Top Jobs für maschinelles Lernen

Inhalt

• Was ist maschinelles Lernen?
• Branchen mit maschinellem Lernen
• Wie maschinelles Lernen den Arbeitsplatz verändert
• Möchten Sie Karriere im maschinellen Lernen machen?
• Berufsbezeichnungen und Einnahmen
• Anforderungen für die Jobs für maschinelles Lernen

An der Spitze des US Emerging Jobs Report 2017 von LinkedIn standen zwei Berufe im Bereich Maschinelles Lernen: Maschinelles Lernen und Datenwissenschaftler. Die Beschäftigung von Ingenieuren für maschinelles Lernen stieg zwischen 2012 und 2017 um das 9,8-fache, und die Zahl der Stellen für Datenwissenschaftler stieg im selben Fünfjahreszeitraum um das 6,5-fache. Wenn sich der Trend fortsetzt, haben diese Berufe Beschäftigungsaussichten, die viele andere Berufe übertreffen. Könnte ein Job in diesem Bereich bei einer so glänzenden Zukunft für Sie richtig sein?

Was ist maschinelles Lernen?

Maschinelles Lernen (ML) ist genau das, wonach es sich anhört. Bei dieser Technologie lernen Maschinen, bestimmte Aufgaben auszuführen. Im Gegensatz zur herkömmlichen Codierung, die Anweisungen enthält, die den Computern mitteilen, was zu tun ist, stellt ML ihnen Daten zur Verfügung, mit denen sie diese selbst herausfinden können, ähnlich wie es ein Mensch oder ein Tier tun würde. Klingt nach Magie, ist es aber nicht. Es beinhaltet die Interaktion von Informatikern und anderen mit einschlägigem Fachwissen. Diese IT-Experten erstellen Programme, die als Algorithmen bezeichnet werden - Regelsätze, die ein Problem lösen - und geben ihnen dann große Datenmengen, mit denen sie lernen, anhand dieser Informationen Vorhersagen zu treffen.

Maschinelles Lernen ist eine "Teilmenge der künstlichen Intelligenz, mit der Computer Aufgaben ausführen können, für die sie nicht explizit programmiert wurden" (Dickson, Ben. Fähigkeiten, die Sie benötigen, um einen Job für maschinelles Lernen zu bekommen. It Career Finder. 18. Januar 2017.) Steven Levy hat in einem Artikel, der sich mit Googles Priorisierung des maschinellen Lernens und der Umschulung der Ingenieure des Unternehmens befasst, geschrieben: "Maschinelles Lernen galt viele Jahre lang als eine Spezialität, die begrenzt war zu einer Elite wenige. Diese Ära ist vorbei, da die jüngsten Ergebnisse zeigen, dass maschinelles Lernen, das von „neuronalen Netzen“ angetrieben wird, die die Funktionsweise eines biologischen Gehirns nachahmen, der wahre Weg ist, Computer mit den Kräften von Menschen und in einigen Fällen von Übermenschen zu versorgen “( Levy, Steven. Wie Google sich selbst als erstes Unternehmen für maschinelles Lernen neu verkabelt. 22. Juni 2016).

Wie wird maschinelles Lernen in der "realen Welt" eingesetzt? Die meisten von uns stoßen täglich auf diese Technologie, ohne viel darüber nachzudenken. Wenn Sie Google oder eine andere Suchmaschine verwenden, sind die Ergebnisse, die oben auf der Seite angezeigt werden, das Ergebnis maschinellen Lernens. Der prädiktive Text sowie die manchmal fehlerhafte Autokorrekturfunktion in der SMS-App Ihres Smartphones sind ebenfalls ein Ergebnis des maschinellen Lernens. Empfohlene Filme und Songs auf Netflix und Spotify sind weitere Beispiele dafür, wie wir diese schnell wachsende Technologie nutzen, ohne sie zu bemerken. In jüngerer Zeit hat Google Smart Reply in Google Mail eingeführt. Am Ende einer Nachricht werden einem Benutzer drei mögliche Antworten basierend auf dem Inhalt angezeigt. Uber und andere Unternehmen testen derzeit selbstfahrende Autos.

Branchen mit maschinellem Lernen

Der Einsatz von maschinellem Lernen geht weit über die Tech-Welt hinaus. SAS, ein Unternehmen für Analysesoftware, berichtet, dass viele Branchen diese Technologie übernommen haben. Die Finanzdienstleistungsbranche verwendet ML, um Investitionsmöglichkeiten zu identifizieren, Investoren wissen zu lassen, wann sie handeln müssen, zu erkennen, welche Kunden ein hohes Risikoprofil haben, und Betrug aufzudecken. Im Gesundheitswesen helfen Algorithmen bei der Diagnose von Krankheiten, indem sie Anomalien erkennen.

