新兴机器学习领域的工作

ä¸è¦å²ç¬æåçæ§

在LinkedIn的2017年美国新兴职位报告的顶部是机器学习领域的两个职业：机器学习工程师和数据科学家。机器学习工程师的就业人数在2012年至2017年期间增长了9.8倍，数据科学家工作岗位在同一个五年期间增长了6.5倍。如果趋势继续下去，这些职业的就业前景将超过许多其他职业。未来如此光明，这个领域的工作是否适合您？

什么是机器学习？

机器学习（ML）正是听起来的样子。该技术涉及教授机器以执行特定任务。与提供告诉计算机做什么的指令的传统编码不同，ML为他们提供的数据可以让他们自己解决，就像人类或动物一样。听起来像魔术，但事实并非如此。它涉及计算机科学家与其他相关专业知识的互动。这些IT专业人员创建称为算法的程序 - 解决问题的规则集 - 然后为他们提供大量数据，教他们根据这些信息进行预测。

机器学习是“人工智能的一个子集，它使计算机能够执行他们未明确编程的任务”（Dickson，Ben。技能，你需要登陆机器学习工作。它是职业发现者。2017年1月18日。）多年来，它变得越来越复杂，但也越来越普遍.Steven Levy在一篇文章中谈到了Google对机器学习和公司工程师再培训的优先次序，他写道：“多年来，机器学习被认为是一门专业，有限的对少数精英。

那个时代结束了，因为最近的结果表明机器学习，由模仿生物大脑运作方式的“神经网络”驱动，是向计算机提供人类力量的真正途径，在某些情况下，超级人类“（ Levy，Steven。谷歌如何重塑自己作为机器学习的第一家公司连线。2016年6月22日）。

如何在“现实世界”中使用机器学习？我们大多数人每天都会遇到这种技术而不需要太多考虑。当您使用Google或其他搜索引擎时，页面顶部显示的结果是机器学习的结果。您的智能手机短信应用程序上的预测文本以及有时受到诽谤的自动更正功能也是机器学习的结果。 Netflix和Spotify上推荐的电影和歌曲是我们如何使用这种快速增长的技术而几乎没有注意到它的进一步例子。

最近，谷歌在Gmail中引入了智能回复。在消息结束时，它会根据内容向用户显示三个可能的回复。优步和其他公司目前正在测试自动驾驶汽车。

使用机器学习的行业

机器学习的使用远远超出了科技界。 SAS是一家分析软件公司，据报道，许多行业都采用了这项技术。金融服务行业使用ML来识别投资机会，让投资者知道何时进行交易，识别哪些客户具有高风险资料，并发现欺诈行为。在医疗保健中，算法通过拾取异常来帮助诊断疾病。

你有没有问过这个问题，“为什么我想购买的产品广告出现在我访问的每个网页上？” ML允许营销和销售行业根据他们的购买和搜索历史来分析消费者。运输行业对该技术的改进可以检测到路线上的潜在问题，并有助于提高它们的效率。由于ML，石油和天然气行业可以识别新的能源（机器学习：它是什么，为什么重要.SAS）。

机器学习如何改变工作场所

关于机器接管我们所有工作的预测已经存在了几十年，但ML最终是否会成为现实？专家预测，这项技术已经并将继续改变工作场所。但是，除去我们所有的工作？大多数专家认为不会发生这种情况。

虽然机器学习不能取代所有职业中的人，但它可能会改变与他们相关的许多工作职责。 “涉及根据数据做出快速决策的任务非常适合ML计划;如果决策取决于长链推理，不同的背景知识或常识，那就不是这样了”，Byron Spice说道.Spice是卡内基梅隆的媒体关系总监大学计算机科学学院（Spice，Byron。机器学习将改变工作。卡内基梅隆大学。

2017年12月21日）。

在“科学”杂志上，Erik Brynjolfsson和Tom Mitchell写道，“劳动力需求更有可能因为ML的能力接近替代而下降，而对于这些系统的补充任务更有可能增加。每次ML利润最大化的企业家和管理者将越来越多地寻求用机器代替机器，这可能会对整个经济产生影响，提高生产率，降低价格，转变劳动力需求，和重组行业（Brynjolfsson，Erik和Mitchell，Tom。

机器学习能做什么？劳动力的影响。科学。 2017年12月22日）。

你想要机器学习的职业吗？

机器学习的职业需要计算机科学，统计学和数学方面的专业知识。很多人都有这些领域的背景来到这个领域。许多提供机器学习专业的大学采用多学科方法，课程包括计算机科学，电气和计算机工程，数学和统计学（机器学习排名前16的学校.AdmissionTable.com）。

对于已经参与信息技术行业的人来说，过渡到ML工作并不是一个很大的飞跃。您可能已经拥有了许多所需的技能。您的雇主甚至可以帮助您进行此转换。根据Steven Levy的文章，“目前没有很多人是ML的专家，因此Google和Facebook等公司正在重新培训工程师，他们的专长在于传统编码。”

虽然您作为IT专业人员开发的许多技能将转移到机器学习，但它可能有点挑战性。希望你在大学统计课程中保持清醒，因为ML依赖于对该科目以及数学的强有力掌握。 Levy写道，编码员必须愿意放弃他们对系统编程的全面控制。

如果您的技术雇主没有提供Google再培训谷歌和Facebook，那么你并不是运气不好。学院和大学，以及Udemy和Coursera等在线学习平台，提供教授机器学习基础知识的课程。然而，通过参加统计学和数学课程来完善您的专业知识至关重要。

职位名称和收入

在这个领域寻找工作时你会遇到的主要职位包括机器学习工程师和数据科学家。

机器学习工程师“负责管理机器学习项目的操作，并负责管理将代码投入生产所需的基础架构和数据管道。”数据科学家正在开发算法的数据和分析方面，而不是编码方面。他们还收集，清理和准备数据（Zhou，Adelyn。“人工智能工作标题：什么是机器学习工程师？”福布斯。2017年11月27日）。

根据从事这些工作的用户提交的信息，Glassdoor.com报告称ML工程师和数据科学家的平均基本工资为120,931美元。薪水从低至87,000美元到高达158,000美元（机器学习工程师薪水.Glassdoor.com。2018年3月1日）。虽然Glassdoor对这些标题进行了分组，但它们之间存在一些差异。