Mashinani o'rganish bo'yicha eng yaxshi ish joylari

Tarkib

• Mashinani o'rganish nima?
• Mashinasozlikdan foydalanadigan tarmoqlar
• Mashinani o'rganish ish joyini qanday o'zgartiradi
• Siz mashinani o'rganishda karyera qilishni xohlaysizmi?
• Ish unvonlari va daromadlar
• Mashinani o'rganish ishlariga qo'yiladigan talablar

LinkedIn-ning 2017 yildagi AQShning rivojlanayotgan ishlari to'g'risidagi hisobotining eng yuqori qismida "Mashinalarni o'rganish" sohasidagi ikkita mashg'ulot mavjud: Mashinalarni o'rganish bo'yicha muhandis va ma'lumotshunos. Mashinasozlik bo'yicha muhandislarning ish bilan ta'minlanishi 2012 va 2017 yillar orasida 9,8 martaga o'sdi va ma'lumotlar olimi bo'yicha ishchilar shu besh yil ichida 6,5 ​​martaga oshdi. Agar tendentsiya davom etsa, ushbu kasblar boshqa kasblardan yuqori bo'lgan bandlik ko'rsatkichlariga ega bo'ladi. Kelajagi shunchalik porloq bo'lsa, ushbu sohadagi ish sizga mos keladimi?

Mashinani o'rganish nima?

Mashinani o'rganish (ML) - bu xuddi xuddi shunday. Ushbu texnologiya ma'lum vazifalarni bajarish uchun o'qitish mashinalarini o'z ichiga oladi. Kompyuterlarga nima qilish kerakligini ko'rsatadigan an'anaviy kodlashdan farqli o'laroq, ML ularga odam yoki hayvon kabi bajaradigan narsalarini mustaqil ravishda aniqlashga imkon beradigan ma'lumotlarni taqdim etadi. Bu sehr kabi eshitiladi, lekin unday emas. Bu kompyuter olimlari va boshqa mutaxassislarning tegishli bilimlar bilan o'zaro ta'sirini o'z ichiga oladi. Ushbu IT mutaxassislari muammoni hal qiladigan algoritmlar - qoidalar to'plamini yaratadilar va keyinchalik ularga ushbu ma'lumotlarga asoslanib bashorat qilishni o'rgatadigan katta miqdordagi ma'lumotlar bilan ta'minlaydilar.

Mashinada o'qitish - bu "kompyuterlarga aniq bajarilmagan dasturlarni bajarishga imkon beradigan sun'iy intellektning to'plami" (Dikson, Ben. Skills Siz Machine Learning Work ishini topshirishingiz kerak. Ishga qabul qilish joyi. 2017 yil 18 yanvar.) Bu yillar davomida yanada murakkab, ammo odatiy holga aylandi .. Stiven Levi Google kompaniyasida muhandislarni o'qitish va qayta tayyorlashni ustuvor yo'nalishlariga bag'ishlangan maqolasida shunday yozadi: "Ko'p yillar davomida mashinasozlik ixtisoslik hisoblangan. elita oz soniga. Bu davr tugadi, chunki so'nggi natijalar shuni ko'rsatadiki, biologik miyaning ishlashiga taqlid qiluvchi "asabiy tarmoqlar" yordamida ishlaydigan kompyuterlar odamlarning kuchi va ba'zi holatlarda super odamlarning kompyuterlarini taqlid qilishning haqiqiy yo'li. ( Levi, Stiven (Google) Qanday qilib o'zlarini mashina o'rganish bo'yicha birinchi kompaniya simsiz ravishda qayta tiklanmoqda (2016 yil 22-iyun).

