Top Machine Learning Jobs

Inhoud

• Wat is machine learning?
• Industrieën die machine learning gebruiken
• Hoe machine learning de werkplek verandert
• Wil je een carrière in machine learning?
• Functietitels en inkomsten
• Vereisten voor de Machine Learning Jobs

Bovenaan LinkedIn's US Emerging Jobs Report 2017 stonden twee beroepen op het gebied van Machine Learning: Machine Learning Engineer en Data Scientist. De werkgelegenheid voor ingenieurs van machine learning groeide tussen 2012 en 2017 met 9,8 keer en de banen voor gegevenswetenschappers namen in dezelfde periode van vijf jaar 6,5 keer toe. Als de trend zich voortzet, zullen deze beroepen vooruitzichten op werk hebben die vele andere beroepen overtreffen. Met een zo rooskleurige toekomst, zou een baan op dit gebied iets voor jou kunnen zijn?

Wat is machine learning?

Machine learning (ML) is precies hoe het klinkt. Bij deze technologie worden machines aangeleerd om specifieke taken uit te voeren. In tegenstelling tot traditionele codering die instructies geeft die computers vertellen wat ze moeten doen, voorziet ML hen van gegevens waarmee ze het zelf kunnen uitzoeken, net zoals een mens of dier dat zou doen. Klinkt als magie, maar dat is het niet. Het gaat om de interactie van informatici en anderen met gerelateerde expertise. Deze IT-professionals maken programma's die algoritmen worden genoemd - regelsets die een probleem oplossen - en voeren vervolgens grote hoeveelheden gegevens in die hen leren voorspellingen te doen op basis van deze informatie.

Machine learning is een "subset van kunstmatige intelligentie waarmee computers taken kunnen uitvoeren waarvoor ze niet expliciet zijn geprogrammeerd" (Dickson, Ben. Vaardigheden die je nodig hebt om een ​​machine learning-baan te krijgen. It Career Finder. 18 januari 2017.) Het is in de loop der jaren steeds gecompliceerder geworden, maar steeds gebruikelijker. Steven Levy schrijft in een artikel dat spreekt over de prioriteit die Google geeft aan machine learning en omscholing van de ingenieurs van het bedrijf: "Machine learning werd jarenlang beschouwd als een specialiteit, beperkt voor een enkeling. Dat tijdperk is voorbij, aangezien recente resultaten aangeven dat machine learning, mogelijk gemaakt door 'neurale netten' die de manier waarop een biologisch brein werkt, nabootst, het juiste pad is om computers de krachten van mensen en in sommige gevallen supermensen te geven '( Levy, Steven. Hoe Google zichzelf opnieuw maakt als een Machine Learning First Company Wired. 22 juni 2016).

Hoe wordt machine learning gebruikt in de 'echte wereld'? De meesten van ons komen deze technologie dagelijks tegen zonder er veel over na te denken. Wanneer u Google of een andere zoekmachine gebruikt, zijn de resultaten die bovenaan de pagina verschijnen het resultaat van machine learning. De voorspellende tekst, evenals de soms verguisde autocorrectiefunctie, op de sms-app van uw smartphone, zijn ook het resultaat van machine learning. Aanbevolen films en liedjes op Netflix en Spotify zijn verdere voorbeelden van hoe we deze snel groeiende technologie gebruiken terwijl we het nauwelijks opmerken. Meer recentelijk introduceerde Google Smart Reply in Gmail. Aan het einde van een bericht presenteert het een gebruiker met drie mogelijke antwoorden op basis van de inhoud. Uber en andere bedrijven testen momenteel zelfrijdende auto's.

Industrieën die machine learning gebruiken

Het gebruik van machine learning reikt veel verder dan de technische wereld. SAS, een analytisch softwarebedrijf, meldt dat veel industrieën deze technologie hebben toegepast. De financiële sector gebruikt ML om investeringsmogelijkheden te identificeren, investeerders te laten weten wanneer ze moeten handelen, te herkennen welke klanten risicovolle profielen hebben en fraude op te sporen. In de gezondheidszorg helpen algoritmen ziekten te diagnosticeren door afwijkingen op te sporen.

