Jobs im aufstrebenden Bereich des maschinellen Lernens

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

Was ist maschinelles Lernen?

Maschinelles Lernen (ML) ist genau das, wonach es sich anhört. Diese Technologie beinhaltet das Unterrichten von Maschinen für bestimmte Aufgaben. Im Gegensatz zu herkömmlicher Codierung, die Anweisungen für Computer enthält, die angeben, was zu tun ist, stellt ML ihnen Daten zur Verfügung, mit denen sie diese auf eigene Faust ermitteln 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 verwandten Fachkenntnissen. 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. Kenntnisse, die Sie benötigen, um einen maschinellen Lernjob zu finden. It Career Finder. 18. Januar 2017.) Im Laufe der Jahre wurde es immer komplizierter und alltäglicher. Steven Levy schreibt in einem Artikel über Googles Priorisierung des maschinellen Lernens und die Umschulung der Ingenieure des Unternehmens: "Für viele Jahre galt maschinelles Lernen als eine Spezialität, die begrenzt war zu einer Elite von wenigen.

Diese Ära ist vorbei, da die jüngsten Ergebnisse darauf hindeuten, dass maschinelles Lernen, angetrieben von „neuronalen Netzen“, die die Funktionsweise eines biologischen Gehirns nachahmen, der wahre Weg ist, Computer mit den Kräften von Menschen und in einigen Fällen mit Super-Menschen auszustatten. “(Levy, Steven. Wie Google sich als maschinell lernendes Unternehmen neu formiert. Wired. 22. Juni 2016).

Wie wird maschinelles Lernen in der "realen Welt" eingesetzt? Die meisten von uns stoßen täglich auf diese Technologie, ohne darüber nachzudenken. Wenn Sie Google oder eine andere Suchmaschine verwenden, sind die Ergebnisse, die oben auf der Seite angezeigt werden, das Ergebnis maschinellen Lernens. Die Texterkennung sowie die manchmal fehlerhafte Autokorrekturfunktion in der SMS-App Ihres Smartphones sind ebenfalls ein Ergebnis maschinellen Lernens. Empfohlene Filme und Songs auf Netflix und Spotify sind weitere Beispiele dafür, wie wir diese schnell wachsende Technologie nutzen, ohne es zu bemerken.

In jüngerer Zeit hat Google Smart Reply in Google Mail eingeführt. Am Ende einer Nachricht werden einem Benutzer je nach Inhalt drei mögliche Antworten angezeigt. Uber und andere Unternehmen testen derzeit selbstfahrende Autos.

Industrien 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 nutzt ML, um Anlagemöglichkeiten zu identifizieren, Investoren zu informieren, wann sie handeln müssen, zu erkennen, welche Kunden ein hohes Risikoprofil aufweisen, und Betrug aufzudecken. Im Gesundheitswesen helfen Algorithmen bei der Diagnose von Krankheiten, indem sie Auffälligkeiten erkennen.

Haben Sie jemals die Frage gestellt, warum eine Anzeige für das Produkt, das ich kaufen möchte, auf jeder von mir besuchten Webseite geschaltet wird? Mit ML kann die Marketing- und Vertriebsbranche die Verbraucher anhand ihrer Kauf- und Suchhistorie analysieren. Die Anpassung der Transportbranche an diese Technologie erkennt potenzielle Probleme auf Strecken und hilft, diese effizienter zu gestalten. 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 all unsere Jobs übernehmen, gibt es schon seit Jahrzehnten, aber wird ML das endlich Wirklichkeit werden lassen? Experten prognostizieren, dass diese Technologie den Arbeitsplatz verändert hat und weiter verändern wird. Aber bis zu all unseren Jobs? Die meisten Experten glauben nicht, dass dies passieren wird.

Während maschinelles Lernen nicht in allen Berufen den Platz des Menschen einnehmen kann, kann 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 ist jedoch nicht der Fall, wenn die Entscheidung von langen Argumentationsketten, unterschiedlichem Hintergrundwissen oder gesundem Menschenverstand abhängt", so Byron Spice. Spice ist Director Media Relations bei Carnegie Mellon Universität School of Computer Science (Spice, Byron. Maschinelles Lernen wird Jobs ändern. Carnegie Mellon University.

21. Dezember 2017).

Im Wissenschaftsmagazin schreiben Erik Brynjolfsson und Tom Mitchell: "Die Arbeitsnachfrage sinkt mit größerer Wahrscheinlichkeit für Aufgaben, die die Fähigkeiten von ML ersetzen, während sie mit größerer Wahrscheinlichkeit für Aufgaben steigt, die für diese Systeme komplementär sind. Jedes Mal, wenn eine ML erstellt wird Das System überschreitet die Schwelle, an der es bei einer Aufgabe kostengünstiger als der Mensch wird, und gewinnmaximierende Unternehmer und Manager werden zunehmend danach streben, den Menschen durch Maschinen zu ersetzen. Dies kann Auswirkungen auf die gesamte Wirtschaft haben, die Produktivität steigern, die Preise senken, den Arbeitskräftebedarf verlagern. und Restrukturierungsindustrien (Brynjolfsson, Erik und Mitchell, Tom.

