مشاغل برتر آموزش ماشین

محتوا

• یادگیری ماشین چیست؟
• صنایعی که از ماشین یادگیری استفاده می کنند
• نحوه یادگیری ماشینی در حال تغییر محیط کار است
• آیا در یادگیری ماشین شغلی می خواهید؟
• عناوین شغلی و درآمد
• شرایط لازم برای مشاغل یادگیری ماشین

در صدر گزارش مشاغل در حال ظهور در LinkedIn 2017 ایالات متحده دو شغل در زمینه Learning Machine بودند: مهندس یادگیری ماشین و دانشمند داده. اشتغال برای مهندسین یادگیری ماشینی بین سالهای 2012 و 2017 9/9 برابر و مشاغل دانشمندان داده در مدت مشابه 5 ساله 6.5 برابر افزایش یافته است. اگر این روند ادامه یابد ، این مشاغل دارای چشم انداز اشتغال هستند که از بسیاری از مشاغل دیگر فراتر می رود. آیا با آینده ای بسیار روشن ، آیا شغلی در این زمینه می تواند مناسب شما باشد؟

یادگیری ماشین چیست؟

یادگیری ماشین (ML) همان چیزی است که به نظر می رسد. این فناوری شامل آموزش ماشین آلات برای انجام کارهای خاص است. برخلاف برنامه نویسی سنتی که دستورالعمل هایی را در اختیار رایانه ها می گذارد که چه کاری انجام دهند ، ML داده هایی را در اختیار آنها قرار می دهد که به آنها اجازه می دهد تا آن را به تنهایی کشف کنند ، دقیقاً مانند یک انسان یا حیوان. به نظر می رسد سحر و جادو ، اما اینطور نیست. این شامل تعامل دانشمندان رایانه و دیگران با تخصص مرتبط است. این متخصصان فناوری اطلاعات برنامه هایی به نام الگوریتم ها ایجاد می کنند - مجموعه ای از قوانینی که مشکلی را حل می کنند - و سپس مجموعه های بزرگی از داده ها را به آنها یاد می دهند که بر اساس این اطلاعات پیش بینی می کنند.

یادگیری ماشینی "زیر مجموعه ای از هوش مصنوعی است که کامپیوترها را قادر می سازد وظایفی را که صریحاً برای آنها برنامه ریزی نشده است انجام دهند" (دیکسون ، بن. مهارتهای لازم برای کار کردن با یک ماشین یادگیری ماشین. این کار یاب. 18 ژانویه 2017). این امر در طی سالیان متمادی پیچیده تر و در عین حال معمول تر شده است. استیون لوی در مقاله ای که به اولویت بندی گوگل در زمینه یادگیری ماشین و آموزش مجدد مهندسان این شرکت می پردازد ، می نویسد: "سالهاست که یادگیری ماشین یک تخصص ، محدود تلقی می شد. به چند نفر نخبه این دوران به پایان رسیده است ، زیرا نتایج اخیر نشان می دهد که یادگیری ماشینی ، با استفاده از "شبکه های عصبی" که عملکرد یک مغز بیولوژیکی را تقلید می کند ، مسیر واقعی برای تقویت رایانه ها با قدرت انسانها و در بعضی موارد ابر انسانهاست "( لوی ، استیون. Google چگونه خود را به عنوان نخستین شرکت یادگیری ماشینی باز می کند. 22 ژوئن 2016).

چگونه یادگیری ماشین در "دنیای واقعی" استفاده می شود؟ بیشتر ما به طور روزمره با این فناوری روبرو می شویم بدون اینکه به آن فکر زیادی کنیم. هنگامی که از گوگل یا موتور جستجوی دیگری استفاده می کنید ، نتایج حاصل از آن در بالای صفحه نتیجه یادگیری ماشین است. متن پیش بینی کننده و همچنین ویژگی خودکار تنظیم خودکار بعضی اوقات در برنامه پیام کوتاه تلفن هوشمند شما نیز نتیجه یادگیری ماشین است. فیلم ها و آهنگ های توصیه شده در Netflix و Spotify نمونه های دیگری از چگونگی استفاده از این فناوری به سرعت در حال رشد و در عین حال به سختی متوجه آن هستیم. اخیراً ، Google پاسخ هوشمند را در Gmail معرفی کرده است. در پایان پیام ، سه پاسخ ممکن را براساس محتوا به کاربر ارائه می دهد. شرکت Uber و سایر شرکت ها در حال حاضر در حال آزمایش اتومبیل های خودران هستند.

