I migliori lavori di machine learning

Contenuto

• Che cos'è l'apprendimento automatico?
• Settori che utilizzano l'apprendimento automatico
• Come l'apprendimento automatico sta cambiando il posto di lavoro
• Vuoi una carriera nell'apprendimento automatico?
• Titoli di lavoro e guadagni
• Requisiti per i lavori di Machine Learning

In cima al Rapporto 2017 sui lavori emergenti negli Stati Uniti di LinkedIn c'erano due occupazioni nel campo dell'apprendimento automatico: ingegnere dell'apprendimento automatico e scienziato dei dati. L'occupazione per gli ingegneri del machine learning è cresciuta di 9,8 volte tra il 2012 e il 2017 e i lavori di data scientist sono aumentati di 6,5 volte nello stesso periodo di cinque anni. Se la tendenza continua, queste occupazioni avranno prospettive occupazionali che superano molte altre professioni. Con un futuro così brillante, un lavoro in questo campo potrebbe fare al caso tuo?

Che cos'è l'apprendimento automatico?

L'apprendimento automatico (ML) è proprio quello che sembra. Questa tecnologia prevede l'insegnamento di macchine per svolgere compiti specifici. A differenza della codifica tradizionale che fornisce istruzioni che spiegano ai computer cosa fare, ML fornisce loro dati che consentono loro di capirlo da soli, proprio come farebbe un essere umano o un animale. Sembra magia, ma non lo è. Implica l'interazione di informatici e altri con relative competenze. Questi professionisti IT creano programmi chiamati algoritmi — insiemi di regole che risolvono un problema — e quindi forniscono loro grandi insiemi di dati che insegnano loro a fare previsioni basate su queste informazioni.

L'apprendimento automatico è un "sottoinsieme di intelligenza artificiale che consente ai computer di svolgere attività che non sono state programmate esplicitamente per eseguire" (Dickson, Ben. Competenze necessarie per ottenere un lavoro di apprendimento automatico. Ricerca di carriera. 18 gennaio 2017.) Nel corso degli anni è diventato più complicato, ma più banale. Steven Levy, in un articolo che parla della priorità di Google di apprendimento automatico e riqualificazione degli ingegneri dell'azienda, scrive: "Per molti anni, l'apprendimento automatico è stato considerato una specialità, limitata a pochi elite. Quell'era è finita, poiché i risultati recenti indicano che l'apprendimento automatico, alimentato da "reti neurali" che emulano il modo in cui opera un cervello biologico, è il vero percorso verso il conferimento dei poteri umani ai computer e, in alcuni casi, ai super umani "( Levy, Steven: come Google si sta rifacendo come prima azienda di machine learning cablata il 22 giugno 2016).

Come viene utilizzato l'apprendimento automatico nel "mondo reale?" La maggior parte di noi incontra questa tecnologia su base giornaliera senza pensarci molto. Quando usi Google o un altro motore di ricerca, i risultati che vengono visualizzati nella parte superiore della pagina sono il risultato dell'apprendimento automatico. Il testo predittivo, così come la funzione di correzione automatica a volte diffamata, sull'app di messaggistica dello smartphone, sono anche il risultato dell'apprendimento automatico. I film e le canzoni consigliati su Netflix e Spotify sono ulteriori esempi di come utilizziamo questa tecnologia in rapida crescita senza accorgercene. Più di recente, Google ha introdotto Smart Reply in Gmail. Alla fine di un messaggio, presenta all'utente tre possibili risposte in base al contenuto. Uber e altre società stanno attualmente testando auto a guida autonoma.

Settori che utilizzano l'apprendimento automatico

L'uso dell'apprendimento automatico va ben oltre il mondo tecnologico. SAS, una società di software analitica, riferisce che molte industrie hanno adottato questa tecnologia. Il settore dei servizi finanziari utilizza ML per identificare opportunità di investimento, far sapere agli investitori quando fare trading, riconoscere quali clienti hanno profili ad alto rischio e rilevare frodi. Nell'assistenza sanitaria, gli algoritmi aiutano a diagnosticare le malattie rilevando anomalie.

