Feines destacades per a l'aprenentatge de màquines

Content

• Què és l'aprenentatge automàtic?
• Indústries que utilitzen l'aprenentatge automàtic
• Com canvia l’aprenentatge per màquina el lloc de treball
• Voleu una carrera professional en l'aprenentatge automàtic?
• Títols i guanys de feina
• Requisits per a les feines d'aprenentatge automàtic

A la part superior de l’informe de llocs de treball emergents dels EUA de LinkedIn, hi havia dues ocupacions en el camp Machine Learning: Engineer Machine Learning i Data Scientist. L’ocupació per als enginyers d’aprenentatge de màquines va créixer un 9,8 cops entre el 2012 i el 2017 i la feina de científics de dades va augmentar 6,5 vegades durant el mateix període de cinc anys. Si continua la tendència, aquestes ocupacions tindran perspectives laborals que superen moltes altres ocupacions. Amb un futur tan brillant, podria ser una feina en aquest camp adequada?

Què és l'aprenentatge automàtic?

L’aprenentatge automàtic (ML) és exactament el que sona. Aquesta tecnologia implica ensenyar màquines a realitzar tasques específiques. A diferència de la codificació tradicional que proporciona instruccions que indiquen als ordinadors què fer, ML els proporciona dades que els permeten esbrinar per si mateixos, igual que ho faria un ésser humà o un animal. Sembla màgia, però no ho és. Suposa la interacció d’informàtics i d’altres persones amb coneixements relacionats. Aquests professionals de les TI creen programes anomenats algoritmes (conjunts de regles que resolen un problema) i després els proporcionen grans conjunts de dades que els ensenyen a fer prediccions basades en aquesta informació.

L’aprenentatge automàtic és un "subconjunt d’intel·ligència artificial que permet als ordinadors realitzar tasques que no han estat programades explícitament per fer" (Dickson, Ben. Habilitats que necessiteu fer un treball d’aprenentatge de màquines. It Career Finder. 18 de gener de 2017). Ha esdevingut més complicat, però encara més habitual, al llarg dels anys. Steven Levy, en un article que parla de la priorització de Google de l'aprenentatge automàtic i la formació de nou dels enginyers de la companyia, escriu: "Durant molts anys, l'aprenentatge de màquines va ser considerat una especialitat, limitada. a poques elits. Aquesta època s’ha acabat, ja que els resultats recents indiquen que l’aprenentatge de màquines, impulsat per “xarxes neuronals” que imiten el funcionament d’un cervell biològic, és el veritable camí cap a l’aplicació d’ordinadors amb els poders dels humans i, en alguns casos, super humans ”( Levy, Steven. Com funciona Google es torna a remetre com a fil conductor per primera vegada a l'aprenentatge automàtic. 22 de juny de 2016).

Com s’utilitza l’aprenentatge automàtic en el "món real?" La majoria de nosaltres topem amb aquesta tecnologia diàriament sense pensar-hi gaire. Si feu servir Google o un altre motor de cerca, els resultats que es mostren a la part superior de la pàgina són el resultat de l'aprenentatge automàtic. El text predictiu, així com la característica de correcció automàtica de vegades malignes a l'aplicació de missatges de text del telèfon intel·ligent, són també el resultat de l'aprenentatge automàtic. Les pel·lícules i les cançons recomanades a Netflix i Spotify són exemples més de com utilitzem aquesta tecnologia de ràpid creixement mentre no la notem. Més recentment, Google va introduir Smart Reply a Gmail. Al final d’un missatge, presenta a un usuari tres possibles respostes en funció del contingut. Actualment, Uber i altres companyies estan provant cotxes amb autoprojecte.

