Treballs en el camp emergent d’aprenentatge automàtic

A la part superior de l’informe d’empreses de treball emergents dels Estats Units de 2017, hi havia dues ocupacions en el camp de l’aprenentatge automàtic: l’enginyer d’aprenentatge automàtic i el científic de dades. L’ocupació per als enginyers d’aprenentatge automàtic va créixer un 9,8 vegades entre el 2012 i el 2017 i les feines de científics de dades van augmentar 6,5 vegades durant el mateix període de cinc anys. Si la tendència continua, aquestes ocupacions tindran perspectives d'ocupació que superin moltes altres ocupacions. Amb un futur tan brillant, es podria fer una feina en aquest camp per a tu?

Què és l'aprenentatge automàtic?

L’aprenentatge automàtic (ML) és exactament el que sona. Aquesta tecnologia implica la docència de màquines per realitzar tasques específiques. A diferència de la codificació tradicional que proporciona instruccions que expliquen als ordinadors el que ha de fer, ML els proporciona dades que els permeten calcular-se pel seu compte, com ho farien els éssers humans o els animals. Sona com a màgia, però no ho és. Implica la interacció de científics d’informàtica i d’altres amb experiència relacionada. Aquests professionals de TI crea programes anomenats algoritmes: conjunts de regles que resolen un problema i, a continuació, els alimenten grans grups de dades que els ensenyen a fer prediccions basades en aquesta informació.

L’aprenentatge automàtic és un "subconjunt d’intel·ligència artificial que permet a les computadores realitzar tasques que no s’han programat explícitament" (Dickson, Ben. Habilitats que necessiteu per aconseguir un treball d’aprenentatge. Cercador de carreres. 18 de gener de 2017) Steven Levy, en un article que parla de la priorització de Google sobre l’aprenentatge automàtic i el reciclatge dels enginyers de la companyia, ha aconseguit ser més complicat, però, a més, "durant molts anys es va considerar l’aprenentatge automàtic com una especialitat, limitada a una elit pocs.

Aquesta època ha finalitzat, ja que els resultats recents indiquen que l'aprenentatge automàtic, impulsat per "xarxes neuronals" que emulen la forma en què funciona un cervell biològic, és el veritable camí cap a la insuficiència d'ordinadors amb els poders humans i, en alguns casos, de super humans "(Levy, Steven. Com es refeta Google com a primera empresa d'aprenentatge automàtic amb cable. 22 de juny de 2016).

Com s'utilitza l'aprenentatge automàtic en el "món real?" La majoria de nosaltres trobem aquesta tecnologia diàriament sense pensar-hi gaire. Quan utilitzeu Google o un altre motor de cerca, els resultats que apareixen a la part superior de la pàgina són el resultat de l’aprenentatge automàtic. El text predictiu, així com la funció de correcció automàtica de vegades denunciada, a l’aplicació de missatges de text del vostre telèfon intel·ligent també són un resultat de l’aprenentatge automàtic. Les pel·lícules i cançons recomanades a Netflix i Spotify són exemples addicionals de com utilitzem aquesta tecnologia que creix ràpidament mentre no la notem.

Més recentment, Google va introduir la resposta intel·ligent a Gmail. Al final d’un missatge, presenta a un usuari tres possibles respostes basades en el contingut. Actualment, les companyies d’Uber i altres proves de cotxes de conducció automàtica.

Indústries que utilitzen l'aprenentatge automàtic

L’ús de l’aprenentatge automàtic arriba molt més enllà del món tecnològic. SAS, una empresa de programari analític, informa que moltes indústries han adoptat aquesta tecnologia. La indústria dels serveis financers utilitza ML per identificar oportunitats d’inversió, que els inversors sàpiguen quan comercialitzar, reconèixer quins clients tenen perfils de risc i detectar fraus. A l’atenció sanitària, els algorismes ajuden a diagnosticar malalties a l’hora d’aconseguir anomalies.

Alguna vegada heu fet la pregunta: "per què penso comprar un anunci per a aquest producte a totes les pàgines web que visiti?" ML permet que la indústria del màrqueting i les vendes analitzi els consumidors segons les històries de compra i de cerca. L'adaptació d'aquesta tecnologia a la indústria del transport detecta possibles problemes en les rutes i els fa més eficients. Gràcies a ML, la indústria del petroli i del gas pot identificar noves fonts d'energia (Machine Learning: què és i per què importa).

Com l’aprenentatge automàtic canvia el lloc de treball

Les prediccions sobre les màquines que es fan càrrec de tots els nostres treballs han existit des de fa dècades, però finalment ML ho farà realitat? Els experts pronostiquen que aquesta tecnologia ha de modificar i seguirà modificant el lloc de treball. Però, per desaparèixer tots els nostres treballs? La majoria dels experts no pensen que això passi.

Mentre que l’aprenentatge automàtic no pot substituir els éssers humans en totes les seves ocupacions, podria canviar moltes de les funcions relacionades amb el treball. "Les tasques que impliquen prendre decisions ràpides basades en dades són adequades per als programes de ML; no és així si la decisió depèn de llargues cadenes de raonament, coneixements de fons diversos o sentit comú", diu Byron Spice. Spice és director de relacions amb els mitjans de comunicació a Carnegie Mellon Escola Universitària d'Informàtica (Spice, Byron. Aprenentatge automàtic canviarà feina. Universitat Carnegie Mellon.

21 de desembre de 2017).

En Science Magazine, Erik Brynjolfsson i Tom Mitchell escriuen que "la demanda laboral és més probable que caigui per tasques que siguin properes a les capacitats de la ML, mentre que és més probable que augmenti les tasques que es complementen amb aquests sistemes. El sistema travessa el llindar on es fa més rendible que els humans en una tasca, els empresaris i els gestors que maximitzen els beneficis buscaran cada vegada més substitució de màquines per a les persones. Això pot tenir efectes a tota l'economia, incrementar la productivitat, rebaixar la demanda de treball, reduir la demanda de treball, i la reestructuració de les indústries (Brynjolfsson, Erik i Mitchell, Tom.

Què pot fer l'aprenentatge automàtic? Implicacions de la força de treball. Ciència. 22 de desembre de 2017).

Vols una carrera professional en l'aprenentatge automàtic?

Les carreres en l’aprenentatge automàtic requereixen d’expertesa en informàtica, estadística i matemàtiques. Moltes persones arriben a aquest camp amb antecedents en aquests camps. Molts col·legis que ofereixen un aprenentatge màgic important tenen un enfocament multidisciplinari amb un currículum que inclou, a més de la informàtica, enginyeria elèctrica i informàtica, matemàtiques i estadístiques (Top 16 de les escoles per a l'aprenentatge automàtic. AdmissionTable.com).

Per a aquells que ja participen en la indústria de les tecnologies de la informació, la transició a un lloc de treball ML no és un salt molt alt. Potser ja teniu moltes de les habilitats que necessiteu. El vostre empresari fins i tot us pot ajudar a fer aquesta transició. Segons l’article de Steven Levy, "actualment no hi ha molta gent experta en ML, de manera que empreses com Google i Facebook fan reconquistar enginyers amb experiència en la codificació tradicional".

Mentre que moltes de les habilitats que heu desenvolupat com a professional de TI es transferiran a l’aprenentatge automàtic, pot ser una mica difícil. Amb sort, s’ha quedat despert durant les classes d’estadístiques universitàries, ja que ML es basa en un fort coneixement d’aquest tema, així com en matemàtiques. Levy escriu que els codificadors han d'estar disposats a renunciar al control total que tenen sobre la programació d'un sistema.

No teniu sort de sort si l’empresari de la vostra tecnologia no proporciona el reciclatge de ML que Google i Facebook són. Els col·legis i universitats, així com plataformes d'aprenentatge en línia com Udemy i Coursera, ofereixen classes que ensenyen els conceptes bàsics de l'aprenentatge automàtic. Tanmateix, és crucial completar els vostres coneixements fent estadístiques i classes de matemàtiques.

Títols i guanys de treball

Els primers títols de feina que trobareu a l’hora de cercar feina en aquest camp inclouen l’enginyer d’aprenentatge automàtic i el científic de dades.

Els enginyers d'aprenentatge automàtic "gestionen les operacions d'un projecte d'aprenentatge automàtic i són responsables de la gestió de les infraestructures i de les canonades de dades necessàries per portar el codi a la producció". Els científics de dades estan al costat de les dades i de l'anàlisi del desenvolupament d'algorismes, en lloc del costat de codificació. També recopilen, neteixen i preparen dades (Zhou, Adelyn.) Títols de feina sobre intel·ligència artificial: què és un enginyer d'aprenentatge automàtic? Forbes. 27 de novembre de 2017).

Basant-se en la presentació d’usuaris de persones que treballen en aquests llocs de treball, Glassdoor.com informa que els enginyers de ML i els científics de dades obtenen un salari base mitjà de 120.931 dòlars. Els salaris oscil·len entre un mínim de 87.000 dòlars i un màxim de 158.000 dòlars (Salaris de l’enginyer d’aprenentatge Glassdoor.com. 1 de març de 2018). Tot i que Glassdoor agrupa aquests títols, hi ha algunes diferències entre ells.

Requisits per als treballs d'aprenentatge automàtic

Els enginyers de ML i els científics de dades fan feines diferents, però hi ha una gran coincidència entre ells. Els anuncis de treball per a ambdues posicions solen tenir requisits similars. Molts empresaris prefereixen el títol de llicenciat, màster o doctorat en informàtica o enginyeria, estadístiques o matemàtiques.

Per ser un professional d’aprenentatge, necessitareu una combinació d’habilitats tècniques-habilitats apreses a l’escola o al lloc de treball i habilitats suaus. Les habilitats suaus són les habilitats de la persona que no aprenen a l'aula, sinó que neixen amb experiència adquirint-se a través de la seva vida. De nou, hi ha una gran coincidència entre les habilitats necessàries per als enginyers de ML i els científics de dades.

Els anuncis de feina revelen que els que treballen en treballs d’enginyeria ML haurien d’estar familiaritzats amb els marcs d’aprenentatge automàtic com ara TensorFlow, Mlib, H20 i Theano. Necessiten un fons fort en la codificació incloent l’experiència amb llenguatges de programació com Java o C / C ++ i llenguatges de script com Perl o Python. Entre les especificacions figuren l’experiència en estadístiques i experiència en l’ús d’un paquet de programari estadístic per analitzar grans conjunts de dades.

Una varietat d’habilitats suaus us permetran tenir èxit en aquest camp. Entre ells destaquen la flexibilitat, l'adaptabilitat i la perseverança. El desenvolupament d’un algorisme requereix molta prova i error, i per tant, paciència. Cal provar un algorisme per veure si funciona i, si no, desenvolupar-ne un de nou.

Les habilitats de comunicació excel·lents són essencials. Els professionals de l'aprenentatge automàtic, que sovint treballen en equips, necessiten habilitats auditives, parlants i interpersonals superiors per col·laborar amb els altres, i també han de presentar els seus descobriments als seus companys. A més, haurien de ser aprenents actius que puguin incorporar nova informació al seu treball. En una indústria on es valora la innovació, cal ser creatius per superar-los.