Pembelajaran Mesin. AdmissionTable.com).

Bagi mereka yang sudah terlibat dalam Industri Teknologi Maklumat, peralihan ke pekerjaan ML bukanlah satu langkah yang jauh. Anda mungkin sudah mempunyai banyak kemahiran yang anda perlukan. Majikan anda bahkan boleh membantu anda melakukan peralihan ini. Menurut artikel Steven Levy, "saat ini tidak banyak orang yang ahli dalam ML sehingga syarikat seperti Google dan Facebook melatih jurutera yang kepakarannya terletak pada pengekodan tradisional."

Walaupun banyak kemahiran yang anda kembangkan sebagai profesional IT akan dipindahkan ke pembelajaran mesin, mungkin sedikit mencabar. Mudah-mudahan, anda berjaga-jaga semasa kelas statistik kolej anda kerana ML bergantung pada pemahaman yang mendalam tentang subjek itu, dan juga matematik. Levy menulis bahawa pengekod harus bersedia melepaskan sepenuhnya kawalan yang mereka miliki terhadap pengaturcaraan sistem.

Anda tidak bernasib baik jika majikan teknologi anda tidak menyediakan latihan Google dan Google. Kolej dan Universiti, serta platform pembelajaran dalam talian seperti Udemy dan Coursera, menawarkan kelas yang mengajar asas-asas pembelajaran mesin. Walau bagaimanapun, sangat penting untuk melengkapkan kepakaran anda dengan mengikuti statistik dan kelas matematik.

Tajuk dan Pendapatan Kerja

Tajuk pekerjaan utama yang akan anda temui ketika mencari pekerjaan dalam bidang ini termasuk jurutera pembelajaran mesin dan saintis data.

Jurutera pembelajaran mesin "menjalankan operasi projek pembelajaran mesin dan bertanggungjawab untuk menguruskan infrastruktur dan saluran data yang diperlukan untuk membawa kod ke pengeluaran." Para saintis data berada di sisi data dan analisis untuk mengembangkan algoritma, bukan dari sisi pengkodan. Mereka juga mengumpulkan, membersihkan, dan menyiapkan data (Zhou, Adelyn. "Tajuk Pekerjaan Kecerdasan Buatan: Apa itu Jurutera Pembelajaran Mesin?" Forbes. 27 November 2017).

Berdasarkan kiriman pengguna dari orang yang bekerja dalam pekerjaan ini, Glassdoor.com melaporkan bahawa jurutera ML dan saintis data memperoleh gaji pokok rata-rata $ 120,931. Gaji berkisar antara $ 87,000 hingga tinggi $ 158,000 (Gaji Jurutera Pembelajaran Mesin. Glassdoor.com. 1 Mac 2018). Walaupun Glassdoor mengelompokkan tajuk-tajuk ini, terdapat beberapa perbezaan di antara mereka.

Keperluan untuk Pekerjaan Pembelajaran Mesin

Jurutera ML dan saintis data melakukan pekerjaan yang berbeza, tetapi terdapat banyak pertindihan di antara mereka. Pengumuman pekerjaan untuk kedua-dua jawatan tersebut sering mempunyai syarat yang serupa. Ramai majikan lebih suka ijazah sarjana muda, sarjana, atau kedoktoran dalam sains komputer atau kejuruteraan, statistik, atau matematik.

Untuk menjadi profesional pembelajaran mesin, anda memerlukan gabungan kemahiran teknikal - kemahiran yang dipelajari di sekolah atau di tempat kerja - dan kemahiran insaniah. Kemahiran insaniah adalah kebolehan seseorang yang tidak dipelajarinya di dalam kelas, tetapi dilahirkan atau diperolehi melalui pengalaman hidup. Sekali lagi, terdapat banyak pertindihan antara kemahiran yang diperlukan untuk jurutera ML dan saintis data.

Pengumuman pekerjaan mendedahkan bahawa mereka yang bekerja dalam pekerjaan kejuruteraan ML harus biasa dengan kerangka pembelajaran mesin seperti TensorFlow, Mlib, H20 dan Theano. Mereka memerlukan latar belakang yang kuat dalam pengekodan termasuk pengalaman dengan bahasa pengaturcaraan seperti Java atau C / C ++ dan bahasa skrip seperti Perl atau Python. Kepakaran dalam statistik dan pengalaman menggunakan pakej perisian statistik untuk menganalisis set data yang besar juga antara spesifikasi.

Pelbagai kemahiran insaniah akan membolehkan anda berjaya dalam bidang ini. Antaranya ialah fleksibiliti, kemampuan menyesuaikan diri, dan ketekunan. Membangunkan algoritma memerlukan banyak percubaan dan kesilapan, dan oleh itu, kesabaran. Seseorang mesti menguji algoritma untuk melihat apakah ia berfungsi dan, jika tidak, mengembangkan yang baru.

Kemahiran komunikasi yang baik sangat penting. Profesional pembelajaran mesin, yang sering bekerja dalam pasukan, memerlukan kemahiran mendengar, bertutur, dan interpersonal yang unggul untuk berkolaborasi dengan orang lain, dan juga mesti menyampaikan penemuan mereka kepada rakan mereka. Selain itu, mereka harus menjadi pelajar aktif yang dapat memasukkan maklumat baru ke dalam pekerjaan mereka. Dalam industri di mana inovasi dihargai, seseorang mesti kreatif untuk cemerlang.