Haben Sie jemals die Frage gestellt: "Warum wird auf jeder von mir besuchten Webseite eine Anzeige für das Produkt geschaltet, das ich kaufen möchte?" Mit ML kann die Marketing- und Vertriebsbranche Verbraucher anhand ihrer Kauf- und Suchhistorie analysieren. Die Anpassung dieser Technologie durch die Transportbranche erkennt potenzielle Probleme auf Strecken und trägt zu deren Effizienz bei. Dank ML kann die Öl- und Gasindustrie neue Energiequellen identifizieren (Maschinelles Lernen: Was es ist und warum es wichtig ist. SAS).

Wie maschinelles Lernen den Arbeitsplatz verändert

Vorhersagen über Maschinen, die alle unsere Jobs übernehmen, gibt es schon seit Jahrzehnten, aber wird ML dies endlich verwirklichen? Experten prognostizieren, dass diese Technologie den Arbeitsplatz verändert hat und weiter verändern wird. Aber soweit wir alle unsere Jobs wegnehmen? Die meisten Experten glauben nicht, dass dies passieren wird.

Während maschinelles Lernen nicht in allen Berufen den Platz des Menschen einnehmen kann, könnte es viele der damit verbundenen beruflichen Pflichten verändern. "Aufgaben, bei denen schnelle Entscheidungen auf der Grundlage von Daten getroffen werden müssen, eignen sich gut für ML-Programme. Dies gilt nicht, wenn die Entscheidung von langen Argumentationsketten, unterschiedlichem Hintergrundwissen oder gesundem Menschenverstand abhängt", sagt Byron Spice. Spice ist Director of Media Relations bei Carnegie Mellon Fakultät für Informatik der Universität (Spice, Byron. Maschinelles Lernen wird Jobs verändern. Carnegie Mellon University. 21. Dezember 2017).

Im Science Magazine schreiben Erik Brynjolfsson und Tom Mitchell: "Die Nachfrage nach Arbeitskräften sinkt eher für Aufgaben, die die Fähigkeiten von ML ersetzen, während sie eher für Aufgaben zunimmt, die diese Systeme ergänzen. Jedes Mal, wenn eine ML Das System überschreitet die Schwelle, an der es bei einer Aufgabe kostengünstiger als Menschen wird. Gewinnmaximierende Unternehmer und Manager werden zunehmend versuchen, Menschen durch Maschinen zu ersetzen. Dies kann Auswirkungen auf die gesamte Wirtschaft haben, die Produktivität steigern, die Preise senken, die Arbeitsnachfrage verschieben. und Umstrukturierung der Industrie (Brynjolfsson, Erik und Mitchell, Tom. Was kann maschinelles Lernen bewirken? Auswirkungen auf die Belegschaft. Wissenschaft. 22. Dezember 2017).

Möchten Sie Karriere im maschinellen Lernen machen?

Karrieren im maschinellen Lernen erfordern Fachkenntnisse in Informatik, Statistik und Mathematik. Viele Menschen kommen auf dieses Gebiet mit einem Hintergrund in diesen Bereichen. Viele Hochschulen, die ein Hauptfach im Bereich maschinelles Lernen anbieten, verfolgen einen multidisziplinären Ansatz mit einem Lehrplan, der neben Informatik, Elektro- und Computertechnik auch Mathematik und Statistik umfasst (Top 16 Schulen für maschinelles Lernen. AdmissionTable.com).

Für diejenigen, die bereits in der Informationstechnologiebranche tätig sind, ist der Übergang zu einem ML-Job kein weiter Sprung. Möglicherweise verfügen Sie bereits über viele der Fähigkeiten, die Sie benötigen. Ihr Arbeitgeber kann Ihnen sogar bei diesem Übergang helfen. Laut Steven Levys Artikel "gibt es derzeit nicht viele Leute, die Experten für ML sind. Unternehmen wie Google und Facebook bilden Ingenieure um, deren Fachwissen in der traditionellen Codierung liegt."

Während viele der Fähigkeiten, die Sie als IT-Experte entwickelt haben, auf maschinelles Lernen übertragen werden, kann dies eine Herausforderung sein. Hoffentlich sind Sie während Ihres Statistikunterrichts am College wach geblieben, weil ML sich auf ein starkes Verständnis dieses Fachs sowie auf Mathematik stützt. Levy schreibt, dass Codierer bereit sein müssen, die totale Kontrolle über die Programmierung eines Systems aufzugeben.

