Pekerjaan di Pembelajaran Mesin Muncul

Di bahagian atas Laporan Pekerjaan Muncul di Amerika Syarikat 2017 adalah dua pekerjaan dalam bidang Pembelajaran Mesin: Jurutera Pembelajaran Mesin dan Data Saintis. Pekerjaan untuk jurutera pembelajaran mesin berkembang sebanyak 9.8 kali antara 2012 dan 2017 dan pekerjaan saintis data meningkat sebanyak 6.5 kali dalam tempoh lima tahun yang sama. Jika trend berterusan, pekerjaan-pekerjaan ini akan mempunyai peluang pekerjaan yang melampaui banyak pekerjaan lain. Dengan masa depan yang begitu cerah, bolehkah pekerjaan dalam bidang ini tepat untuk anda?

Apakah Pembelajaran Mesin?

Pembelajaran mesin (ML) adalah apa yang ia suka. Teknologi ini melibatkan mesin pengajar untuk melaksanakan tugas-tugas tertentu. Tidak seperti pengekodan tradisional yang memberikan arahan yang memberitahu komputer apa yang perlu dilakukan, ML memberikannya kepada data yang membolehkan mereka memikirkannya sendiri, seperti manusia atau haiwan. Bunyi seperti sihir, tetapi tidak. Ia melibatkan interaksi saintis komputer dan lain-lain dengan kepakaran yang berkaitan. Profesional IT ini mencipta program yang dipanggil algoritma-set aturan yang menyelesaikan masalah-dan kemudian memberi mereka set data yang besar yang mengajar mereka untuk membuat ramalan berdasarkan maklumat ini.

Pembelajaran mesin adalah "subset kecerdasan buatan yang membolehkan komputer melaksanakan tugas-tugas yang mereka tidak diprogramkan secara eksplisit" (Dickson, Ben. Kemahiran yang Anda Perlukan untuk Memajukan Mesin Pembelajaran Mesin. Ia telah menjadi lebih rumit, namun lebih biasa lagi, selama bertahun-tahun. Steven Levy, dalam sebuah artikel yang berbicara tentang keutamaan Google tentang pembelajaran mesin dan latihan semula jurutera syarikat, menulis, "Selama bertahun-tahun, pembelajaran mesin dianggap sebagai khusus, kepada beberapa elit.

Masa itu berakhir, kerana hasil baru-baru ini menunjukkan bahawa pembelajaran mesin, yang dikuasai oleh "jaring saraf" yang meniru cara otak biologi beroperasi, adalah jalan yang benar ke arah memupuk komputer dengan kuasa manusia, dan dalam sesetengah kes, manusia super "(Levy, Steven, Bagaimana Google Pereka Diri Sebagai Pembelajaran Mesin Pertama Syarikat Berwayar 22 Jun 2016).

Bagaimana pembelajaran mesin digunakan dalam "dunia nyata?" Sebahagian besar daripada kita melihat teknologi ini setiap hari tanpa memberi banyak pemikiran. Apabila anda menggunakan Google atau enjin gelintar lain, hasil yang muncul di bahagian atas halaman adalah hasil pembelajaran mesin. Teks ramalan, serta ciri autokritik yang kadang-kadang dihina, 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 cara kami menggunakan teknologi yang semakin berkembang ini walaupun tidak menyedarinya.

Baru-baru ini, Google memperkenalkan Balas Pintar di Gmail. Pada akhir mesej, ia membentangkan pengguna dengan tiga balasan yang mungkin berdasarkan kandungan. Uber dan syarikat lain sedang menguji kereta memandu sendiri.

Industri Menggunakan Pembelajaran Mesin

Penggunaan pembelajaran mesin mencapai jauh di luar dunia teknologi. SAS, sebuah syarikat perisian analisis, melaporkan bahawa banyak industri telah mengadopsi teknologi ini. Industri perkhidmatan kewangan menggunakan ML untuk mengenal pasti peluang pelaburan, biarkan para pelabur mengetahui bila hendak berdagang, mengiktiraf mana pelanggan mempunyai profil berisiko tinggi, dan mengesan penipuan. Dalam penjagaan kesihatan, algoritma membantu mendiagnosis penyakit dengan mengambil keabnormalan.

Pernahkah anda bertanya soalan, "mengapa iklan untuk produk itu saya memikirkan membeli muncul di setiap laman web yang saya lawati?" ML membolehkan industri pemasaran dan jualan menganalisis pengguna berdasarkan sejarah pembelian dan pencarian mereka. Industri penyesuaian teknologi pengangkutan mengesan masalah yang berpotensi pada laluan dan membantu menjadikannya lebih cekap. Terima kasih kepada ML, industri minyak dan gas dapat mengenal pasti sumber tenaga baru (Pembelajaran Mesin: Apa Ia Adalah dan Mengapakah Ia Penting).

Bagaimana Pembelajaran Mesin Adakah Mengubah Tempat Kerja

Ramalan mengenai mesin yang mengambil alih semua pekerjaan kami telah berlaku selama beberapa dekad, tetapi akhirnya ML akan menjadi kenyataan? Pakar ramalan teknologi ini telah dan akan terus mengubah tempat kerja. Tetapi sejauh mengambil semua pekerjaan kita? Kebanyakan pakar tidak fikir ia akan berlaku.

Walaupun pembelajaran mesin tidak boleh mengambil tempat manusia dalam semua pekerjaan, ia boleh mengubah banyak tugas pekerjaan yang berkaitan dengan mereka. "Tugasan yang melibatkan membuat keputusan cepat berdasarkan data adalah sesuai untuk program ML, jadi jika keputusan itu bergantung pada rantaian penalaran yang panjang, pengetahuan latar belakang yang beragam atau akal sehat" kata Byron Spice. Spice adalah Pengarah Perhubungan Media di Carnegie Mellon Sekolah Sains Komputer Universiti (Spice, Byron Pembelajaran Mesin Akan Mengubah Pekerjaan. Carnegie Mellon University.

21 Disember 2017).

Dalam majalah Science, Erik Brynjolfsson dan Tom Mitchell menulis, "permintaan tenaga kerja lebih cenderung untuk jatuh untuk tugas-tugas yang pengganti dekat untuk keupayaan ML, sementara itu kemungkinan besar akan meningkat untuk tugas-tugas yang melengkapi sistem ini. Setiap kali ML sistem yang melintasi ambang di mana ia menjadi lebih berkesan daripada manusia dalam tugas, usahawan memaksimumkan keuntungan dan pengurus akan terus berusaha untuk menggantikan mesin untuk orang-orang. Ini boleh memberi kesan ke atas ekonomi, meningkatkan produktiviti, menurunkan harga, memindahkan permintaan buruh, dan industri penstrukturan semula (Brynjolfsson, Erik dan Mitchell, Tom.

Apa Pembelajaran Mesin Bolehkah? Implikasi Tenaga Kerja. Sains. 22 Disember 2017).

Adakah Anda Mahu Kerjaya dalam Pembelajaran Mesin?

Kerjaya dalam pembelajaran mesin memerlukan kepakaran dalam sains komputer, statistik, dan matematik. Ramai orang datang ke medan ini dengan latar belakang dalam bidang tersebut. Banyak kolej yang menawarkan pembelajaran mesin utama mengambil pendekatan pelbagai disiplin dengan kurikulum yang termasuk, sebagai tambahan kepada sains komputer, kejuruteraan elektrik dan komputer, matematik, dan statistik (Top 16 Sekolah untuk Pembelajaran Mesin. AdmissionTable.com).

Bagi mereka yang sudah terlibat dalam Industri Teknologi Maklumat, peralihan ke pekerjaan ML tidak jauh melangkaui. Anda mungkin sudah mempunyai banyak kemahiran yang anda perlukan. Majikan anda juga boleh membantu anda melakukan peralihan ini. Menurut artikel Steven Levy, "pada masa ini tidak banyak orang yang pakar dalam ML jadi syarikat seperti Google dan Facebook adalah jurutera latihan semula yang kepakarannya terletak pada pengkodan tradisional."

Walaupun banyak kemahiran yang anda usahakan sebagai profesional IT akan dipindahkan ke pembelajaran mesin, ia mungkin agak mencabar. Mudah-mudahan, anda tetap terjaga semasa kelas statistik kolej anda kerana ML bergantung pada pemahaman yang kuat tentang subjek itu, serta matematik. Levy menulis bahawa coders harus bersedia untuk melepaskan kawalan keseluruhan yang mereka miliki daripada pengaturcaraan sistem.

Anda tidak beruntung jika majikan teknologi anda tidak menyediakan latihan semula ML Google dan Facebook. Kolej dan Universiti, serta platform pembelajaran dalam talian seperti Udemy dan Coursera, menawarkan kelas yang mengajar asas pembelajaran mesin. Walau bagaimanapun, penting untuk melengkapkan kepakaran anda dengan mengambil statistik dan kelas matematik.

Tajuk Pekerjaan dan Pendapatan

Tajuk pekerjaan utama yang anda akan temui apabila 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 paip data yang diperlukan untuk membawa kod kepada pengeluaran." Para saintis data berada di sisi data dan analisis algoritma yang dibangunkan, bukannya pengekodan. Mereka juga mengumpul, membersihkan, dan menyediakan data (Zhou, Adelyn. "Tajuk Pekerjaan Kecerdasan Buatan: Apakah Jurutera Pembelajaran Mesin?" Forbes, 27 November 2017).

Berdasarkan penyerahan pengguna daripada orang yang bekerja dalam pekerjaan ini, Glassdoor.com melaporkan bahawa jurutera ML dan saintis data memperoleh gaji dasar purata $ 120,931. Gaji adalah dari $ 87,000 yang rendah kepada $ 158,000 (Gaji Engine Engineer Gaji. Glassdoor.com. 1 Mac, 2018). Walaupun Glassdoor kumpulan 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 kerja untuk kedua-dua jawatan sering mempunyai keperluan yang sama. Ramai majikan memilih ijazah sarjana, sarjana, atau kedoktoran dalam sains komputer atau kejuruteraan, statistik, atau matematik.

Untuk menjadi seorang profesional pembelajaran mesin, anda memerlukan kombinasi kemahiran teknikal yang dipelajari di sekolah atau kemahiran kerja dan lembut. Kemahiran lembut adalah kebolehan seseorang yang mereka tidak belajar di dalam kelas, tetapi sebaliknya dilahirkan dengan atau memperoleh melalui pengalaman hidup. Sekali lagi, terdapat banyak pertindihan antara kemahiran yang diperlukan untuk jurutera ML dan saintis data.

Pengumuman kerja mendedahkan bahawa mereka yang bekerja dalam pekerjaan kejuruteraan ML harus akrab 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 termasuk dalam spesifikasi.

Pelbagai kemahiran lembut akan membolehkan anda berjaya dalam bidang ini. Antaranya ialah kelenturan, kesesuaian, dan ketekunan. Membangunkan algoritma memerlukan banyak percubaan dan kesilapan, dan dengan itu, kesabaran. Orang mesti menguji algoritma untuk melihat sama ada ia berfungsi dan, jika tidak, membangunkan yang baru.

Kemahiran komunikasi yang sangat baik adalah penting. Profesional pembelajaran mesin, yang sering bekerja pada pasukan, memerlukan kemahiran mendengarkan, berbicara, dan interpersonal yang lebih baik untuk berkolaborasi dengan orang lain, dan juga harus membentangkan penemuan mereka kepada rekan mereka. Mereka harus, sebagai tambahan, menjadi pelajar aktif yang boleh memasukkan maklumat baru ke dalam kerja mereka. Dalam industri di mana inovasi bernilai, seseorang mesti kreatif untuk unggul.