Makine Öğrenmesi Gelişen Alanındaki İşler

LinkedIn'in 2017 ABD Yükselen İşler Raporu'nun başında Makine Öğrenimi alanında iki meslek vardı: Makine Öğrenimi Mühendisi ve Veri Bilimcisi. Makine öğrenimi mühendisleri için istihdam, 2012-2017 yılları arasında 9,8 kat artmış ve aynı beş yıllık dönemde veri bilimci işleri 6,5 kat artmıştır. Eğer eğilim devam ederse, bu mesleklerin diğer birçok meslek alanını aşan istihdam görünümleri olacaktır. Çok parlak bir geleceği olan, bu alanda bir iş sizin için uygun olabilir mi?

Makine Öğrenmesi Nedir?

Makine öğrenmesi (ML) tam olarak neye benzediği gibi. Bu teknoloji, belirli görevleri yerine getirmek için öğretim makineleri içerir. Bilgisayarlara ne yapmaları gerektiğini söyleyen talimatlar veren geleneksel kodlamanın aksine, ML onlara bir insan veya hayvanın yapacağı gibi kendi başlarına çözmelerini sağlayan veriler sağlar. Sihire benziyor, ama değil. Bilgisayar bilimcileri ve diğerlerinin ilgili uzmanlıklarla etkileşimini içerir. Bu BT uzmanları algoritmalar denilen programlar yaratır - bir problemi çözen kurallar kümesi - ve onlara bu bilgilere dayanarak tahminlerde bulunmayı öğreten geniş veri setleri besler.

Makine öğrenimi, “bilgisayarların yapmak için açıkça programlanmadıkları işleri yapmalarını sağlayan bir yapay zeka alt kümesidir” (Dickson, Ben. Bir Makine Öğrenim İşi İnmeniz Gereken Beceriler. Kariyer Bulucu. 18 Ocak 2017.) Yıllar geçtikçe daha karmaşık ve daha yaygın hale gelmiştir Steven Levy, Google’ın makine öğrenmesini önceliklendirdiğini ve şirketin mühendislerinin yeniden eğitildiğini belirten bir makalede Steven Levy, “Makine öğrenimi uzun yıllar boyunca bir uzmanlık olarak kabul edildi, sınırlı kaldı. elit bir azınlığa.

Bu dönem sona ermiştir, son sonuçlar, biyolojik beynin çalışma şeklini taklit eden “sinir ağları” ile çalışan makine öğreniminin, bilgisayarları insanların güçleriyle ve bazı durumlarda süper insanlarla birleştirmenin doğru yolu olduğunu göstermektedir. Levy, Steven, Google'ın İlk Şirketi Öğrenen Bir Makine Olarak Kendini Nasıl Yeniden Kazandırdığı Kablolu (22 Haziran 2016).

Makine öğrenmesi “gerçek dünyada” nasıl kullanılır? Çoğumuz, bu teknolojiyi günlük olarak fazla düşünmeden karşımıza çıkarız. Google’ı veya başka bir arama motorunu kullandığınızda, sayfanın en üstündeki sonuçlar makine öğreniminin sonucudur. Akıllı telefonunuzun mesajlaşma uygulamasında akıllı metinlerin yanı sıra, bazen kötü huylu otomatik düzeltme özelliği de makine öğrenmesinin bir sonucudur. Netflix ve Spotify'daki önerilen filmler ve şarkılar, hızla büyüyen bu teknolojiyi ancak fark etmeden nasıl kullandığımızın diğer örnekleridir.

Daha yakın bir zamanda Google, Gmail’de Smart Reply'ı tanıttı. Bir mesajın sonunda, içeriğe bağlı olarak üç olası yanıtı olan bir kullanıcı sunar. Uber ve diğer şirketler şu anda kendi kendini süren arabaları test ediyor.

Makine Öğrenimini Kullanan Sektörler

Makine öğreniminin kullanımı teknoloji dünyasının çok ötesine uzanıyor. Analitik bir yazılım şirketi olan SAS, birçok sektörün bu teknolojiyi benimsediğini bildirdi. Finansal hizmetler sektörü yatırım fırsatlarını belirlemek, yatırımcılara ne zaman işlem yapacaklarını bildirmek, hangi müşterilerin yüksek riskli profilleri olduğunu fark etmek ve sahtekarlığı tespit etmek için ML'yi kullanır. Sağlık hizmetlerinde, algoritmalar anormallikleri tespit ederek hastalıkları teşhis etmeye yardımcı olur.

"Ziyaret ettiğim her web sayfasında görünmeyi neden satın almayı düşündüğüm o ürün için bir reklam neden?" Sorusunu sordunuz mu? ML, pazarlama ve satış endüstrisinin tüketicileri satın alma ve arama geçmişlerine göre analiz etmesine olanak tanır. Taşımacılık endüstrisinin bu teknolojiye adaptasyonu rotalardaki potansiyel sorunları tespit eder ve daha verimli olmalarına yardımcı olur. ML sayesinde, petrol ve gaz endüstrisi yeni enerji kaynaklarını belirleyebilir (Makine Öğrenimi: Ne Olduğu ve Neden Önemli. SAS).

Makine Öğrenmesi İş Yerini Nasıl Değiştiriyor

Tüm işlerimizi devralan makinelerle ilgili tahminler, onlarca yıldır var olmuştur, ancak ML sonunda bunu gerçekleştirecek mi? Uzmanlar, bu teknolojinin işyerini değiştirdiğini ve devam edeceğini tahmin ediyor. Ama tüm işlerimizi elinden almaya kadar mı? Çoğu uzman bunun olacağını düşünmüyor.

Makine öğrenmesi tüm mesleklerde insanların yerini alamazken, onlarla ilişkili iş görevlerinin çoğunu değiştirebilir. Byron Spice, “Verilere dayalı hızlı kararlar vermeyi içeren görevler ML programları için iyi bir seçimdir; eğer karar uzun bir akıl yürütme zincirine, farklı arka plan bilgisine veya sağduyuya dayanıyorsa olmaz” diyor. Üniversitesi Bilgisayar Bilimleri Okulu (Baharat, Byron. Makine Öğrenmesi İşleri Değiştirecek. Carnegie Mellon Üniversitesi.

21 Aralık 2017)

Science Magazine’de Erik Brynjolfsson ve Tom Mitchell, “ML’nin yeteneklerinin yerine geçen işler için işgücü talebinin düşme olasılığı daha yüksekken, bu sistemler için tamamlayıcı işler için artma olasılığı daha yüksektir. Sistem, bir görevde insanlardan daha uygun maliyetli olduğu eşiğini geçiyor, girişimcileri ve yöneticileri giderek daha fazla insan yerine makinelerin yerini almaya çalışacaklar, bunun ekonomide etkileri olabilir, üretkenliği artırır, fiyatları düşürür, işgücü talebini değiştirir, ve yeniden yapılanma endüstrileri (Brynjolfsson, Erik ve Mitchell, Tom.

Makine Öğrenmesi Ne Yapabilir? İş Gücü Uygulamaları. Bilim. 22 Aralık 2017)

Makine Öğreniminde Kariyer İstermisiniz?

Makine öğreniminde kariyer, bilgisayar bilimi, istatistik ve matematikte uzmanlık gerektirir. Birçok kişi bu alana bu alanlardan geçmişleriyle geliyor. Makine öğrenimi konusunda büyük bir öneri sunan birçok kolej, bilgisayar bilimi, elektrik ve bilgisayar mühendisliği, matematik ve istatistik (Makine Öğrenimi için En İyi 16 Okul) dahil, bir müfredatla çok disiplinli bir yaklaşım benimsemiştir.

Bilgi Teknolojileri Endüstrisine zaten katılanlar için, bir ML işine geçiş çok fazla bir adım değildir. İhtiyacınız olan becerilerin çoğuna zaten sahip olabilirsiniz. İşvereniniz bu geçişi yapmanıza yardımcı olabilir. Steven Levy’nin makalesine göre, "şu anda ML’de uzman olan çok fazla insan yok, bu yüzden Google ve Facebook gibi şirketler, uzmanlığı geleneksel kodlamada yer alan mühendisleri yeniden eğitiyorlar."

Bir BT uzmanı olarak geliştirdiğiniz becerilerin çoğu makine öğrenmeye geçerken, biraz zor olabilir. Umarım, üniversite istatistik dersleri sırasında uyanık kaldınız, çünkü ML bu konunun yanı sıra matematiğe de güçlü bir şekilde güveniyor. Levy, kodlayıcıların bir sistemi programlamadaki toplam kontrolünden vazgeçmeye istekli olmaları gerektiğini yazıyor.

Teknoloji işvereniniz Google’ı yeniden eğiten ML’yi ve Facebook’un hizmetini sağlamadığı için şansınız kalmadı. Kolejler ve Üniversiteler, ayrıca Udemy ve Coursera gibi çevrimiçi öğrenme platformları, makine öğrenmenin temellerini öğreten sınıflar sunar. Bununla birlikte, istatistik ve matematik dersleri alarak uzmanlığınızı tamamlamanız çok önemlidir.

İş Unvanları ve Kazançlar

Bu alanda bir iş ararken karşılaşacağınız birincil iş ünvanları arasında makine öğrenimi mühendisi ve veri bilimcisi bulunmaktadır.

Makine öğrenimi mühendisleri "bir makine öğrenimi projesinin operasyonlarını yürütür ve üretime kod getirmek için gereken altyapıyı ve veri boru hatlarını yönetmekten sorumludur." Veri bilim adamları, kodlama tarafından değil, algoritmalar geliştirmenin veri ve analiz tarafındadır. Ayrıca veri toplar, temizler ve hazırlarlar (Zhou, Adelyn. "Yapay Zeka İş Başlıkları: Makine Öğrenimi Mühendisi Nedir?" Forbes. 27 Kasım 2017).

Bu işlerde çalışan kişilerden gelen kullanıcılara göre, Glassdoor.com, ML mühendislerinin ve veri bilim adamlarının ortalama 120.931 dolarlık maaş kazandığını bildirdi. Maaşlar 87.000 $ 'dan düşük, 158.000 $' a kadar değişiyor (Makine Öğrenimi Mühendisi Maaşları. Glassdoor.com. 1 Mart 2018). Her ne kadar Glassdoor bu başlıkları gruplandırsa da, aralarında bazı farklılıklar var.

Makine Öğrenmesi İşleri için Gereksinimler

ML mühendisleri ve veri bilimcileri farklı işler yapıyor, ancak aralarında çok fazla örtüşme var. Her iki pozisyon için de iş ilanlarında genellikle benzer şartlar vardır. Birçok işveren bilgisayar bilimleri veya mühendislik, istatistik veya matematik alanında lisans, yüksek lisans veya doktora derecelerini tercih eder.

Makine öğrenim uzmanı olmak için, okulda veya işte öğrenilen becerilerle ve yumuşak becerilerle teknik becerilerin bir kombinasyonuna ihtiyacınız olacak. Yumuşak beceriler, birinin sınıfta öğrenemediği, bunun yerine yaşam tecrübesiyle doğduğu veya edindiği yeteneklerdir. Yine, ML mühendisleri ve veri bilimcileri için gereken beceriler arasında çok fazla örtüşme var.

İş duyuruları, ML mühendislik işlerinde çalışanların TensorFlow, Mlib, H20 ve Theano gibi makine öğrenme çerçevelerine aşina olması gerektiğini ortaya koymaktadır. Java veya C / C ++ gibi programlama dilleri ve Perl veya Python gibi betik dilleri ile ilgili deneyimleri içeren kodlamada güçlü bir altyapıya ihtiyaçları vardır. Büyük veri setlerini analiz etmek için istatistiksel yazılım paketlerini kullanarak istatistik ve deneyim konusunda uzmanlık da şartnameler arasındadır.

Çeşitli yumuşak beceriler bu alanda başarılı olmanıza olanak sağlayacaktır. Bunlar arasında esneklik, uyarlanabilirlik ve sebat vardır. Bir algoritma geliştirmek çok fazla deneme yanılma ve dolayısıyla sabır gerektirir. Kişi çalışıp çalışmadığını görmek için bir algoritmayı test etmeli ve eğer değilse yeni bir tane geliştirmelidir.

Mükemmel iletişim becerileri çok önemlidir. Genellikle ekipler üzerinde çalışan makine öğrenen profesyoneller, başkalarıyla işbirliği yapmak için üstün dinleme, konuşma ve kişilerarası becerilere ihtiyaç duyarlar ve bulgularını meslektaşlarına sunmaları gerekir. Ayrıca, yeni bilgileri çalışmalarına dahil edebilecek aktif öğrenciler olmalıdırlar. İnovasyonun değer verildiği bir endüstride, başarılı olmak için yaratıcı olunmalıdır.