Hai mai posto la domanda: "Perché è un annuncio per quel prodotto che sto pensando di acquistare comparire su ogni pagina web che visito?" ML consente al settore del marketing e delle vendite di analizzare i consumatori in base alla cronologia degli acquisti e delle ricerche. L'adattamento del settore dei trasporti di questa tecnologia rileva potenziali problemi sulle rotte e contribuisce a renderli più efficienti. Grazie a ML, l'industria petrolifera e del gas è in grado di identificare nuove fonti di energia (Machine Learning: cos'è e perché conta. SAS).

Come l'apprendimento automatico sta cambiando il posto di lavoro

Le previsioni sulle macchine che assumono tutti i nostri posti di lavoro sono in circolazione da decenni, ma ML riuscirà finalmente a renderlo realtà? Gli esperti prevedono che questa tecnologia ha e continuerà a modificare il luogo di lavoro. Ma per quanto riguarda il portare via tutti i nostri lavori? La maggior parte degli esperti non pensa che ciò accadrà.

Mentre l'apprendimento automatico non può prendere il posto degli esseri umani in tutte le professioni, potrebbe cambiare molte delle mansioni lavorative ad esse associate. "Le attività che implicano il prendere decisioni rapide basate sui dati si adattano bene ai programmi di ML; non è così se la decisione dipende da lunghe catene di ragionamento, conoscenze di base diverse o buon senso", afferma Byron Spice. Spice è direttore delle relazioni con i media di Carnegie Mellon School of Computer Science della University (Spice, Byron. L'apprendimento automatico cambierà i lavori. Carnegie Mellon University. 21 dicembre 2017).

In Science Magazine, Erik Brynjolfsson e Tom Mitchell scrivono, "è più probabile che la domanda di lavoro diminuisca per compiti che sono sostituti stretti per le capacità di ML, mentre è più probabile che aumenti per compiti che sono complementi per questi sistemi. Ogni volta che un ML il sistema supera la soglia in cui diventa più conveniente rispetto agli esseri umani in un compito, gli imprenditori e i manager che massimizzano il profitto cercheranno sempre più di sostituire le macchine per le persone. Ciò può avere effetti in tutta l'economia, aumentare la produttività, abbassare i prezzi, spostare la domanda di lavoro, e industrie di ristrutturazione (Brynjolfsson, Erik e Mitchell, Tom. Cosa può fare l'apprendimento automatico? Implicazioni della forza lavoro. Scienza. 22 dicembre 2017).

Vuoi una carriera nell'apprendimento automatico?

Le carriere nell'apprendimento automatico richiedono competenze in informatica, statistica e matematica. Molte persone vengono in questo campo con uno sfondo in quei campi. Molte università che offrono una specializzazione in machine learning adottano un approccio multidisciplinare con un curriculum che include, oltre a informatica, ingegneria elettrica e informatica, matematica e statistica (Top 16 Schools for Machine Learning. AdmissionTable.com).

Per coloro che sono già coinvolti nel settore dell'Information Technology, il passaggio a un lavoro ML non è un grande passo avanti. Potresti già avere molte delle competenze di cui hai bisogno. Il tuo datore di lavoro potrebbe anche aiutarti a compiere questa transizione. Secondo l'articolo di Steven Levy, "al momento non ci sono molte persone esperte di ML, quindi aziende come Google e Facebook stanno riqualificando gli ingegneri la cui competenza risiede nella codifica tradizionale".

Mentre molte delle competenze sviluppate come professionista IT verranno trasferite all'apprendimento automatico, potrebbe essere un po 'impegnativo. Spero che tu sia rimasto sveglio durante le lezioni di statistica del college perché ML fa affidamento su una buona conoscenza di tale argomento, oltre che sulla matematica. Levy scrive che i programmatori devono essere disposti a rinunciare al controllo totale che hanno sulla programmazione di un sistema.