Heb je ooit de vraag gesteld: 'Waarom wordt een advertentie voor dat product die ik overweeg te kopen, weergegeven op elke webpagina die ik bezoek?' Met ML kan de marketing- en verkoopsector consumenten analyseren op basis van hun koop- en zoekgeschiedenis. De aanpassing van deze technologie door de transportsector detecteert potentiële problemen op routes en helpt deze efficiënter te maken. Dankzij ML kan de olie- en gasindustrie nieuwe energiebronnen identificeren (Machine Learning: What It Is and Why It Matters. SAS).

Hoe machine learning de werkplek verandert

Voorspellingen over machines die al onze banen overnemen bestaan ​​al tientallen jaren, maar zal ML dat eindelijk waarmaken? Experts voorspellen dat deze technologie de werkplek heeft en zal blijven veranderen. Maar wat betreft het wegnemen van al onze banen? De meeste experts denken niet dat dit zal gebeuren.

Hoewel machine learning niet in alle beroepen de plaats van mensen kan innemen, kan het veel van de taken die daarmee samenhangen veranderen. "Taken waarbij snelle beslissingen op basis van gegevens worden genomen, passen goed bij ML-programma's; niet als de beslissing afhankelijk is van lange redeneringen, uiteenlopende achtergrondkennis of gezond verstand", zegt Byron Spice. Spice is directeur van mediarelaties bij Carnegie Mellon School of Computer Science van de universiteit (Spice, Byron. Machine Learning zal banen veranderen. Carnegie Mellon University. 21 december 2017).

In Science Magazine schrijven Erik Brynjolfsson en Tom Mitchell: "De vraag naar arbeid zal eerder afnemen voor taken die een goede vervanging zijn voor de mogelijkheden van ML, terwijl het eerder zal toenemen voor taken die complementair zijn aan deze systemen. Elke keer dat een ML systeem overschrijdt de drempel waar het kosteneffectiever wordt dan mensen voor een taak, zullen winstmaximaliserende ondernemers en managers in toenemende mate trachten machines door mensen te vervangen. Dit kan effecten hebben in de hele economie, waardoor de productiviteit stijgt, de prijzen dalen, de vraag naar arbeid verschuift en herstructureringsindustrieën (Brynjolfsson, Erik en Mitchell, Tom. Wat kan machine learning doen? Implicaties voor het personeel. Wetenschap. 22 december 2017).

Wil je een carrière in machine learning?

Een loopbaan in machine learning vereist expertise op het gebied van informatica, statistiek en wiskunde. Veel mensen komen naar dit veld met een achtergrond in die velden. Veel hogescholen die een major in machine learning aanbieden, hanteren een multidisciplinaire aanpak met een curriculum dat naast informatica, elektrotechniek en computertechnologie, wiskunde en statistiek (Top 16 scholen voor machine learning. AdmissionTable.com) omvat.

Voor degenen die al betrokken zijn bij de informatietechnologie-industrie, is de overgang naar een ML-baan geen grote sprong. Je hebt misschien al veel van de vaardigheden die je nodig hebt. Uw werkgever kan u misschien zelfs helpen bij deze overgang. Volgens het artikel van Steven Levy "zijn er momenteel niet veel mensen die experts zijn in ML, dus bedrijven als Google en Facebook zijn omscholingstechnici wiens expertise ligt in traditionele codering."

Hoewel veel van de vaardigheden die je als IT-professional hebt ontwikkeld, zullen worden overgedragen aan machine learning, kan het een beetje uitdagend zijn. Hopelijk bleef je wakker tijdens je college statistieklessen omdat ML vertrouwt op een goed begrip van dat onderwerp, evenals wiskunde. Levy schrijft dat programmeurs bereid moeten zijn om de totale controle die ze hebben over het programmeren van een systeem op te geven.