Indústries que utilitzen l'aprenentatge automàtic

L’ús de l’aprenentatge automàtic arriba molt més enllà del món de la tecnologia. SAS, una empresa de programari analítica, informa que moltes indústries han adoptat aquesta tecnologia. La indústria de serveis financers utilitza ML per identificar oportunitats d’inversió, informar als inversors quan han de negociar, reconèixer quins clients tenen perfils d’alt risc i detectar fraus. En l’atenció sanitària, els algoritmes ajuden a diagnosticar malalties recollint anormalitats.

Alguna vegada us heu preguntat la pregunta: "Per què un anunci sobre aquest producte estic pensant a comprar apareix a totes les pàgines web que visito?" ML permet que la indústria de màrqueting i vendes analitzi els consumidors en funció de la història de la seva compra i cerca. L’adaptació d’aquesta tecnologia de la indústria del transport detecta problemes potencials a les rutes i ajuda a fer-les més eficients. Gràcies a ML, la indústria del petroli i del gas pot identificar noves fonts d’energia (Aprenentatge automàtic: què és i per què importa. SAS).

Com canvia l’aprenentatge per màquina el lloc de treball

Les prediccions sobre les màquines que ocupen tots els nostres llocs de treball han estat durant dècades, però finalment ML farà que això sigui una realitat? Els experts pronostiquen que aquesta tecnologia té i continuarà modificant el lloc de treball. Però, quant a treure totes les nostres feines? La majoria dels experts no creuen que això passarà.

Si bé l’aprenentatge automàtic no pot ocupar el lloc dels éssers humans en totes les ocupacions, pot canviar molts dels deures laborals associats a ells. "Les tasques que consisteixen a prendre decisions ràpides basades en dades són adequades per als programes de ML; no si la decisió depèn de llargues cadenes de raonaments, coneixements de fons diversos o sentit comú", diu Byron Spice. Spice és el director de Relacions amb els mitjans de comunicació a Carnegie Mellon School of Computer Science de la Universitat (Spice, Byron. Machine Learning canviarà feina. Universitat Carnegie Mellon. 21 de desembre de 2017).

A Science Magazine, Erik Brynjolfsson i Tom Mitchell escriuen, "la demanda laboral és més probable que caigui per a tasques que són substitutives properes a les capacitats de ML, mentre que és més probable augmentar per a tasques complementàries per a aquests sistemes. Cada vegada que una ML el sistema supera el llindar on esdevé més rendible que els humans en una tasca, els empresaris i els directius amb un màxim de beneficis buscaran cada cop més la substitució de màquines de persones, cosa que pot tenir efectes a tota l’economia, augmentar la productivitat, disminuir els preus, canviar la demanda laboral, i les indústries de reestructuració (Brynjolfsson, Erik i Mitchell, Tom. Què pot fer l'aprenentatge automàtic? Implicació de la mà d'obra. Ciència. 22 de desembre de 2017).

Voleu una carrera professional en l'aprenentatge automàtic?

La carrera d’aprenentatge automàtic requereix experiència en informàtica, estadístiques i matemàtiques. Moltes persones vénen a aquest camp amb antecedents en aquests camps. Molts col·legis que ofereixen un gran desenvolupament en l'aprenentatge de màquines adopten un enfocament multidisciplinari amb un currículum que inclou, a més d'informàtica, enginyeria elèctrica i informàtica, matemàtiques i estadístiques (16 millors escoles per a l'aprenentatge de màquines. AdmissionTable.com).

Per a aquells que ja participen en la indústria de les tecnologies de la informació, la transició cap a un lloc de treball no és un salt àmplia. És possible que ja tingueu moltes de les habilitats que necessiteu. El vostre empresari pot fins i tot ajudar-vos a fer aquesta transició. Segons l’article de Steven Levy, "actualment no hi ha molta gent experta en ML, per la qual cosa empreses com Google i Facebook estan enginyers de formació nova que tenen una experiència especialitzada en la codificació tradicional".