"Haqiqiy dunyoda" mashina o'rganish qanday qo'llaniladi? Ko'pchiligimiz har kuni ushbu texnologiyani ko'p o'ylamasdan uchratamiz. Google yoki boshqa qidiruv tizimidan foydalanganda, sahifaning yuqori qismida paydo bo'ladigan natijalar mashinani o'rganish natijasidir. Smartfoningizdagi SMS xabarlar ilovasidagi bashoratli matnlar va ba'zida noto'g'ri tahrirlangan avtomatik sozlash xususiyati ham mashinani o'rganish natijasidir. Netflix va Spotify-da tavsiya etilgan filmlar va qo'shiqlar, biz tez o'sib borayotgan texnologiyani qanday ishlatayotganimizga yana bir misoldir. Yaqinda Google Gmail-da Smart Javobni taqdim etdi. Xabarning oxirida, foydalanuvchiga tarkibga asoslangan uchta mumkin bo'lgan javoblar taqdim etiladi. Uber va boshqa kompaniyalar hozirda o'zini o'zi boshqaradigan mashinalarni sinovdan o'tkazmoqdalar.

Mashinasozlikdan foydalanadigan tarmoqlar

Mashinada o'qitish texnologiyasidan foydalanish texnologiya olamidan ancha yuqori. SAS, tahliliy dasturiy ta'minot kompaniyasi, ko'plab sanoat ushbu texnologiyani qabul qilganligini xabar qiladi. Moliyaviy xizmat ko'rsatish sohasi ML-dan investitsiya imkoniyatlarini aniqlash, investorlarga qachon savdo qilish kerakligini bilish, qaysi mijozlar yuqori xavfli profillarga ega ekanliklarini aniqlash va firibgarlikni aniqlash uchun foydalanadi. Tibbiyotda algoritmlar anormalliklarni aniqlash orqali kasalliklarni aniqlashga yordam beradi.

Siz biron-bir savol berganmisiz, "nima uchun men tashrif buyurgan har bir veb-sahifada reklama mahsulotini sotib olishni o'ylayotgan mahsulot haqida reklama?" ML marketing va savdo sanoatiga iste'molchilarni sotib olish va qidirish tarixlari asosida tahlil qilish imkonini beradi. Transport sanoatining ushbu texnologiyani moslashtirishi yo'nalishlarda yuzaga kelishi mumkin bo'lgan muammolarni aniqlaydi va ularni samaraliroq qilishga yordam beradi. ML tufayli, neft va gaz sanoati yangi energiya manbalarini aniqlay oladi (Machine Learning: Bu nima va u nima uchun muhim? SAS).

Mashinani o'rganish ish joyini qanday o'zgartiradi

Bizning barcha ishlarni o'z zimmamizga oladigan mashinalar haqida bashoratlar o'nlab yillar davomida bo'lib kelgan, ammo ML nihoyat buni haqiqatga aylantiradimi? Mutaxassislar ushbu texnologiya ish joyini o'zgartiradi va davom ettiradi deb taxmin qilishmoqda. Ammo hamma ishlarimizni olib qo'yishga qadar? Aksariyat mutaxassislar bunday bo'lmaydi deb o'ylashadi.

Mashinada o'qitish barcha kasblarda insonning o'rnini egallay olmasa-da, lekin u bilan bog'liq bo'lgan ish vazifalarini o'zgartirishi mumkin. "Ma'lumotlar asosida tezkor qarorlar qabul qilishni o'z ichiga oladigan vazifalar ML dasturlari uchun juda mosdir; ammo agar qaror uzoq fikrlash zanjiriga, turli xil bilimlar va aql-idrokka bog'liq bo'lmasa," deydi Bayron Spays. Spays Karnegi Mellonning media bilan aloqalar bo'yicha direktori. Universitetning kompyuter fanlari maktabi (Spayse, Bayron. Mashinada o'qitish ishlarni o'zgartiradi. Karnegi Mellon universiteti. 21 dekabr, 2017).