U heeft geen pech als uw technische werkgever niet de ML-herscholing biedt die Google en Facebook wel zijn. Hogescholen en universiteiten, evenals online leerplatforms zoals Udemy en Coursera, bieden lessen aan die de basis van machine learning leren. Het is echter cruciaal om uw expertise af te ronden door statistieken en wiskundelessen te volgen.

Functietitels en inkomsten

De belangrijkste functietitels die u tegenkomt bij het zoeken naar een baan op dit gebied zijn onder meer machine learning engineer en data scientist.

Machine learning engineers "voeren de bewerkingen uit van een machine learning-project en zijn verantwoordelijk voor het beheer van de infrastructuur en datapijplijnen die nodig zijn om code tot productie te brengen." Gegevenswetenschappers bevinden zich aan de data- en analysezijde van het ontwikkelen van algoritmen, in plaats van aan de coderingskant. Ze verzamelen, schonen en bereiden ook gegevens voor (Zhou, Adelyn. "Functietitels voor kunstmatige intelligentie: wat is een machine learning-ingenieur?", Forbes. 27 november 2017).

Op basis van inzendingen van gebruikers van mensen die in deze banen werken, meldt Glassdoor.com dat ML-ingenieurs en datawetenschappers een gemiddeld basissalaris van $ 120.931 verdienen. Salarissen variëren van een dieptepunt van $ 87.000 tot een hoogtepunt van $ 158.000 (Machine Learning Engineer-salarissen. Glassdoor.com. 1 maart 2018). Hoewel Glassdoor deze titels groepeert, zijn er enkele verschillen tussen de titels.

Vereisten voor de Machine Learning Jobs

ML-ingenieurs en datawetenschappers doen verschillende taken, maar er is veel overlap tussen hen. Voor vacatures voor beide functies gelden vaak vergelijkbare vereisten. Veel werkgevers geven de voorkeur aan bachelor-, master- of doctorale graden in de informatica of techniek, statistiek of wiskunde.

Om een ​​professional op het gebied van machine learning te zijn, hebt u een combinatie van technische vaardigheden nodig - vaardigheden die u op school of op het werk hebt geleerd - en zachte vaardigheden. Soft skills zijn iemands vaardigheden die ze niet in de klas leren, maar in plaats daarvan worden geboren met of opdoen door levenservaring. Nogmaals, er is veel overlap tussen de vereiste vaardigheden voor ML-ingenieurs en datawetenschappers.

Uit werkaankondigingen blijkt dat degenen die in ML-technische banen werken bekend moeten zijn met machine learning-frameworks zoals TensorFlow, Mlib, H20 en Theano. Ze hebben een sterke achtergrond in codering nodig, inclusief ervaring met programmeertalen zoals Java of C / C ++ en scripttalen zoals Perl of Python. Deskundigheid in statistiek en ervaring met het gebruik van statistische softwarepakketten voor het analyseren van grote hoeveelheden gegevens behoren ook tot de specificaties.

Met een verscheidenheid aan soft skills kunt u op dit gebied slagen. Onder hen zijn flexibiliteit, aanpassingsvermogen en doorzettingsvermogen. Het ontwikkelen van een algoritme vereist veel vallen en opstaan ​​en dus geduld. Men moet een algoritme testen om te zien of het werkt en, zo niet, een nieuw ontwikkelen.

Uitstekende communicatieve vaardigheden zijn essentieel. Machine learning-professionals, die vaak in teams werken, hebben superieure luister-, spreek- en interpersoonlijke vaardigheden nodig om met anderen samen te werken en moeten hun bevindingen ook aan hun collega's presenteren. Ze moeten bovendien actieve leerlingen zijn die nieuwe informatie in hun werk kunnen opnemen. In een branche waar innovatie wordt gewaardeerd, moet je creatief zijn om uit te blinken.