Top Maschinn Léier Jobs

Inhalt

• Wat ass Maschinn Léieren?
• Industrien déi Maschinn léieren
• Wéi Maschinn Léieren Ännerung vun der Aarbechtsplaz
• Wëllt Dir eng Karriär am Maschinn Léieren?
• Jobtitelen an Akommes
• Ufuerderunge fir d'Maschinn Léier Jobs

Am Top vum LinkedIn's 2017 US Emerging Jobs Report waren zwou Beruffer am Machine Learning Feld: Machine Learning Engineer an Data Scientist. D'Beschäftegung fir Maschinn Léieringenieuren ass tëscht 2012 an 2017 ëm 9,8 Mol gewuess an Data Wëssenschaftler Aarbechtsplaze sinn 6,5 Mol an der selwechter fënnef Joer Zäit eropgaang. Wann den Trend weider geet, wäerten dës Beruffer Aarbechtsausbléck hunn déi vill aner Beruffer iwwerschneiden. Mat enger Zukunft sou hell, kéint eng Aarbecht an dësem Beräich fir Iech richteg sinn?

Wat ass Maschinn Léieren?

Machine learning (ML) ass just wéi et kléngt. Dës Technologie involvéiert Léiermaschinnen fir spezifesch Aufgaben ze maachen. Am Géigesaz zu traditionelle Kodéierung déi Instruktiounen ubidden, déi Computeren soen wat ze maachen, gëtt ML hinnen mat Donnéeën déi se eleng erausfannen, sou wéi ee Mënsch oder Déier et géif maachen. Kléngt wéi Magie, awer et ass net. Et handelt sech ëm d'Interaktioun vu Computerwëssenschaftler an anerer mat verbonne Expertise. Dës IT Professionnelle schaffen Programmer genannt Algorithmen - Reegele vu Regelen, déi e Problem léisen - a fidderen se dann grouss Sätz vun Daten, déi hinnen léieren Viraussoen op Basis vun dëser Informatioun ze maachen.

Machine Learning ass eng "Ënnerdeel vu künstlecher Intelligenz déi et erlaabt datt Computeren Aufgaben ausféieren déi se net explizit programméiert hunn ze maachen" (Dickson, Ben. Fäegkeeten Dir braucht e Machine Learning Job ze erfëllen. It Career Finder. 18 Januar 2017.) Et gouf méi komplizéiert, awer nach méi heefeg, iwwer d'Joren. Steven Levy, an engem Artikel deen zu Google d'Prioritéit vu Maschinnléiere a Rezoléiere vun den Ingenieuren vun der Gesellschaft schwätzt, schreift: "Fir vill Joren gouf Maschinnléieren als Spezialitéit ugesinn, limitéiert op eng Elite puer. Dat Ära ass eriwwer, wéi déi rezent Resultater bezeechent datt Maschinn léieren, ugedriwwen duerch "neurale Netzwierker" déi emuléiere wéi e biologescht Gehir funktionnéiert, ass de richtege Wee fir Computer z'entwéckelen mat de Kräfte vu Mënschen, an an e puer Fäll super Mënschen "( Levy, Steven.Wéi Google sech selwer als Maschinn léiert Fir d'éischt Firma Wired. 22. Juni 2016).

Wéi gëtt Maschinn Léieren an der "real Welt" benotzt? Déi meescht vun eis komme dës Technologie alldeeglech iwwer, ouni sech vill Gedanken ze maachen. Wann Dir Google oder eng aner Sichmotor benotzt, sinn d'Resultater déi uewen op der Säit kommen, d'Resultat vu Maschinnléieren. De prediktiven Text, souwéi déi heiansdo béisaarteg autokorrekt Feature, op Ärer SMSen App Text, sinn och e Resultat vu Maschinnléieren. Recommandéiert Filmer a Lidder op Netflix a Spotify si weider Beispiller vu wéi mir dës séier wuessend Technologie benotze während se et kaum bemierken. Méi kierzlech huet Google Smart Answer am Gmail agefouert. Um Enn vun engem Message gëtt et e Benotzer mat dräi méiglech Äntwerten op der Basis vum Inhalt. Uber an aner Firmen testen de Moment Autofuerer Autoen.

Industrien déi Maschinn léieren

D'Benotzung vu Maschinnléieren erreecht wäit iwwer d'Technologie Welt. SAS, eng analytesch Software Firma, bericht datt vill Industrien dës Technologie adoptéiert hunn. D'Finanzservicerindustrie benotzt ML fir Investitiounsméiglechkeeten z'identifizéieren, Investisseuren ze wëssen wéini ze handelen, ze erkennen wat Clienten héich-Risikoprofiler hunn, a Bedruch z'erkennen. An der Gesondheetsversuergung hëlleft Algorithmen Diagnos vu Krankheeten ze diagnostizéieren andeems se Anormalitéiten ophuelen.

