งานในสาขาการเรียนรู้ของเครื่องจักรที่เกิดขึ้นใหม่

ที่ด้านบนของรายงานการเกิดงานในสหรัฐอเมริกาประจำปี 2560 ของ LinkedIn มีสองอาชีพในสาขาการเรียนรู้ของเครื่อง: วิศวกรการเรียนรู้ของเครื่องจักรและนักวิทยาศาสตร์ข้อมูล การจ้างงานสำหรับวิศวกรการเรียนรู้ของเครื่องจักรเพิ่มขึ้น 9.8 เท่าระหว่างปี 2555-2560 และงานนักวิทยาศาสตร์ข้อมูลเพิ่มขึ้น 6.5 เท่าในช่วงระยะเวลาห้าปีเดียวกัน หากแนวโน้มยังคงดำเนินต่ออาชีพเหล่านี้จะมีแนวโน้มการจ้างงานที่เหนือกว่าอาชีพอื่น ๆ อีกมากมาย ด้วยอนาคตที่สดใสงานในสาขานี้อาจเหมาะกับคุณหรือไม่?

การเรียนรู้ของเครื่องคืออะไร

การเรียนรู้ของเครื่อง (ML) เป็นสิ่งที่ดูเหมือน เทคโนโลยีนี้เกี่ยวข้องกับเครื่องสอนเพื่อทำงานเฉพาะด้าน แตกต่างจากการเข้ารหัสแบบเดิมที่ให้คำแนะนำที่บอกคอมพิวเตอร์ว่าจะต้องทำอย่างไร ML ให้ข้อมูลที่ให้พวกเขาคิดออกเองเช่นเดียวกับมนุษย์หรือสัตว์ ฟังดูเหมือนเวทมนต์ แต่มันไม่ใช่ มันเกี่ยวข้องกับปฏิสัมพันธ์ของนักวิทยาศาสตร์คอมพิวเตอร์และอื่น ๆ ที่มีความเชี่ยวชาญที่เกี่ยวข้อง ผู้เชี่ยวชาญด้านไอทีเหล่านี้สร้างโปรแกรมที่เรียกว่าอัลกอริทึม - ชุดของกฎที่แก้ปัญหา - จากนั้นป้อนชุดข้อมูลขนาดใหญ่ที่สอนให้พวกเขาคาดการณ์ตามข้อมูลนี้

การเรียนรู้ของเครื่องเป็น "ส่วนย่อยของปัญญาประดิษฐ์ที่ทำให้คอมพิวเตอร์สามารถทำงานที่พวกเขาไม่ได้รับการตั้งโปรแกรมอย่างชัดเจนให้ทำ" (Dickson, Ben. ทักษะที่คุณต้องใช้ในการเรียนรู้ของเครื่องมันเป็นเครื่องมือค้นหาอาชีพ 18 มกราคม 2017) ในช่วงหลายปีที่ผ่านมา Steven Levy มีบทความที่พูดถึงการจัดลำดับความสำคัญของ Google เกี่ยวกับการเรียนรู้ของเครื่องจักรและการฝึกอบรมวิศวกรของ บริษัท เขียนว่า "เป็นเวลาหลายปีที่การเรียนรู้ของเครื่องจักรได้รับการพิจารณาเป็นพิเศษ เพื่อชนชั้นน้อย

ยุคนั้นสิ้นสุดลงเมื่อผลลัพธ์ล่าสุดบ่งชี้ว่าการเรียนรู้ของเครื่องจักรขับเคลื่อนโดย "อวนประสาท" ที่เลียนแบบวิธีการทำงานของสมองชีวภาพเป็นเส้นทางที่แท้จริงในการสร้างคอมพิวเตอร์ด้วยพลังของมนุษย์และในบางกรณีมนุษย์ระดับสูง "(Levy, Steven วิธีการที่ Google ทำตัวเองให้เป็น บริษัท แห่งการเรียนรู้แบบมีสาย บริษัท แรกมีสาย 22 มิถุนายน 2016)

การเรียนรู้ด้วยเครื่องใช้อย่างไรใน "โลกแห่งความจริง" พวกเราส่วนใหญ่เจอกับเทคโนโลยีนี้ทุกวันโดยไม่ได้คิดมาก เมื่อคุณใช้ Google หรือเครื่องมือค้นหาอื่นผลลัพธ์ที่ปรากฏขึ้นที่ด้านบนของหน้าเป็นผลลัพธ์ของการเรียนรู้ของเครื่อง ข้อความคาดการณ์เช่นเดียวกับคุณสมบัติการแก้ไขอัตโนมัติที่ผิดพลาดบางครั้งในแอปส่งข้อความของสมาร์ทโฟนของคุณก็เป็นผลมาจากการเรียนรู้ของเครื่อง ภาพยนตร์และเพลงที่แนะนำบน Netflix และ Spotify เป็นตัวอย่างเพิ่มเติมของวิธีการที่เราใช้เทคโนโลยีที่เติบโตอย่างรวดเร็วในขณะที่แทบไม่สังเกตเห็น

