Լավագույն մեքենայական ուսուցման աշխատանքներ

Բովանդակություն

• Ի՞նչ է սովորում մեքենայությունը:
• Արդյունաբերություն, որն օգտագործում է մեքենայական ուսուցում
• Ինչպե՞ս է մեքենայական ուսումը փոխում աշխատատեղը
• Machineանկանում եք կարիերա մեքենայական ուսուցման մեջ:
• Աշխատանքային տիտղոսներ և եկամուտներ
• Մեքենայական ուսուցման պահանջները

LinkedIn- ի 2017 թ.-ին ԱՄՆ-ի նոր զարգացող աշխատատեղերի զեկույցի սկիզբը մեքենայական ուսուցման ոլորտում երկու մասնագիտություն էր ՝ մեքենաշինության ուսուցման ինժեներ և տվյալների գիտնական: Մեքենաշինության ինժեներների զբաղվածությունը 2012-ից 2017 թվականների ընթացքում աճել է 9,8 անգամ, իսկ տվյալների գիտնականների աշխատատեղերը նույն 5 տարվա ընթացքում աճել են 6,5 անգամ: Եթե ​​միտումը շարունակվի, ապա այս զբաղմունքները կունենան աշխատանքի հեռանկարներ, որոնք գերազանցում են շատ այլ զբաղմունքների: Ապագա ունենալով այդքան պայծառ, կարո՞ղ է այս ոլորտում աշխատանքը ճիշտ լինել ձեզ համար:

Ի՞նչ է սովորում մեքենայությունը:

Մեքենայական ուսումը (ML) հենց այն է, ինչ հնչում է: Այս տեխնոլոգիան ներառում է ուսուցման մեքենաներ հատուկ առաջադրանքներ կատարելու համար: Ի տարբերություն ավանդական կոդավորման, որը տալիս է հրահանգներ, որոնք համակարգիչներին ասում են, թե ինչ անել, ML- ն նրանց տրամադրում է տվյալներ, որոնք թույլ են տալիս նրանց պարզել իրենց ինքնուրույն, շատ նման է մարդու կամ կենդանու: Կարծես մոգություն է, բայց դա այդպես չէ: Այն ներառում է համակարգչային գիտնականների և այլոց փոխկապակցվածությունը հարակից փորձաքննության հետ: ՏՏ ոլորտի այս մասնագետները ստեղծում են ծրագրեր, որոնք կոչվում են ալգորիթմներ. Մի շարք կանոններ, որոնք լուծում են խնդիրը, և այնուհետև նրանց կերակրում են տվյալների մեծ շարք, որոնք նրանց սովորեցնում են կանխատեսումներ անել այս տեղեկատվության հիման վրա:

Մեքենայական ուսուցումը «արհեստական ​​ինտելեկտի ենթահամակարգ է, որը համակարգիչներին հնարավորություն է տալիս կատարել այնպիսի գործառույթներ, որոնց մասին հստակ չեն ծրագրվել» (Դիքսոն, Բեն: Հմտություններ, որոնք դուք պետք է վայրէջք կատարեք մեքենայական ուսուցման գործով: Դա կարիերայի որոնիչ է. Հունվարի 18, 2017 թ.): Տարիների ընթացքում այն ​​դարձել է ավելի բարդ, բայց ավելի սովորական: Սթիվեն Լևին հոդվածում, որը խոսում է Google- ի ՝ ընկերության ինժեներների մեքենայական ուսուցման և վերապատրաստման առաջնահերթության մասին, գրում է. «Երկար տարիներ մեքենայական ուսումը համարվում էր մասնագիտություն, սահմանափակ դեպի էլիտար քչերը: Այդ դարաշրջանն ավարտվեց, քանի որ վերջին արդյունքները վկայում են, որ մեքենայական ուսուցումը, որը սնուցվում է «նյարդային ցանցերի» միջոցով, որոնք ընդօրինակում են կենսաբանական ուղեղը գործելու եղանակը, ճշմարիտ ուղին է համակարգիչներին մարդու ուժերով և, որոշ դեպքերում ՝ գերծանրքաշային համակարգիչներին դրդելու համար »: Լեվի, Սթիվեն. Google- ը ինչպես է վերականգնում ինքնուրույն, որպես մեքենայական ուսուցման առաջին ընկերությունը լարված: Հունիսի 22, 2016 թ.):