صنایعی که از ماشین یادگیری استفاده می کنند

استفاده از یادگیری ماشین بسیار فراتر از دنیای فناوری است. SAS ، یک شرکت نرم افزاری تحلیلی ، گزارش می دهد که بسیاری از صنایع این فناوری را پذیرفته اند. صنعت خدمات مالی از ML برای شناسایی فرصت های سرمایه گذاری استفاده می کند ، به سرمایه گذاران می داند چه موقع تجارت کنند ، تشخیص دهند که مشتریان دارای پروفایل های پرخطر هستند و تقلب را تشخیص می دهند. در مراقبت های بهداشتی ، الگوریتم ها با برداشتن ناهنجاری ها به تشخیص بیماری کمک می کنند.

آیا تاکنون این سؤال را پرسیده اید ، "چرا تبلیغی برای آن محصولی که من فکر می کنم در هر صفحه ای که بازدید می کنم نشان می دهد خریداری شده است؟" ML به صنعت بازاریابی و فروش اجازه می دهد تا مصرف کنندگان را بر اساس تاریخچه خرید و جستجوی خود تجزیه و تحلیل کند. تطبیق صنعت حمل و نقل از این فناوری مشکلات احتمالی را در مسیرها تشخیص داده و به کارآیی آنها کمک می کند. با تشکر از ML ، صنعت نفت و گاز می تواند منابع انرژی جدیدی را شناسایی کند (Learning Machine: چیست و چرا اهمیت دارد. SAS).

نحوه یادگیری ماشینی در حال تغییر محیط کار است

پیش بینی های مربوط به ماشین هایی که تمام مشاغل ما را به عهده می گیرند ، چندین دهه بوده است ، اما آیا بالاخره ML این واقعیت را رقم خواهد زد؟ کارشناسان پیش بینی می کنند که این فناوری باعث تغییر و تحول در محیط کار خواهد شد. اما تا آنجا که همه شغل هایمان را از دست می دهیم؟ اکثر کارشناسان فکر نمی کنند که این اتفاق خواهد افتاد.

در حالی که یادگیری ماشین نمی تواند جای انسان را در همه مشاغل بگیرد ، اما می تواند بسیاری از وظایف شغلی مرتبط با آنها را تغییر دهد. بایرون اسپیس می گوید: "کارهایی که تصمیم گیری سریع را براساس داده ها انجام می دهند ، مناسب برای برنامه های ML هستند ؛ درصورتی که تصمیم به زنجیره های طولانی استدلال ، دانش متنوع و یا عقل متکی باشد ، بستگی ندارد." مدیر عامل روابط رسانه ای در کارنگی ملون است. دانشکده علوم کامپیوتر دانشگاه (ادویه ، بایرون. یادگیری ماشین باعث تغییر شغل می شود. دانشگاه کارنگی ملون. 21 دسامبر 2017).

در Science Magazine ، اریک بریفولسون و تام میچل می نویسند ، "تقاضای نیروی کار به احتمال زیاد برای کارهایی که جایگزین نزدیک برای قابلیت های ML هستند ، کاهش می یابد ، در حالی که بیشتر برای کارهایی که مکمل این سیستم ها هستند ، بیشتر می شود. سیستم از آستانه عبور می کند که در آن وظیفه ای مقرون به صرفه تر از انسانها خواهد بود ، کارآفرینان و حداکثر سودجویان به طور فزاینده به دنبال جایگزینی ماشین آلات برای مردم هستند. و صنایع تجدید ساختار (Brynjolfsson ، اریک و میچل ، تام. یادگیری ماشین چه کاری می تواند انجام دهد؟ پیامدهای نیروی کار. علم. 22 دسامبر 2017).

آیا در یادگیری ماشین شغلی می خواهید؟

مشاغل موجود در یادگیری ماشین نیاز به تخصص در علوم کامپیوتر ، آمار و ریاضی دارد. افراد زیادی با پیشینه در این زمینه ها به این رشته می آیند. بسیاری از دانشکده ها که مهارت اصلی در یادگیری ماشینی را ارائه می دهند ، رویکرد چند رشته ای را با برنامه درسی در نظر می گیرند که علاوه بر علوم رایانه ، مهندسی برق و کامپیوتر ، ریاضیات و آمار (16 مدرسه برتر برای یادگیری ماشین. AdmissionTable.com) را شامل می شود.

برای کسانی که قبلاً در صنعت فناوری اطلاعات فعالیت داشته اند ، انتقال به یک کار ML یک جهش دور نیست. ممکن است شما در حال حاضر بسیاری از مهارت های مورد نیاز خود را داشته باشید. حتی ممکن است کارفرمای شما در انجام این انتقال کمک کند. مطابق مقاله استیون لوی ، "در حال حاضر تعداد زیادی از افراد متخصص در ML نیستند ، بنابراین شرکت هایی مانند گوگل و فیس بوک مهندسانی را آموزش می دهند که تخصص آنها در رمزگذاری سنتی است."