Ilmiy jurnalda Erik Braynjolfsson va Tom Mitchellning yozishicha, "ML qobiliyatlari o'rnini bosadigan vazifalar uchun mehnatga bo'lgan talab ko'proq tushadi, holbuki bu tizimlar uchun to'ldiriladigan vazifalar soni ko'payadi. Har safar ML tizim vazifani bajarishda odamlarga qaraganda iqtisodiy jihatdan samaraliroq bo'lib, daromadni ko'paytiradigan tadbirkorlar va menejerlar odamlar uchun moslamalarni almashtirishga intilishadi. Bu butun iqtisodiyotga ta'sir ko'rsatishi, samaradorlikni oshirishi, narxlarni pasaytirishi, ishchi kuchiga talabning o'zgarishi, va sanoatni qayta qurish (Brynjolfsson, Erik va Mitchell, Tom. Mashinada nimani o'rganish mumkin? Ishchi kuchining ta'siri. Ilmiy. 22 dekabr 2017 yil).

Siz mashinani o'rganishda karyera qilishni xohlaysizmi?

Mashinasozlik sohasida karyera informatika, statistika va matematikada tajribaga muhtoj. Ko'p odamlar bu sohaga kelib, o'sha sohalarda ma'lum bo'lgan. Mashinada o'qitish bo'yicha mutaxassislikni taklif etadigan ko'plab kollejlar o'quv faniga qo'shimcha ravishda informatika, elektrotexnika va kompyuter muhandisligi, matematika va statistikani o'z ichiga oladi (Mashinalarni o'qitish bo'yicha eng yaxshi 16 maktab. AdmissionTable.com).

Axborot texnologiyalari sanoatida allaqachon ish bilan band bo'lganlar uchun ML ishiga o'tish unchalik katta qadam emas. Ehtimol siz allaqachon zarur bo'lgan ko'plab ko'nikmalarga ega bo'lishingiz mumkin. Sizning ish beruvchingiz hatto sizga ushbu o'tish jarayonini o'tkazishda yordam berishi mumkin. Stiven Levining maqolasida aytilishicha, "hozirgi kunda MLda ishlaydigan mutaxassislar ko'p emas, shuning uchun Google va Facebook singari kompaniyalar an'anaviy kodlash bilan shug'ullanadigan muhandislarni qayta tayyorlashmoqda".

IT mutaxassisi sifatida rivojlantirgan ko'plab ko'nikmalaringiz mashinani o'rganishga o'tishi bilan birga, biroz qiyin bo'lishi mumkin. Umid qilamanki, kollej statistikasi darslarida hushyor turdingiz, chunki ML matematikadan tashqari ushbu mavzuni juda yaxshi tushunishga tayanadi. Levining yozishicha, kodlovchilar tizimni dasturlash ustidan to'liq nazoratdan voz kechishga tayyor bo'lishlari kerak.

Agar sizning texnik ish beruvchingiz Google va Facebook-da ML-da o'qishni ta'minlamasa, omadingiz kelmaydi. Kollejlar va universitetlar, shuningdek, Udemy va Coursera kabi onlayn o'quv platformalari mashinasozlik asoslarini o'rgatadigan darslarni taklif qiladi. Ammo, statistika va matematikadan dars olib, o'z tajribangizni aniqlab olish juda muhimdir.

Ish unvonlari va daromadlar

Ushbu sohada ish qidirishda duch keladigan asosiy ish unvonlari mashinasozlik bo'yicha muhandis va ma'lumotshunosni o'z ichiga oladi.

Mashinalarni o'rganish bo'yicha muhandislar "mashinalarni o'rganish bo'yicha loyihani boshqaradi va kodni ishlab chiqarishga etkazish uchun zarur bo'lgan infratuzilma va ma'lumotlar quvurlarini boshqarish uchun javobgardir." Ma'lumotlar bo'yicha olimlar kodlash tomoniga emas, balki algoritmlarni ishlab chiqish va tahlil qilish tomonidadirlar. Shuningdek, ular ma'lumotlarni yig'adilar, tozalaydilar va tayyorlaydilar (Zhou, Adelyn. "Sun'iy intellekt bo'yicha ish unvonlari: Mashinani o'rganish bo'yicha muhandis nima?" Forbes. 2017 yil 27-noyabr).