Hutt Dir jeemools d'Fro gefrot, "firwat ass eng Annonce fir dëst Produkt deen ech denken ze kafen op all Websäit ze gesinn déi ech besichen?" ML erlaabt de Marketing a Verkeefsindustrie d'Konsumenten ze analyséieren op Basis vun hire Kaf- a Sichhistoriken. D'Adaptatioun vun der Transportindustrie vun dëser Technologie entdeckt potenziell Probleemer op Strecken an hëlleft se méi effizient ze maachen. Dank ML kann d'Ueleg- a Gasindustrie nei Energiequelle identifizéieren (Machine Learning: Wat et ass a firwat et wichteg ass. SAS).

Wéi Maschinn Léieren Ännerung vun der Aarbechtsplaz

Prognosen iwwer Maschinnen, déi all eis Aarbecht iwwerhuelen, sinn zënter Joerzéngte ronderëm, awer wäert ML endlech dat Realitéit maachen? D'Experten prognostizéieren dës Technologie huet a wäert hir Aarbechtsplaz weider änneren. Awer esou wäit wéi eis all eis Aarbechtsplazen ewechhuelen? Déi meescht Experten denken net datt dat wäert geschéien.

Iwwerdeems Maschinn léieren kann net d'Plaz vu Mënschen an alle Beruffer huelen, awer et ka vill vun den Jobplazen, déi mat hinnen verbonne sinn, änneren. "Aufgaben déi séier Entscheedunge baséieren op Donnéeën passen e gutt fit fir ML Programmer; net wann d'Entscheedung vu laange Ketten vu Begrënnung hänkt, diversen Hannergrondkenntnisser oder gesonde Mënscheverstand" seet Byron Spice. Spice ass Direkter fir Medienrelatiounen an der Carnegie Mellon University of School of Computer Science (Spice, Byron. Machine Learning Will Change Jobs. Carnegie Mellon University. 21. Dezember 2017).

Am Science Magazine schreiwen den Erik Brynjolfsson an den Tom Mitchell, "Aarbechtsofuerderung ass méi ufälleg fir Aufgaben ze falen, déi eng Ersatzspiller fir Fäegkeeten vum ML sinn, wärend et méi wahrscheinlech ass fir Aufgaben eropzesetzen, déi Ergänzunge fir dës Systemer sinn. All Kéier en ML System iwwerschréit de Schwellel, wou et méi Käschte wierksam wéi Mënschen op enger Aufgab, profitéiert maximaliséierend Entrepreneuren a Manager wäerte sech ëmmer méi Leit fir Ersatzmaschinne fir Leit sichen. Dëst kann Effekter uechter d'Wirtschaft hunn, d'Produktivitéit erhéijen, d'Präisser senken, d'Aarbechtsbedarf verréckelen, a Restrukturéierungsindustrie (Brynjolfsson, Erik a Mitchell, Tom. Wat kann Maschinn Léieren Maachen? Implikatioune vun den Aarbechter. Wëssenschaft. 22. Dezember 2017).

Wëllt Dir eng Karriär am Maschinn Léieren?

Carrière an Maschinn Léieren erfuerdert Expertise am Computerwëssenschaften, Statistiken a Mathematik. Vill Leit kommen op dëst Feld mat engem Hannergrond an dëse Felder. Vill Héichschoulen déi eng Majoritéit am Maschinnléiere bidden, huelen eng multidisziplinär Approche mat enger Léierplang déi zousätzlech zu Informatik, Elektro- a Computerentechnik, Mathematik, a Statistiken (Top 16 Schoulen fir Machine Learning. AdmissionTable.com) enthält.

Fir déi, déi scho an der Informatiounstechnologie Industrie involvéiert sinn, ass den Iwwergank zu engem ML Job net wäit sprang. Dir kënnt scho vill vun de Fäegkeeten hunn, déi Dir braucht. Äre Patron kann Iech souguer hëllefen dësen Iwwergang ze maachen. Nom Steven Levy Artikel, "am Moment sinn et net vill Leit déi Experten a ML sinn, sou datt Firmen wéi Google a Facebook Ingenieuren ofschafen, deenen hir Expertise an der traditioneller Codéierung läit."

Wärend vill vun de Fäegkeeten, déi Dir als IT Professionnel entwéckelt hutt, un de Maschinn Léieren iwwerdroe ginn, kann et e bëssen Erausfuerderung sinn. Hoffentlech sidd Dir wärend Äre Fachhéichschoulstatistike wakreg bliwwen, well ML op e staarke Begrëff vun deem Thema hänkt, souwéi mathematesch. Levy schreift datt Coderen gewëllt sinn op déi total Kontroll opzeginn déi se iwwer Programméierung vun engem System hunn.