در حالی که بسیاری از مهارتهایی که شما به عنوان یک متخصص IT توسعه داده اید به یادگیری ماشین منتقل می شود ، ممکن است کمی چالش برانگیز باشد. امیدوارم که شما در طول کلاسهای دانشکده خود بیدار بمانید زیرا ML به درک جدی از آن موضوع و همچنین ریاضی اعتماد می کند. لوی می نویسد که کد نویسان باید مایل باشند از کنترل کامل خود بر برنامه نویسی یک سیستم دست بکشند.

اگر کارفرمای فناوری شما ML Google و Facebook را مجدداً آموزش ندهد ، شانس ندارید. کالج ها و دانشگاه ها و همچنین سکوهای یادگیری آنلاین مانند Udemy و Coursera کلاس هایی را ارائه می دهند که اصول یادگیری ماشین را آموزش می دهد. با این حال ، مهم است که تخصص خود را با استفاده از کلاس های آماری و ریاضیات دور کنید.

عناوین شغلی و درآمد

عناوین اصلی شغلی که هنگام جستجوی شغل در این زمینه با آنها مواجه خواهید شد شامل مهندس یادگیری ماشین و دانشمند داده است.

مهندسان یادگیری ماشین "عملیات یک پروژه یادگیری ماشینی را اجرا می کنند و وظیفه مدیریت زیرساخت ها و خطوط لوله داده را که برای تولید کد لازم هستند ، دارند. دانشمندان داده بیشتر از سمت کد نویسی در سمت داده و تحلیل الگوریتمهای توسعه هستند. آنها همچنین داده ها را جمع آوری ، تمیز و آماده می کنند (ژو ، آدلین. "عنوانهای شغلی هوش مصنوعی: مهندس یادگیری ماشین چیست؟" فوربز. 27 نوامبر 2017).

براساس ارسال های کاربر از افراد شاغل در این مشاغل ، Glassdoor.com گزارش می دهد که مهندسین و دانشمندان ML داده ها مبلغ پایه ای معادل 120.931 دلار کسب می کنند. حقوق از 87 هزار دلار پایین تا 158000 دلار بالا می رود (حقوق مهندس یادگیری ماشین. Glassdoor.com. 1 مارس 2018). اگرچه Glassdoor این عناوین را گروه بندی می کند ، اما تفاوت هایی بین آنها وجود دارد.

شرایط لازم برای مشاغل یادگیری ماشین

مهندسان ML و دانشمندان داده ها کارهای مختلفی انجام می دهند ، اما بین آنها همپوشانی زیادی وجود دارد. اطلاعیه شغلی برای هر دو موقعیت اغلب الزامات مشابهی دارند. بسیاری از کارفرمایان ، لیسانس ، کارشناسی ارشد و دکترا را در رشته کامپیوتر یا مهندسی ، آمار یا ریاضیات ترجیح می دهند.

برای اینکه یک حرفه ای یادگیری ماشین باشید ، به ترکیبی از مهارت های فنی - مهارت های آموخته شده در مدرسه یا کار - و مهارت های نرم نیاز خواهید داشت. مهارت های نرم توانایی هایی است که در کلاس نمی آموزند بلکه در عوض با تجربه زندگی متولد می شوند. باز هم ، بین مهارتهای مورد نیاز مهندسان ML و دانشمندان داده همپوشانی زیادی وجود دارد.

اطلاعیه شغلی نشان می دهد که افرادی که در مشاغل مهندسی ML کار می کنند باید با چارچوب های یادگیری ماشین مانند TensorFlow ، Mlib ، H20 و Theano آشنا شوند. آنها نیاز به یک پیش زمینه قوی در برنامه نویسی دارند که شامل تجربه در زمینه زبان های برنامه نویسی مانند Java یا C / C ++ و زبان های برنامه نویسی مانند Perl یا Python است. تخصص در آمار و تجربه با استفاده از بسته های نرم افزاری آماری برای تجزیه و تحلیل مجموعه های بزرگ از داده ها نیز از جمله مشخصات موجود است.

انواع مهارت های نرم به شما امکان موفقیت در این زمینه را می دهد. از جمله انعطاف پذیری ، سازگاری و استقامت است. توسعه یک الگوریتم نیاز به آزمایش و خطا دارد و بنابراین صبر و شکیبایی. باید یک الگوریتم را آزمایش کرد تا ببیند که آیا این کار می کند یا خیر ، اگر یک نسخه جدید را توسعه دهیم.

مهارت های ارتباطی عالی بسیار ضروری است. متخصصان یادگیری ماشین ، که غالباً در تیم ها فعالیت می کنند ، برای همکاری با دیگران به مهارت های گوش دادن ، صحبت کردن و مهارت های فردی نیاز دارند و همچنین باید یافته های خود را به همکارانشان ارائه دهند. علاوه بر این ، آنها باید زبان آموزان فعال باشند که می توانند اطلاعات جدیدی را در کار خود بگنجانند. در صنعتی که نوآوری در آن ارزش دارد ، فرد باید خلاق باشد تا برتری داشته باشد.