Ինչպե՞ս է մեքենայական ուսուցումն օգտագործվում «իրական աշխարհում»: Մեզանից շատերը ամեն օր բախվում են այս տեխնոլոգիային ՝ առանց այն շատ մտածելու: Երբ դուք օգտագործում եք Google- ը կամ մեկ այլ որոնման համակարգ, էջի վերևում հայտնված արդյունքները մեքենայական ուսուցման արդյունք են: Կանխատեսող տեքստը, ինչպես նաև երբեմն չարորակ ինքնորոշված ​​գործառույթը ձեր խելացի հեռախոսի texting հավելվածում նույնպես մեքենայական ուսուցման արդյունք են: Netflix- ում և Spotify- ում առաջարկվող ֆիլմերն ու երգերը ևս օրինակներ են այն մասին, թե ինչպես ենք մենք օգտագործում այս արագ զարգացող տեխնոլոգիան `միաժամանակ հազիվ նկատելով այն: Վերջերս Google- ը ներկայացրեց Smart պատասխանը Gmail- ում: Հաղորդագրության վերջում այն ​​օգտվողին ներկայացնում է երեք հնարավոր պատասխան `հիմնված բովանդակության վրա: Uber- ը և այլ ընկերություններ ներկայումս ստուգում են ինքնագնաց մեքենաներ:

Արդյունաբերություն, որն օգտագործում է մեքենայական ուսուցում

Մեքենայական ուսուցման օգտագործումը հասնում է տեխնոլոգիական աշխարհից շատ ավելին: SAS, վերլուծական ծրագրային ապահովման ընկերություն, հայտնում է, որ շատ արդյունաբերություններ որդեգրել են այս տեխնոլոգիան: Ֆինանսական ծառայությունների արդյունաբերությունը ML- ն օգտագործում է ներդրումային հնարավորությունները բացահայտելու համար, ներդրողներին տեղեկացնել, թե երբ է պետք առևտուր անել, ճանաչել, թե որ հաճախորդներն ունեն բարձր ռիսկային պրոֆիլներ և բացահայտում են խարդախությունները: Առողջապահության ոլորտում ալգորիթմները օգնում են ախտորոշել հիվանդությունները `վերցնելով աննորմալությունները:

Երբևէ հարց եք տվել. «Ինչու՞ է այդ ապրանքի համար գովազդը, որը ես մտածում եմ, թե երբ է այցելում իմ այցելած յուրաքանչյուր ինտերնետային էջում: ML- ն թույլ է տալիս շուկայավարման և վաճառքի արդյունաբերությանը վերլուծել սպառողներին ՝ ելնելով դրանց գնման և որոնման պատմությունից: Տրանսպորտային արդյունաբերության այս տեխնոլոգիայի հարմարեցումը հայտնաբերում է հնարավոր խնդիրները երթուղիներում և օգնում է դրանց առավել արդյունավետ դարձնել: ML- ի շնորհիվ նավթագազային արդյունաբերությունը կարող է բացահայտել էներգիայի նոր աղբյուրներ (մեքենայական ուսուցում. Ի՞նչն է դա և ինչու է կարևոր: SAS):

Ինչպե՞ս է մեքենայական ուսումը փոխում աշխատատեղը

Մեր բոլոր աշխատանքները ստանձնող մեքենաների կանխատեսումները շուրջ տասնամյակներ են եղել, բայց արդյո՞ք ML- ն վերջապես իրականություն կդարձնի: Փորձագետները կանխատեսում են, որ այս տեխնոլոգիան ունի և կշարունակի փոխել աշխատատեղերը: Բայց ինչքանո՞վ են խլում մեր բոլոր գործերը: Փորձագետներից շատերը չեն կարծում, որ դա տեղի կունենա:

Թեև մեքենայական ուսուցումը չի կարող զբաղեցնել մարդու տեղը բոլոր մասնագիտություններում, այն կարող է փոխել նրանց հետ կապված բոլոր աշխատանքային պարտականությունները: «Առաջադրանքները, որոնք ներառում են տվյալների հիման վրա արագ որոշումներ կայացնելը, լավ տեղին են ML ծրագրերի համար, ոչ այնքան, եթե որոշումը կախված է բանականության երկար շղթայից, բազմազան ֆոնային գիտելիքներից կամ ընդհանուր իմաստից», - ասում է Բայրոն Սփայսը: Համալսարանի համակարգչային գիտության դպրոց (Spice, Byron. Մեքենայական ուսուցումը կփոխի աշխատատեղերը. Քարնեգի Մելոնի համալսարան. 21 դեկտեմբերի, 2017 թ.):