Tot i que moltes de les habilitats que heu desenvolupat com a professional informàtic es transferiran a l'aprenentatge automàtic, pot ser que sigui una mica difícil. Tant de bo us hagueu quedat despert durant les vostres classes d’estadístiques universitàries perquè ML es basa en una comprensió important d’aquest tema, així com en matemàtiques. Levy escriu que els codificadors han d’estar disposats a renunciar al control total que tenen sobre la programació d’un sistema.

No esteu de sort si el vostre empresari tecnològic no proporciona la revisió ML de Google i Facebook. Facultats i universitats, així com plataformes d’aprenentatge en línia com Udemy i Coursera, ofereixen classes que ensenyen els fonaments bàsics de l’aprenentatge automàtic. Tanmateix, és crucial completar la vostra experiència mitjançant estadístiques i classes de matemàtiques.

Títols i guanys de feina

Els títols principals de les feines que trobareu quan busqueu una feina en aquest camp inclouen enginyer en aprenentatge de màquines i científic de dades.

Els enginyers d'aprenentatge de màquines "fan funcionar un projecte d'aprenentatge de màquines i són els responsables de gestionar la infraestructura i les canonades de dades necessàries per portar el codi a la producció." Els científics de dades es troben al costat de les dades i anàlisis dels algoritmes en desenvolupament, més que a la codificació. També recopilen, netegen i preparen dades (Zhou, Adelyn. "Títols de treballs en intel·ligència artificial: què és un enginyer en aprenentatge de màquines?", Forbes. 27 de novembre de 2017).

Basat en les comunicacions dels usuaris que treballen en aquestes feines, Glassdoor.com informa que enginyers de ML i científics de dades guanyen un salari base mitjà de 120.931 dòlars. Els salaris oscil·len entre un mínim de 87.000 dòlars i un màxim de 158.000 dòlars (salaris de Machine Learning Engineer. Glassdoor.com. 1 de març de 2018). Tot i que Glassdoor agrupa aquests títols, hi ha algunes diferències entre ells.

Requisits per a les feines d'aprenentatge automàtic

Els enginyers de ML i els científics de dades fan diferents treballs, però hi ha moltes coincidències entre ells. Les convocatòries de llocs de treball ambdues posicions sovint tenen requisits similars. Molts empresaris prefereixen estudis de llicenciatura, màster o doctorat en informàtica o enginyeria, estadístiques o matemàtiques.

Per ser un professional d’aprenentatge de màquines, necessitareu una combinació d’habilitats tècniques (habilitats apreses a l’escola o a la feina) i habilitats suaus. Les habilitats suaus són les habilitats que no aprenen a l'aula, sinó que neixen o adquireixen a través de l'experiència de la vida. Una vegada més, hi ha una gran coincidència entre les habilitats necessàries per als enginyers de ML i els científics de dades.

Els anuncis de feina revelen que aquells que treballen en treballs d’enginyeria de ML han d’estar familiaritzats amb marcs d’aprenentatge automàtic com TensorFlow, Mlib, H20 i Theano. Necessiten un bagatge fort en la codificació, incloent experiència amb llenguatges de programació com Java o C / C ++ i llenguatges de script com Perl o Python. També s'inclouen les competències en estadística i experiència amb paquets de programari estadístics per analitzar grans conjunts de dades.

Una varietat d’habilitats suaus us permetrà tenir èxit en aquest camp. Entre elles es troben la flexibilitat, l’adaptabilitat i la constància. Desenvolupar un algorisme requereix molta prova i error i, per tant, paciència. S’ha de provar un algorisme per veure si funciona i, si no, se’n desenvolupa un de nou.

És imprescindible una excel·lent habilitat comunicativa. Els professionals de l’aprenentatge de màquines, que treballen sovint en equips, necessiten habilitats superiors d’escolta, parla i interpersonal per col·laborar amb altres persones, i també han de presentar els seus resultats als seus col·legues. A més, haurien de ser aprenentatges actius que puguin incorporar informació nova a la seva feina. En una indústria on es valora la innovació, cal ser creatiu per sobresortir.