Was kann maschinelles Lernen bewirken? Auswirkungen auf die Belegschaft. Wissenschaft. 22. Dezember 2017).

Möchten Sie eine Karriere im maschinellen Lernen?

Karrieren im maschinellen Lernen erfordern Kenntnisse in Informatik, Statistik und Mathematik. Viele Menschen kommen mit einem Hintergrund in diesen Bereichen auf dieses Gebiet. Viele Hochschulen, die ein Hauptfach Maschinelles Lernen anbieten, verfolgen einen multidisziplinären Ansatz mit einem Lehrplan, der neben Informatik, Elektrotechnik und Computertechnik auch Mathematik und Statistik umfasst (Top 16 Schools for Machine Learning. AdmissionTable.com).

Für diejenigen, die bereits in der Informationstechnologiebranche tätig sind, ist der Übergang zu einem ML-Job kein weiter Schritt. Möglicherweise haben Sie bereits viele der Fähigkeiten, die Sie benötigen. Ihr Arbeitgeber kann Ihnen sogar bei diesem Übergang helfen. In Steven Levys Artikel heißt es: "Derzeit gibt es nicht viele Menschen, die Experten für ML sind. Daher bilden Unternehmen wie Google und Facebook 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, ist dies möglicherweise eine Herausforderung. 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 volle Kontrolle über die Programmierung eines Systems aufzugeben.

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

Berufsbezeichnungen und Verdienste

Die wichtigsten Berufsbezeichnungen, auf die Sie bei der Suche nach einem Job in diesem Bereich stoßen, sind Maschinenbauingenieur und Datenwissenschaftler.

Ingenieure für maschinelles Lernen "führen die Abläufe eines maschinellen Lernprojekts durch und sind für die Verwaltung der Infrastruktur und der Daten-Pipelines 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, säubern und bereiten Daten auf (Zhou, Adelyn. "Berufsbezeichnungen für künstliche Intelligenz: Was ist ein Ingenieur für maschinelles Lernen?" Forbes, 27. November 2017).

Basierend auf den Benutzerbeiträgen von Personen, die in diesen Jobs arbeiten, gibt Glassdoor.com an, dass ML-Ingenieure und Datenwissenschaftler ein durchschnittliches Grundgehalt von 120.931 USD verdienen. Die Gehälter liegen zwischen einem Tiefstbetrag von 87.000 USD und einem Höchstbetrag von 158.000 USD (Gehälter für Machine Learning Engineer. Glassdoor.com. 1. März 2018). Obwohl Glassdoor diese Titel gruppiert, gibt es einige Unterschiede zwischen ihnen.

Anforderungen für die maschinellen Lernjobs

ML-Ingenieure und Datenwissenschaftler haben 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 Maschineller Lernprofi zu sein, benötigen Sie eine Kombination aus technischen Fähigkeiten - Fähigkeiten, die Sie in der Schule oder im Beruf gelernt haben - und Soft Skills. Softskills sind Fähigkeiten, die man nicht im Unterricht lernt, sondern die man durch Lebenserfahrung entwickelt oder erlangt. Auch hier gibt es eine große Überschneidung zwischen den erforderlichen Fähigkeiten für ML-Ingenieure und Datenwissenschaftler.

Stellenausschreibungen zeigen, dass diejenigen, die in ML-Ingenieurberufen arbeiten, mit Maschinenlernsystemen wie TensorFlow, Mlib, H20 und Theano vertraut sein sollten. Sie benötigen fundierte Programmiererfahrung, einschließlich Erfahrung mit Programmiersprachen wie Java oder C / C ++ und Skriptsprachen wie Perl oder Python. Expertise in Statistik und Erfahrung mit statistischen Softwarepaketen zur Analyse großer Datenmengen gehören ebenfalls zu den Spezifikationen.

Eine Vielzahl von Soft Skills ermöglicht es Ihnen, auf diesem Gebiet 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. Profis für maschinelles Lernen, die häufig in Teams arbeiten, benötigen hervorragende Fähigkeiten zum Zuhören, Sprechen und zur Zusammenarbeit mit anderen und müssen ihre Ergebnisse auch ihren Kollegen präsentieren. Sie sollten außerdem aktive Lernende sein, die neue Informationen in ihre Arbeit einfließen lassen können. In einer Branche, in der Innovation geschätzt wird, muss man kreativ sein, um herausragende Leistungen zu erbringen.