Sie haben kein Pech, wenn Ihr technischer Arbeitgeber die ML-Umschulung von Google und Facebook nicht anbietet. Colleges und Universitäten sowie Online-Lernplattformen wie Udemy und Coursera bieten Kurse an, in denen die Grundlagen des maschinellen Lernens vermittelt werden. Es ist jedoch wichtig, dass Sie Ihr Fachwissen durch Statistiken und Mathematikunterricht abrunden.

Berufsbezeichnungen und Einnahmen

Zu den wichtigsten Berufsbezeichnungen, auf die Sie bei der Suche nach einer Stelle in diesem Bereich stoßen, gehören ein Ingenieur für maschinelles Lernen und ein Datenwissenschaftler.

Ingenieure für maschinelles Lernen "führen den Betrieb eines maschinellen Lernprojekts durch und sind für die Verwaltung der Infrastruktur und der Datenpipelines verantwortlich, die erforderlich sind, um Code in die Produktion zu bringen." Datenwissenschaftler sind eher auf der Daten- und Analyseseite der Entwicklung von Algorithmen als auf der Codierungsseite. Sie sammeln, bereinigen und bereiten auch Daten vor (Zhou, Adelyn. "Berufsbezeichnungen für künstliche Intelligenz: Was ist ein Ingenieur für maschinelles Lernen?" Forbes. 27. November 2017).

Basierend auf den Einsendungen von Benutzern von Personen, die in diesen Jobs arbeiten, berichtet Glassdoor.com, dass ML-Ingenieure und Datenwissenschaftler ein durchschnittliches Grundgehalt von 120.931 USD verdienen. Die Gehälter reichen von einem Tief von 87.000 USD bis zu einem Hoch von 158.000 USD (Gehälter für Ingenieure für maschinelles Lernen. Glassdoor.com. 1. März 2018). Obwohl Glassdoor diese Titel gruppiert, gibt es einige Unterschiede zwischen ihnen.

Anforderungen für die Jobs für maschinelles Lernen

ML-Ingenieure und Datenwissenschaftler erledigen unterschiedliche Aufgaben, aber es gibt viele Überschneidungen zwischen ihnen. Stellenausschreibungen für beide Positionen stellen häufig ähnliche Anforderungen. Viele Arbeitgeber bevorzugen Bachelor-, Master- oder Doktorabschlüsse in Informatik oder Ingenieurwesen, Statistik oder Mathematik.

Um ein Experte für maschinelles Lernen zu sein, benötigen Sie eine Kombination aus technischen Fähigkeiten - Fähigkeiten, die in der Schule oder am Arbeitsplatz erlernt wurden - und Soft Skills. Soft Skills sind Fähigkeiten, die man nicht im Klassenzimmer lernt, sondern mit Lebenserfahrung geboren oder durch diese erworben hat. Auch hier gibt es große Überschneidungen zwischen den erforderlichen Fähigkeiten für ML-Ingenieure und Datenwissenschaftler.

Stellenausschreibungen zeigen, dass diejenigen, die in ML-Ingenieurberufen arbeiten, mit Frameworks für maschinelles Lernen wie TensorFlow, Mlib, H20 und Theano vertraut sein sollten. Sie benötigen fundierte Kenntnisse im Codieren, einschließlich Erfahrung mit Programmiersprachen wie Java oder C / C ++ und Skriptsprachen wie Perl oder Python. Zu den Spezifikationen gehören auch Fachkenntnisse in Statistik und Erfahrung mit statistischen Softwarepaketen zur Analyse großer Datenmengen.

Eine Vielzahl von Soft Skills ermöglicht es Ihnen, in diesem Bereich erfolgreich zu sein. Dazu gehören Flexibilität, Anpassungsfähigkeit und Ausdauer. Die Entwicklung eines Algorithmus erfordert viel Versuch und Irrtum und daher Geduld. Man muss einen Algorithmus testen, um zu sehen, ob er funktioniert, und wenn nicht, einen neuen entwickeln.

Hervorragende Kommunikationsfähigkeiten sind unerlässlich. Fachleute für maschinelles Lernen, die häufig in Teams arbeiten, benötigen überlegene Zuhör-, Sprech- und zwischenmenschliche Fähigkeiten, um mit anderen zusammenzuarbeiten, und müssen ihre Ergebnisse auch ihren Kollegen präsentieren. Sie sollten außerdem aktive Lernende sein, die neue Informationen in ihre Arbeit einbeziehen können. In einer Branche, in der Innovation geschätzt wird, muss man kreativ sein, um herausragende Leistungen zu erbringen.