เมื่อเร็ว ๆ นี้ Google เปิดตัวสมาร์ทตอบกลับใน Gmail ในตอนท้ายของข้อความจะนำเสนอผู้ใช้ที่มีคำตอบที่เป็นไปได้สามข้อตามเนื้อหา Uber และ บริษัท อื่น ๆ กำลังทดสอบรถยนต์ขับเคลื่อนด้วยตนเอง

อุตสาหกรรมที่ใช้การเรียนรู้ของเครื่อง

การใช้การเรียนรู้ของเครื่องเข้าถึงไกลเกินกว่าโลกเทคโนโลยี SAS บริษัท ซอฟต์แวร์เชิงวิเคราะห์รายงานว่าหลายอุตสาหกรรมได้นำเทคโนโลยีนี้มาใช้ อุตสาหกรรมบริการทางการเงินใช้ ML เพื่อระบุโอกาสในการลงทุนแจ้งให้นักลงทุนทราบว่าจะทำการซื้อขายเมื่อใดรับรู้ว่าลูกค้ารายใดมีโปรไฟล์ที่มีความเสี่ยงสูงและตรวจจับการฉ้อโกง ในการดูแลสุขภาพอัลกอริทึมช่วยในการวินิจฉัยโรคโดยการเก็บความผิดปกติ

คุณเคยถามคำถามหรือไม่ "ทำไมโฆษณาสำหรับผลิตภัณฑ์นั้นที่ฉันกำลังคิดจะซื้อปรากฏในหน้าเว็บทุกหน้าที่ฉันเยี่ยมชม" ML ช่วยให้อุตสาหกรรมการตลาดและการขายสามารถวิเคราะห์ผู้บริโภคโดยพิจารณาจากประวัติการซื้อและการค้นหา การปรับตัวของอุตสาหกรรมการขนส่งของเทคโนโลยีนี้ตรวจจับปัญหาที่อาจเกิดขึ้นในเส้นทางและช่วยให้พวกเขามีประสิทธิภาพมากขึ้น ขอบคุณ ML อุตสาหกรรมน้ำมันและก๊าซสามารถระบุแหล่งพลังงานใหม่ (การเรียนรู้ของเครื่อง: มันคืออะไรและทำไมจึงเป็นเรื่องสำคัญ SAS)

การเรียนรู้ของเครื่องเปลี่ยนสถานที่ทำงานอย่างไร

การคาดการณ์เกี่ยวกับเครื่องจักรที่ใช้ในงานทั้งหมดของเรานั้นมีมานานหลายทศวรรษ แต่ ML ในที่สุดจะทำให้เป็นจริงหรือไม่? ผู้เชี่ยวชาญคาดการณ์ว่าเทคโนโลยีนี้จะมีและจะเปลี่ยนแปลงสถานที่ทำงานต่อไป แต่เท่าที่ไปงานทั้งหมดของเรา? ผู้เชี่ยวชาญส่วนใหญ่ไม่คิดว่าจะเกิดขึ้น

ในขณะที่การเรียนรู้ของเครื่องจักรไม่สามารถแทนที่มนุษย์ในทุกอาชีพได้ แต่มันสามารถเปลี่ยนหน้าที่การงานที่เกี่ยวข้องกับพวกเขาได้หลายอย่าง "งานที่เกี่ยวข้องกับการตัดสินใจอย่างรวดเร็วบนพื้นฐานของข้อมูลเป็นสิ่งที่ดีสำหรับโปรแกรม ML แต่ถ้าการตัดสินใจนั้นขึ้นอยู่กับการใช้เหตุผลที่ยาวนานความรู้พื้นฐานที่หลากหลายหรือสามัญสำนึก" Byron Spice กล่าว Spice เป็นผู้อำนวยการฝ่ายสื่อสัมพันธ์ของ Carnegie Mellon สาขาวิชาวิทยาการคอมพิวเตอร์ของมหาวิทยาลัย (Spice, Byron. การเรียนรู้ของเครื่องจะเปลี่ยนงานมหาวิทยาลัย Carnegie Mellon

21 ธันวาคม 2017)