Ushbu ishlarda ishlaydigan odamlarning foydalanuvchi murojaatlari asosida, Glassdoor.com xabariga ko'ra, ML muhandislari va ma'lumotlar bo'yicha olimlar o'rtacha ish haqi 120 931 AQSh dollari miqdorida maosh olishadi. Ish haqi $ 87,000 dan $ 158,000 gacha yuqori (Machine Learning Engineer Salaries. Glassdoor.com. 2018 yil 1 mart). "Glassdoor" ushbu nomlarni guruhlarga ajratsa ham, ular orasida ba'zi farqlar mavjud.

Mashinani o'rganish ishlariga qo'yiladigan talablar

ML muhandislari va ma'lumotlar bo'yicha olimlar turli xil ishlarni qilishadi, ammo ular orasida juda ko'p o'xshashliklar mavjud. Ikkala lavozim uchun ham ish joylari to'g'risidagi e'lonlar ko'pincha shunga o'xshash talablarga ega. Ko'p ish beruvchilar informatika yoki muhandislik, statistika yoki matematikada bakalavr, magistr yoki doktorlik darajalarini afzal ko'rishadi.

Mashinasozlik bo'yicha professional bo'lish uchun sizga texnik ko'nikmalar - maktabda yoki ishda o'rganilgan ko'nikmalar va yumshoq ko'nikmalar birikmasi kerak bo'ladi. Yumshoq ko'nikmalar - bu o'zlarining qobiliyatlari bo'lib, ular sinfda o'rganmaydilar, aksincha ular hayotiy tajriba bilan tug'iladilar yoki o'rganadilar. Shunga qaramay, ML muhandislari va ma'lumot olimlari uchun zarur bo'lgan ko'nikmalar o'rtasida juda ko'p ziddiyat mavjud.

Ish e'lonlari shuni ko'rsatadiki, ML muhandislik sohasida ishlaydiganlar TensorFlow, Mlib, H20 va Theano kabi mashinalarni o'rganish tizimlari bilan tanish bo'lishi kerak. Ular kodlashda kuchli ma'lumotga, shu jumladan Java yoki C / C ++ kabi dasturlash tillari va Perl yoki Python kabi skript tillari bilan ishlash tajribasiga ega. Katta ma'lumot to'plamlarini tahlil qilish uchun statistik dasturiy ta'minot paketlaridan foydalanish statistikasi va tajribasi ham o'ziga xos xususiyatlar qatoriga kiradi.

Turli xil yumshoq ko'nikmalar bu sohada muvaffaqiyatga erishishga imkon beradi. Ular orasida moslashuvchanlik, moslashuvchanlik va qat'iyatlilik mavjud. Algoritmni ishlab chiqish ko'p sinov va xatolarni talab qiladi, shuning uchun sabr-toqat talab etiladi. Biror algoritmni ishlashini tekshirish kerak va agar bo'lmasa, yangisini ishlab chiqish kerak.

Zo'r muloqot qobiliyatlari juda muhimdir. Mashinalarni o'rganish bo'yicha mutaxassislar, ko'pincha jamoalarda ishlaydiganlar, boshqalar bilan hamkorlik qilish uchun yuqori darajadagi tinglash, gapirish va shaxslararo ko'nikmalarga muhtoj bo'lib, o'zlarining natijalarini hamkasblariga taqdim etishlari kerak. Bundan tashqari, ular o'zlarining ishlariga yangi ma'lumotlarni kirita oladigan faol o'quvchilar bo'lishlari kerak. Yangilik qadrlanadigan sohada ustunlikka erishish uchun ijodiy bo'lishi kerak.