Science Magazine- ում Էրիկ Բրայնոլֆսոնը և Թոմ Միթելը գրում են. «Աշխատանքի պահանջարկն ավելի հավանական է, որ ընկնի ML- ի հնարավորությունների սերտ փոխարինող գործառույթների համար, մինչդեռ ավելի հավանական է, որ այն ավելանա այն խնդիրների համար, որոնք լրացնում են այդ համակարգերը: Ամեն անգամ, երբ ML- ն է: համակարգը հատում է այն շեմը, որտեղ այն դառնում է ավելի ծախսարդյունավետ, քան մարդը ՝ առաջադրանքի դեպքում, շահութաբեր առավելագույն աշխատող ձեռնարկատերերն ու ղեկավարները գնալով կփորձեն փոխարինել մեքենաները մարդկանց համար: Դա կարող է հետևանքներ ունենալ ամբողջ տնտեսության մեջ ՝ արտադրողականության բարձրացում, գների իջեցում, աշխատուժի պահանջարկի փոփոխություն: և վերակազմավորող արդյունաբերություններ (Բրայնոլֆսոն, Էրիկ և Միթչել, Թոմ. Ինչ կարող է անել մեքենայական ուսուցումը. աշխատուժի հետևանքներ. գիտություն. 22 դեկտեմբերի, 2017 թ.):

Machineանկանում եք կարիերա մեքենայական ուսուցման մեջ:

Մեքենաշինության ոլորտում կարիերան պահանջում է համակարգչային գիտության, վիճակագրության և մաթեմատիկայի գիտելիքներ: Շատ մարդիկ այս ոլորտ են գալիս ՝ այդ բնագավառներով անցյալով: Շատ քոլեջներ, որոնք առաջարկում են մեքենայական ուսուցման հիմնական դասընթացներ, բազմապրոֆիլ մոտեցում են ցուցաբերում ուսումնական պլանի հետ, որն իր մեջ ներառում է, բացի համակարգչային գիտությունից, էլեկտրական և համակարգչային տեխնիկայից, մաթեմատիկայից և վիճակագրությունից (մեքենայական ուսուցման լավագույն 16 դպրոցներ. AdmissionTable.com):

Նրանց համար, ովքեր արդեն ներգրավված են Տեղեկատվական տեխնոլոգիաների արդյունաբերության մեջ, ML աշխատանքի անցումը հեռու չէ: Դուք կարող եք արդեն ունենալ ձեզ անհրաժեշտ շատ հմտություններ: Ձեր գործատունը կարող է նույնիսկ օգնել ձեզ կատարել այս անցումը: Ըստ Սթիվեն Լեվիի հոդվածի ՝ «ներկայումս շատ մարդիկ չեն, ովքեր ML- ի փորձագետներ են, այնպես որ Google- ի և Facebook- ի նման ընկերությունները վերապատրաստում են ինժեներների, որոնց փորձը կայանում է ավանդական կոդավորման մեջ»:

Թեև դուք, որպես ՏՏ մասնագետ, դուք զարգացած հմտություններից շատերը փոխանցվելու եք մեքենայական ուսուցման, այն կարող է լինել մի փոքր դժվար: Հուսով եմ ՝ քոլեջի վիճակագրության դասերի ժամանակ արթնացաք, քանի որ ML- ն ապավինում է այդ առարկայի ուժեղ գիտակցմանը, ինչպես նաև մաթեմատիկային: Լևին գրում է, որ կոդավորողները պետք է պատրաստ լինեն հրաժարվել մի համակարգ ծրագրավորելու նկատմամբ իրենց վերահսկողությունից:

Դուք բախտ չունեք, եթե ձեր տեխնոլոգի գործատուն չի տրամադրում ML- ի վերապատրաստումը Google- ը և Facebook- ը: Քոլեջներն ու համալսարանները, ինչպես նաև Udemy- ի և Coursera- ի նման առցանց ուսուցման պլատֆորմներ, առաջարկում են դասեր, որոնք ուսուցում են մեքենայական ուսուցման հիմունքները: Այնուամենայնիվ, շատ կարևոր է, որ ձեր փորձաքննությունն ավարտեք վիճակագրության և մաթեմատիկայի դասընթացներ անցնելով:

Աշխատանքային տիտղոսներ և եկամուտներ

Առաջնային աշխատանքի վերնագրերը, որոնք դուք բախվելու եք այս ոլորտում աշխատանք փնտրելիս, ներառում են մեքենայական ուսուցման ինժեներ և տվյալների գիտնական:

Մեքենաշինության ինժեներները «վարում են մեքենայական ուսուցման ծրագրի գործառույթները և պատասխանատու են ենթակառուցվածքների և տվյալների խողովակաշարերի կառավարման համար, որոնք անհրաժեշտ են կոդ արտադրության համար»: Տվյալների գիտնականները գտնվում են ալգորիթմների մշակման տվյալների և վերլուծության կողմում, այլ ոչ թե կոդավորող կողմի: Նրանք նաև հավաքում, մաքրում և պատրաստում են տվյալներ (Ժո, Ադելին: «Արհեստական ​​ինտելեկտի աշխատանքային վերնագրեր. Ի՞նչ է մեքենայական ուսուցման ինժեները» ֆորբսը. 27 նոյեմբերի, 2017 թ.):

Ելնելով այս աշխատատեղերում աշխատող մարդկանցից օգտվողների դիմումի հիման վրա, Glassdoor.com- ը հայտնում է, որ ML- ի ինժեներներն ու տվյալների գիտնականները միջին բազային աշխատավարձ են ստանում ՝ 120.931 դոլար: Աշխատավարձերը տատանվում են 87,000 ԱՄՆ դոլարի ցածրից մինչև 158,000 ԱՄՆ դոլարի սահմաններում (մեքենաշինության ինժեներների աշխատավարձեր: Glassdoor.com. Մարտի 1, 2018): Չնայած Glassdoor- ը խմբավորում է այս տիտղոսները, բայց դրանց միջև կան որոշ տարբերություններ:

Մեքենայական ուսուցման պահանջները

ML- ի ինժեներներն ու տվյալների գիտնականները տարբեր գործեր են կատարում, բայց դրանց միջև համընկնումը շատ է: Երկու պաշտոնների համար աշխատանքի հայտարարությունները հաճախ ունեն նման պահանջներ: Շատ գործատուներ նախընտրում են համակարգչային գիտության կամ տեխնիկայի, վիճակագրության կամ մաթեմատիկայի բակալավրիատի, մագիստրոսի կամ դոկտորի աստիճան:

Լինելով մեքենայական ուսուցման մասնագետ, ձեզ հարկավոր կլինի տեխնիկական հմտությունների համադրություն `դպրոցում կամ գործում սովորած հմտություններ և փափուկ հմտություններ: Փափուկ հմտությունները այն ունակություններն են, որոնք նրանք չեն սովորում դասարանում, այլ դրա փոխարեն ծնվում են կամ ձեռք են բերվում կյանքի փորձի միջոցով: Կրկին, մեծ համընկնում կա ML- ի ինժեներների և տվյալների գիտնականների համար անհրաժեշտ հմտությունների միջև:

Աշխատանքի մասին հայտարարությունները ցույց են տալիս, որ ML ինժեներական աշխատանքներում աշխատողները պետք է ծանոթ լինեն TensorFlow- ի, Mlib- ի, H20- ի և Theano- ի նման մեքենայական ուսուցման շրջանակներում: Նրանց կոդավորելու համար անհրաժեշտ է ուժեղ ֆոն ՝ ներառյալ ծրագրավորման լեզուների, ինչպիսիք են Java- ն կամ C / C ++- ը և գրությունների լեզուները, ինչպիսիք են Perl- ը կամ Python- ը: Տեխնիկական փորձաքննություն վիճակագրության մեջ և վիճակագրական ծրագրային փաթեթներ օգտագործելու փորձ ՝ տվյալների մեծ խմբաքանակները վերլուծելու համար նույնպես առանձնահատկությունների շարքում են:

Մի շարք փափուկ հմտություններ թույլ կտան ձեզ հաջողության հասնել այս ոլորտում: Դրանց թվում են ճկունություն, հարմարվողականություն և համառություն: Ալգորիթմի մշակումը պահանջում է շատ փորձություն և սխալներ, և, հետևաբար, համբերություն: Պետք է փորձարկել ալգորիթմ ՝ տեսնելու, թե արդյոք այն գործում է, և, եթե ոչ, նորը զարգացնել:

Հաղորդակցման գերազանց հմտությունները անհրաժեշտ են: Մեքենայական ուսուցման մասնագետները, ովքեր հաճախ աշխատում են թիմերի վրա, ուրիշների հետ համագործակցելու համար կարիք ունեն լսելու, խոսելու և միջանձնային բարձր մակարդակի հմտությունների, ինչպես նաև պետք է իրենց արդյունքները գտնեն գործընկերներին: Բացի այդ, նրանք պետք է լինեն ակտիվ սովորողներ, որոնք կարող են նոր տեղեկատվություն ներառել իրենց աշխատանքում: Այն արդյունաբերության մեջ, որտեղ նորարարությունը գնահատվում է, պետք է լինի ստեղծագործ ՝ գերազանցելու համար: