शीर्ष मशीन शिक्षण नोकर्‍या

सामग्री

• मशीन शिकणे म्हणजे काय?
• मशीन लर्निंग वापरणारे उद्योग
• मशीन शिक्षण कसे कार्यस्थळामध्ये बदलत आहे
• आपल्याला मशीन लर्निंगमध्ये करिअर पाहिजे आहे का?
• नोकरी शीर्षके आणि कमाई
• मशीन लर्निंग जॉब्ससाठी आवश्यकता

लिंक्डइनच्या २०१ US च्या यूएस इमर्जिंग जॉब्स रिपोर्टच्या शीर्षस्थानी मशीन लर्निंग क्षेत्रात दोन व्यवसाय होतेः मशीन लर्निंग इंजिनियर आणि डेटा सायंटिस्ट. २०१२ ते २०१ between या कालावधीत मशीन लर्निंग इंजिनीअर्सच्या रोजगारामध्ये 8 .8 पट वाढ झाली आहे आणि त्याच पाच वर्षांच्या कालावधीत डेटा सायंटिस्टच्या नोक jobs्यांमध्ये .5. times पट वाढ झाली आहे. जर हा ट्रेंड कायम राहिला तर या व्यवसायांमध्ये रोजगाराचे प्रमाण असेल जे इतर अनेक व्यवसायांना मागे टाकतील. भविष्य खूप उज्ज्वल असल्याने या क्षेत्रातील एखादी नोकरी तुमच्यासाठी योग्य असेल काय?

मशीन शिकणे म्हणजे काय?

मशीन लर्निंग (एमएल) फक्त असेच दिसते. या तंत्रज्ञानामध्ये विशिष्ट कार्ये करण्यासाठी अध्यापन मशीनचा समावेश आहे. पारंपारिक कोडिंगच्या विपरीत जे संगणकास काय करावे हे सांगणार्‍या सूचना देतात, एमएल त्यांना डेटा प्रदान करतो जे त्यांना स्वतःहून शोधू देतात, जसे मनुष्य किंवा प्राणी करतात. जादू सारखे ध्वनी, पण तसे नाही. यात संगणक शास्त्रज्ञ आणि संबंधित तज्ञांसह इतरांचा परस्परसंवाद समाविष्ट आहे. हे आयटी व्यावसायिक अल्गोरिदम नावाच्या प्रोग्राम तयार करतात a समस्येचे निराकरण करणारे नियमांचे सेट — आणि नंतर त्यांना या माहितीच्या आधारे अंदाज तयार करण्यास शिकविणार्‍या मोठ्या संख्येने डेटा फीड करतात.

मशीन लर्निंग हे "कृत्रिम बुद्धिमत्तेचे उपसंच आहे जे संगणकास कार्य करण्यास सक्षम करते ज्यासाठी त्यांनी स्पष्टपणे प्रोग्राम केलेले नाहीत" (डिकसन, बेन. कौशल्ये आपल्याला मशीन मशीन शिक्षण घेण्याची आवश्यकता आहे. ते करियर फाइंडर. 18 जानेवारी, 2017.) स्टीव्हन लेवी यांनी कंपनीच्या अभियंत्यांमधील मशीन लर्निंगला प्राधान्य देण्याविषयी व कंपनीच्या अभियंत्यांच्या पुनर्रचनाबद्दल बोलणार्‍या एका लेखात असे लिहिले आहे की, “बर्‍याच वर्षांपासून मशीन लर्निंगला एक खासियत मानले गेले, मर्यादित मानले गेले. काही उच्चभ्रूंना. तो युग संपला आहे, जसे की अलिकडील परिणामांवरून असे दिसून येते की जैविक मेंदूत कार्य करणा em्या तंत्रिका जाळ्याद्वारे चालविल्या जाणार्‍या मशीन लर्निंग, मानवाच्या सामर्थ्याने संगणक आत्मसात करण्याचा खरा मार्ग आहे आणि काही बाबतींत, सुपर मानवाचे आहे. ”( लेवी, स्टीव्हन. गूगल स्वत: ला मशीन लर्निंग फर्स्ट कंपनी वायर्ड म्हणून रिमेकिंग करीत आहे. 22 जून, 2016).

"वास्तविक जगामध्ये" मशीन शिक्षण कसे वापरले जाते? आपल्यापैकी बर्‍याचजण या तंत्रज्ञानाचा जास्त विचार न करता दररोज येतात. जेव्हा आपण Google किंवा दुसरे शोध इंजिन वापरता, तेव्हा पृष्ठाच्या शीर्षस्थानी येणारे परिणाम मशीन शिकण्याचे परिणाम असतात. भविष्यवाणीचा मजकूर, तसेच आपल्या स्मार्ट फोनच्या मजकूर अॅपवर कधीकधी विकृत स्वयंचलित दुरुस्ती वैशिष्ट्य देखील मशीन शिकण्याच्या परिणामी आहे. नेटफ्लिक्स आणि स्पॉटिफायवरील शिफारस केलेले चित्रपट आणि गाणी ही केवळ दखल घेत असताना आपण या वेगाने वाढणार्‍या तंत्रज्ञानाचा कसा वापर करतो याची पुढील उदाहरणे आहेत. अलिकडेच गुगलने जीमेलमध्ये स्मार्ट रिप्लाय सादर केले. संदेशाच्या शेवटी, वापरकर्त्यास सामग्रीवर आधारित तीन संभाव्य प्रत्त्युत्तरे सादर करतात. उबर आणि इतर कंपन्या सध्या सेल्फ-ड्रायव्हिंग कारची चाचणी घेत आहेत.

मशीन लर्निंग वापरणारे उद्योग

मशीन लर्निंगचा वापर टेक जगाच्या पलीकडे पोहोचला आहे. एसएएस या विश्लेषक सॉफ्टवेअर कंपनीने सांगितले की बर्‍याच उद्योगांनी हे तंत्रज्ञान स्वीकारले आहे. वित्तीय सेवा उद्योग एमएलचा वापर गुंतवणूकीच्या संधी ओळखण्यासाठी, गुंतवणूकदारांना व्यापार केव्हा करावा हे जाणून घेण्यासाठी, कोणत्या ग्राहकांना जास्त जोखीम असलेली प्रोफाइल आहे हे ओळखण्यासाठी आणि फसवणूक शोधण्यासाठी वापरतात. आरोग्य सेवेमध्ये, अल्गोरिदम विकृती उचलून आजारांचे निदान करण्यात मदत करतात.

आपण कधीही हा प्रश्न विचारला आहे की "मी भेट देत असलेल्या प्रत्येक पृष्ठावर खरेदी करण्याचा विचार करत असलेल्या उत्पादनाची जाहिरात का आहे?" एमएल मार्केटिंग आणि विक्री उद्योगास त्यांच्या खरेदी आणि शोध इतिहासाच्या आधारे ग्राहकांचे विश्लेषण करण्यास अनुमती देते. या तंत्रज्ञानाचे परिवहन उद्योगाचे रुपांतरण मार्गांवरील संभाव्य समस्या शोधून काढते आणि त्यास अधिक कार्यक्षम बनविण्यात मदत करते. एमएलचे आभार, तेल आणि वायू उद्योग नवीन उर्जा स्त्रोत (मशीन लर्निंग: हे काय आहे आणि का हे महत्त्वाचे आहे. एसएएस) ओळखू शकतो.

मशीन शिक्षण कसे कार्यस्थळामध्ये बदलत आहे

आमच्या सर्व नोकर्या ताब्यात घेणा machines्या मशीन्सबद्दलची भविष्यवाणी अनेक दशकांपर्यत राहिली आहे, परंतु एमएल शेवटी ते प्रत्यक्षात आणेल काय? तज्ञांनी या तंत्रज्ञानाचे कार्यस्थळ बदलणे आणि चालू ठेवणे हे भाकीत केले आहे. पण म्हणून आतापर्यंत आमच्या सर्व नोकर्या काढून घेतल्यासारखे? बहुतेक तज्ञांना असे वाटत नाही की तसे होईल.

यंत्र शिक्षण सर्व व्यवसायांमध्ये मानवाचे स्थान घेऊ शकत नाही, परंतु यामुळे त्यांच्याशी संबंधित बर्‍याच जबाबदा duties्या बदलू शकतात. बायरन स्पाइस म्हणतात, "डेटावर आधारित द्रुत निर्णय घेण्यातील कार्ये एमएल प्रोग्रामसाठी योग्य आहेत; तसे नाही तर हा निर्णय तर्कशक्तीच्या विविध साखळी, विविध पार्श्वभूमी ज्ञान किंवा अक्कल यावर अवलंबून असेल तर नाही." स्पाइस कार्नेगी मेलॉनच्या मीडिया रिलेशनशिपचे संचालक आहेत. युनिव्हर्सिटी स्कूल ऑफ कॉम्प्युटर सायन्स (स्पाइस, बायरन. मशीन लर्निंग नोकरी बदलतील. कार्नेगी मेलॉन युनिव्हर्सिटी. 21 डिसेंबर, 2017).

सायन्स मॅगझिनमध्ये एरिक ब्रायनजॉल्फसन आणि टॉम मिशेल लिहितात, "एमएलच्या क्षमतेचे निकटवर्ती पर्याय असलेल्या कामगारांसाठी कामगारांची मागणी कमी होण्याची शक्यता असते, तर या यंत्रणेसाठी पूरक कामांची शक्यता वाढण्याची शक्यता असते. प्रत्येक वेळी एम.एल. यंत्रणा उंबरठा ओलांडते जिथे ती एखाद्या कामावर मानवांपेक्षा जास्त खर्चिक होते, अधिकाधिक नफा मिळवून देणारे उद्योजक आणि व्यवस्थापक वाढत्या लोकांसाठी मशीनची जागा घेण्याचा प्रयत्न करतात.याचा परिणाम संपूर्ण अर्थव्यवस्थेमध्ये, उत्पादकता वाढविणे, किंमती कमी करणे, कामगारांची मागणी बदलणे, आणि पुनर्रचना उद्योग (ब्रायनजॉल्फसन, एरिक आणि मिशेल, टॉम. मशीन लर्निंग काय करू शकते? वर्कफोर्स इम्पिकेशेशन्स. विज्ञान. 22 डिसेंबर 2017).

आपल्याला मशीन लर्निंगमध्ये करिअर पाहिजे आहे का?

मशीन शिक्षणातील करिअरसाठी संगणक विज्ञान, आकडेवारी आणि गणिताचे कौशल्य आवश्यक आहे. बरेच लोक या क्षेत्रात पार्श्वभूमी घेऊन या क्षेत्रात येतात. मशीन लर्निंगमध्ये मोठे शिक्षण देणारी बरीच महाविद्यालये संगणक विज्ञान, इलेक्ट्रिकल आणि संगणक अभियांत्रिकी, गणित आणि आकडेवारी व्यतिरिक्त अभ्यासक्रमासह एकाधिक-शिस्तीचा दृष्टिकोन घेतात (मशीन लर्निंगसाठी अव्वल 16 शाळा. अ‍ॅडमिशनटेबल.कॉम).

जे लोक आधीपासूनच माहिती तंत्रज्ञान उद्योगात गुंतलेले आहेत त्यांच्यासाठी एमएल नोकरीमध्ये बदल होणे फार उडी नाही. आपल्याकडे आधीपासूनच आपल्याला आवश्यक असलेली अनेक कौशल्ये असू शकतात. आपला मालक आपल्याला हे संक्रमण करण्यात मदत करू शकेल. स्टीव्हन लेव्हीच्या लेखानुसार, "सध्या बरेच लोक नाहीत जे एमएलचे तज्ञ आहेत म्हणून Google आणि फेसबुक सारख्या कंपन्या अभियंत्यांना प्रशिक्षण देत आहेत ज्यांचे कौशल्य पारंपारिक कोडिंगमध्ये आहे."