Non sei sfortunato se il tuo datore di lavoro tecnico non sta fornendo la riqualificazione ML di Google e Facebook. Scuole e università, nonché piattaforme di apprendimento online come Udemy e Coursera, offrono lezioni che insegnano le basi dell'apprendimento automatico. È fondamentale, tuttavia, completare la tua esperienza prendendo statistiche e lezioni di matematica.

Titoli di lavoro e guadagni

I principali titoli di lavoro che ti imbatterai nella ricerca di un lavoro in questo campo includono l'ingegnere dell'apprendimento automatico e lo scienziato dei dati.

Gli ingegneri del machine learning "eseguono le operazioni di un progetto di machine learning e sono responsabili della gestione dell'infrastruttura e delle pipeline di dati necessarie per portare il codice in produzione". I data scientist si occupano dei dati e dell'analisi dello sviluppo di algoritmi, piuttosto che della codifica. Raccolgono, puliscono e preparano anche dati (Zhou, Adelyn. "Titoli di lavoro di intelligenza artificiale: che cos'è un ingegnere dell'apprendimento automatico?" Forbes. 27 novembre 2017).

Sulla base degli invii degli utenti da parte di persone che lavorano in questi lavori, Glassdoor.com riferisce che gli ingegneri ML e i data scientist guadagnano uno stipendio base medio di $ 120.931. Gli stipendi vanno da un minimo di $ 87.000 a un massimo di $ 158.000 (stipendi per ingegnere dell'apprendimento automatico. Glassdoor.com. 1 marzo 2018). Sebbene Glassdoor raggruppi questi titoli, ci sono alcune differenze tra loro.

Requisiti per i lavori di Machine Learning

Gli ingegneri ML e i data scientist svolgono diversi lavori, ma vi sono molte sovrapposizioni tra loro. Gli annunci di lavoro per entrambe le posizioni hanno spesso requisiti simili. Molti datori di lavoro preferiscono la laurea, il master o il dottorato in informatica o ingegneria, statistica o matematica.

Per essere un professionista dell'apprendimento automatico, avrai bisogno di una combinazione di abilità tecniche - abilità apprese a scuola o sul lavoro - e competenze trasversali. Le abilità trasversali sono le capacità di una persona che non apprendono in classe, ma che nascono o acquisiscono attraverso l'esperienza di vita. Ancora una volta, c'è una grande sovrapposizione tra le competenze richieste per ingegneri ML e data scientist.

Gli annunci di lavoro rivelano che coloro che lavorano nei lavori di ingegneria ML dovrebbero avere familiarità con i framework di machine learning come TensorFlow, Mlib, H20 e Theano. Hanno bisogno di un solido background nella programmazione, compresa l'esperienza con linguaggi di programmazione come Java o C / C ++ e linguaggi di scripting come Perl o Python. Esperienza nelle statistiche ed esperienza nell'uso di pacchetti software statistici per analizzare grandi serie di dati sono anche tra le specifiche.

Una varietà di competenze trasversali ti permetterà di avere successo in questo campo. Tra questi ci sono flessibilità, adattabilità e perseveranza. Lo sviluppo di un algoritmo richiede molta prova ed errore, e quindi pazienza. Bisogna testare un algoritmo per vedere se funziona e, in caso contrario, svilupparne uno nuovo.

Eccellenti capacità comunicative sono essenziali. I professionisti dell'apprendimento automatico, che spesso lavorano in team, hanno bisogno di capacità di ascolto, conversazione e interpersonali superiori per collaborare con gli altri e devono anche presentare i loro risultati ai loro colleghi. Dovrebbero inoltre essere studenti attivi che possono incorporare nuove informazioni nel loro lavoro. In un settore in cui l'innovazione è valutata, bisogna essere creativi per eccellere.