ในนิตยสาร Science Erik Brynjolfsson และ Tom Mitchell เขียนว่า "ความต้องการแรงงานมีแนวโน้มที่จะลดลงสำหรับงานที่ใกล้เคียงกับความสามารถของ ML ในขณะที่มีแนวโน้มที่จะเพิ่มขึ้นสำหรับงานที่เข้ากันได้กับระบบเหล่านี้ทุกครั้งที่ ML ระบบข้ามขีด จำกัด ซึ่งจะมีประสิทธิภาพด้านต้นทุนมากกว่ามนุษย์ในการทำธุรกิจผู้ประกอบการและผู้จัดการที่แสวงหาผลกำไรสูงสุดจะพยายามหาทางเปลี่ยนเครื่องจักรให้กับผู้คนมากขึ้นเรื่อย ๆ ซึ่งอาจส่งผลกระทบต่อเศรษฐกิจเพิ่มประสิทธิภาพการผลิตลดราคา และการปรับโครงสร้างอุตสาหกรรม (Brynjolfsson, Erik และ Mitchell, Tom

การเรียนรู้ของเครื่องสามารถทำอะไรได้บ้าง ผลกระทบด้านแรงงาน วิทยาศาสตร์. 22 ธันวาคม 2017)

คุณต้องการอาชีพในการเรียนรู้ของเครื่องหรือไม่?

อาชีพในการเรียนรู้ของเครื่องจำเป็นต้องมีความเชี่ยวชาญในสาขาวิทยาศาสตร์คอมพิวเตอร์สถิติและคณิตศาสตร์ หลายคนมาที่สาขานี้โดยมีพื้นหลังอยู่ในทุ่งนา วิทยาลัยหลายแห่งที่มีวิชาเอกในการเรียนรู้ของเครื่องใช้วิธีการแบบสหวิชาชีพพร้อมหลักสูตรที่มีนอกเหนือไปจากวิทยาการคอมพิวเตอร์วิศวกรรมไฟฟ้าและคอมพิวเตอร์คณิตศาสตร์และสถิติ (Top 16 Schools for Machine Learning AdmissionTable.com)

สำหรับผู้ที่มีส่วนเกี่ยวข้องในอุตสาหกรรมเทคโนโลยีสารสนเทศแล้วการเปลี่ยนไปสู่งาน ML ไม่ใช่เรื่องที่ก้าวกระโดด คุณอาจมีทักษะมากมายที่คุณต้องการ นายจ้างของคุณอาจช่วยให้คุณทำการเปลี่ยนแปลงนี้ได้ จากบทความของ Steven Levy "ปัจจุบันมีผู้คนจำนวนมากที่เป็นผู้เชี่ยวชาญใน ML ดังนั้น บริษัท อย่าง Google และ Facebook ก็กำลังฝึกอบรมวิศวกรที่มีความเชี่ยวชาญในการเขียนโปรแกรมแบบดั้งเดิม"

ในขณะที่ทักษะหลายอย่างที่คุณพัฒนาในฐานะผู้เชี่ยวชาญด้านไอทีจะโอนไปสู่การเรียนรู้ของเครื่อง แต่อาจเป็นเรื่องที่ท้าทาย หวังว่าคุณจะยังคงตื่นอยู่ในชั้นเรียนสถิติของวิทยาลัยเพราะ ML ขึ้นอยู่กับความเข้าใจที่ดีของวิชานั้น ๆ เช่นเดียวกับคณิตศาสตร์ เลวีเขียนว่าผู้เขียนโค้ดจะต้องยอมแพ้กับการควบคุมทั้งหมดที่พวกเขามีเหนือการเขียนโปรแกรมระบบ

คุณยังไม่โชคดีถ้าผู้ว่าจ้างด้านเทคนิคของคุณไม่ได้ให้บริการ ML สำหรับการฝึกอบรม Google และ Facebook อีก วิทยาลัยและมหาวิทยาลัยรวมถึงแพลตฟอร์มการเรียนรู้ออนไลน์เช่น Udemy และ Coursera เสนอชั้นเรียนที่สอนพื้นฐานของการเรียนรู้ของเครื่อง อย่างไรก็ตามมันเป็นสิ่งสำคัญที่จะสรุปความเชี่ยวชาญของคุณด้วยการเรียนสถิติและคณิตศาสตร์

ตำแหน่งงานและรายได้

ชื่องานหลักที่คุณจะเจอเมื่อมองหางานในสาขานี้ ได้แก่ วิศวกรการเรียนรู้ของเครื่องและนักวิทยาศาสตร์ข้อมูล

วิศวกรการเรียนรู้ของเครื่อง "ดำเนินการตามโครงการการเรียนรู้ของเครื่องและรับผิดชอบการจัดการโครงสร้างพื้นฐานและท่อส่งข้อมูลที่จำเป็นในการนำรหัสมาสู่การผลิต" นักวิทยาศาสตร์ด้านข้อมูลอยู่บนข้อมูลและการวิเคราะห์ของการพัฒนาอัลกอริทึมมากกว่าด้านการเข้ารหัส พวกเขายังรวบรวมทำความสะอาดและจัดเตรียมข้อมูล (โจว Adelyn "ชื่องานปัญญาประดิษฐ์: วิศวกรการเรียนรู้ของเครื่องคืออะไร" Forbes. 27 พฤศจิกายน 2017)

Glassdoor.com รายงานว่าวิศวกร MLM และนักวิทยาศาสตร์ด้านข้อมูลได้รับเงินเดือนฐานเฉลี่ย 120,931 ดอลลาร์จากการส่งของผู้ใช้จากผู้ที่ทำงานในงานเหล่านี้ เงินเดือนอยู่ในช่วงต่ำจาก $ 87,000 ถึงสูงถึง $ 158,000 (เงินเดือนวิศวกรการเรียนรู้ของเครื่องจักร. Glassdoor.com 1 มีนาคม 2018) แม้ว่า Glassdoor จะจัดกลุ่มชื่อเหล่านี้ แต่ก็มีความแตกต่างกันบ้าง

ข้อกำหนดสำหรับงานการเรียนรู้ของเครื่อง

วิศวกร ML และนักวิทยาศาสตร์ข้อมูลทำหน้าที่แตกต่างกัน แต่มีการทับซ้อนกันมากมาย ประกาศตำแหน่งงานสำหรับทั้งสองตำแหน่งมักจะมีข้อกำหนดที่คล้ายกัน นายจ้างหลายคนชอบปริญญาตรีปริญญาโทหรือปริญญาเอกด้านวิทยาศาสตร์คอมพิวเตอร์หรือวิศวกรรมสถิติหรือคณิตศาสตร์

ในการเป็นผู้เชี่ยวชาญด้านการเรียนรู้ของเครื่องจักรคุณจะต้องผสมผสานทักษะทางเทคนิค - ทักษะที่ได้เรียนในโรงเรียนหรือในงาน - และทักษะที่อ่อนนุ่ม ทักษะที่อ่อนนุ่มเป็นความสามารถของคน ๆ หนึ่งที่พวกเขาไม่ได้เรียนรู้ในห้องเรียน แต่เกิดมาพร้อมกับหรือได้รับจากประสบการณ์ชีวิต มีการทับซ้อนกันระหว่างทักษะที่จำเป็นสำหรับวิศวกร ML และนักวิทยาศาสตร์ข้อมูลอีกครั้ง

ประกาศงานเปิดเผยว่าผู้ที่ทำงานในงานวิศวกรรม ML ควรคุ้นเคยกับกรอบการเรียนรู้ของเครื่องเช่น TensorFlow, Mlib, H20 และ Theano พวกเขาต้องการพื้นหลังที่แข็งแกร่งในการเขียนโปรแกรมรวมถึงประสบการณ์กับภาษาการเขียนโปรแกรมเช่น Java หรือ C / C ++ และภาษาสคริปต์เช่น Perl หรือ Python ความเชี่ยวชาญด้านสถิติและประสบการณ์โดยใช้ซอฟต์แวร์สำเร็จรูปทางสถิติในการวิเคราะห์ชุดข้อมูลขนาดใหญ่ก็เป็นหนึ่งในข้อกำหนด

ทักษะนุ่มนวลที่หลากหลายจะช่วยให้คุณประสบความสำเร็จในด้านนี้ ในหมู่พวกเขามีความยืดหยุ่นปรับตัวและความเพียร การพัฒนาอัลกอริทึมจำเป็นต้องมีการลองผิดลองถูกมากมายดังนั้นความอดทน เราจะต้องทดสอบอัลกอริธึมเพื่อดูว่ามันใช้งานได้หรือไม่และต้องพัฒนาอัลกอริธึมใหม่

ทักษะการสื่อสารที่ดีเยี่ยมเป็นสิ่งจำเป็น ผู้เชี่ยวชาญด้านการเรียนรู้ของเครื่องจักรซึ่งมักจะทำงานเป็นทีมต้องการทักษะการฟังการพูดและมนุษยสัมพันธ์ที่ยอดเยี่ยมเพื่อทำงานร่วมกับผู้อื่นและต้องนำเสนอสิ่งที่พวกเขาพบกับเพื่อนร่วมงาน นอกจากนี้พวกเขาควรเป็นผู้เรียนที่กระตือรือร้นที่สามารถรวมข้อมูลใหม่เข้ากับงานของพวกเขา ในอุตสาหกรรมที่มีมูลค่านวัตกรรมต้องมีความคิดสร้างสรรค์ที่จะทำให้เก่ง