Dir sidd net aus Gléck wann Äre Tech-Patron net d'MML-Ausbildung ubitt Google a Facebook sinn. Colleges an Universitéiten, souwéi Online Léierplattformen wéi Udemy a Coursera bidden Klassen déi d'Grondlage fir Maschinn léieren. Et ass entscheedend awer Är Expertise ofzeschléissen andeems Dir Statistiken a Mathematiksklassen huelen.

Jobtitelen an Akommes

De primäre Jobtittel, deen Dir wäert begéinen, wann Dir eng Aarbecht an dësem Feld sicht, ëmfaasst Maschinn Léieringenieur an Datewëssenschaftler.

Maschinn Léieringenieuren "lafen d'Operatioune vun engem Maschinn Léierprojet a si verantwortlech fir d'Gestioun vun der Infrastruktur an Daten Pipelines déi néideg sinn de Code an d'Produktioun ze bréngen." Datewëssenschaftler sinn op der Daten- an Analysesäit fir Algorithmen z'entwéckelen, anstatt op der Kodéierungssäit. Si sammelen och, propper a preparéieren Daten (Zhou, Adelyn. "Kënschtlech Intelligenz Jobtitelen: Wat ass e Maschinn Léieringenieur?" Forbes. 27. November 2017).

Baséierend op Usernopféierunge vu Leit déi an dësen Jobe schaffen, bericht Glassdoor.com datt ML Ingenieuren an Datenwëssenschaftler eng duerchschnëttlech Basissaloun vun $ 120.931 verdéngen. Gehälter reie vun engem niddrege vun $ 87.000 bis eng Héicht vun $ 158.000 (Machine Learning Engineer Salaries. Glassdoor.com. 1. Mäerz 2018). Och wann de Glassdoor dës Tittele gruppéiert, sinn et e puer Differenzen tëscht hinnen.

Ufuerderunge fir d'Maschinn Léier Jobs

ML Ingenieuren an Datewëssenschaftler maachen verschidden Aarbechtsplazen, awer et gëtt vill Iwwerlappung tëscht hinnen. Jobannoncen fir béid Positiounen hunn dacks ähnlech Ufuerderunge. Vill Patronen hu léiwer Bachelor-, Master- oder Doktoratsgraden an Informatik oder Ingenieur, Statistik, oder Mathematik.

Fir Maschinn professionnell ze léieren braucht Dir eng Kombinatioun vun technesche Fäegkeeten - Fäegkeeten, déi an der Schoul oder op der Aarbecht geléiert sinn - a weich Fäegkeeten. Soft Fäegkeete sinn een seng Fäegkeeten, déi se net an der Klass léieren, mä amplaz mat der Liewenserfarung gebuer ginn oder et kréien. Erëm, et ass vill iwwerlappt tëscht den erfuerderlechen Fäegkeeten fir ML Ingenieuren an Datewëssenschaftler.

Jobannonce verroden datt déi, déi an ML Engineering Jobs schaffen, mat Maschinnléiere Kaderen wéi TensorFlow, Mlib, H20 an Theano vertraut solle sinn. Si brauche e staarken Hannergrond am Kodéierung inklusiv Erfahrung mat Programméierungssprooche wéi Java oder C / C ++ an Skript Sprooche wéi Perl oder Python. Expertise an Statistiken an Experienz mat Statistik Software Packagen fir grouss Sätz vun Daten ze analyséieren gehéieren och zu de Spezifikatioune.

Eng Vielfalt vu weiche Fäegkeeten erlaabt Iech an dësem Feld z'erfollegen. Ënner hinne si Flexibilitéit, Adaptabilitéit, an Duerchhalverméigen. En Algorithmus z'entwéckelen erfuerdert vill Test a Feeler, an dofir Gedold. Ee muss en Algorithmus testen fir ze kucken ob et funktionnéiert an, wann net, en neien ze entwéckelen.

Exzellent Kommunikatiounsfäegkeeten sinn essentiell. Maschinn Léierpersonal, déi dacks an Équipë schaffen, brauche exzellent Nolauschteren, schwätzen, an interpersonal Fäegkeeten, fir mat aneren ze kollaboréieren, a mussen och hir Resultater zu hire Kollegen presentéieren. Si sollen ausserdeem aktiv Studente sinn déi nei Informatiounen an hir Aarbecht integréiere kënnen. An enger Branche wou Innovatioun geschätzt gëtt, muss ee kreativ si fir excels.