आपण आयटी व्यावसायिक म्हणून विकसित केलेली अनेक कौशल्ये मशीन लर्निंगवर हस्तांतरित करतील, हे थोडे आव्हानात्मक असू शकते. आशा आहे की, आपण आपल्या महाविद्यालयीन आकडेवारीच्या क्लासेस दरम्यान जागृत राहिला कारण एमएल त्या विषयावर तसेच गणितावर जोरदार अवलंबून आहे. लेवी लिहितात की कोडरला सिस्टम प्रोग्रामिंगवर असलेले संपूर्ण नियंत्रण सोडण्यास तयार असले पाहिजे.

जर आपला टेक नियोक्ता Google आणि फेसबुकला प्रशिक्षण देत असलेले एमएल प्रदान करत नसेल तर आपण नशिबात असाल. महाविद्यालये आणि विद्यापीठे तसेच उडेमी आणि कोर्सेरा सारख्या ऑनलाईन शिकण्याचे प्लॅटफॉर्म मशीन शिकवण्याचे मूलभूत विषय शिकवणारे वर्ग उपलब्ध करतात. आकडेवारी आणि गणिताचे वर्ग घेऊन आपले कौशल्य शोधून काढणे अत्यंत आवश्यक आहे.

नोकरी शीर्षके आणि कमाई

या क्षेत्रात नोकरी शोधत असताना आपण प्राथमिक नोकरीची शीर्षके पाळता शकता यात मशीन लर्निंग अभियंता आणि डेटा वैज्ञानिक आहेत.

मशीन लर्निंग अभियंता "मशीन लर्निंग प्रोजेक्टचे ऑपरेशन्स चालवतात आणि कोड उत्पादनात आणण्यासाठी आवश्यक पायाभूत सुविधा आणि डेटा पाइपलाइन व्यवस्थापित करण्यास जबाबदार असतात." कोडिंग साइडऐवजी डेटा शास्त्रज्ञ अल्गोरिदम विकसित करण्याच्या डेटा आणि विश्लेषणाच्या बाजूवर आहेत. ते डेटा संकलित करतात, स्वच्छ करतात आणि तयार करतात (झोउ, lyडलिन. "कृत्रिम बुद्धिमत्ता नोकरी शीर्षक: मशीन लर्निंग इंजिनिअर म्हणजे काय?" फोर्ब्स. 27 नोव्हेंबर, 2017).

या जॉबमध्ये काम करणा people्या लोकांच्या वापरकर्त्याच्या सबमिशनच्या आधारे, ग्लासडोर डॉट कॉमने नोंदवले आहे की एमएल अभियंता आणि डेटा शास्त्रज्ञ सरासरी बेस पगार earn 120,931 करतात. वेतन कमीत कमी ,000 87,000 पासून ते 158,000 डॉलरच्या उच्चांपर्यंत आहे (मशीन लर्निंग इंजिनियर पगार. ग्लासडोर डॉट कॉम. 1 मार्च 2018). जरी ग्लासडोर ही शीर्षके गटबद्ध करतात, परंतु त्यांच्यात काही फरक आहेत.

मशीन लर्निंग जॉब्ससाठी आवश्यकता

एमएल अभियंता आणि डेटा शास्त्रज्ञ वेगवेगळी कामे करतात, परंतु त्यांच्यात बरेच आच्छादित आहे. दोन्ही पदांच्या नोकरीच्या घोषणांना बर्‍याचदा समान आवश्यकता असते. बरेच नियोक्ते संगणक विज्ञान किंवा अभियांत्रिकी, आकडेवारी किंवा गणित विषयात बॅचलर, मास्टर किंवा डॉक्टरेट डिग्री पसंत करतात.

मशीन लर्निंग प्रोफेशनल होण्यासाठी आपल्याला तांत्रिक कौशल्ये - शाळेत किंवा नोकरीवर शिकलेल्या कौशल्यांचे आणि सॉफ्ट कौशल्यांचे संयोजन आवश्यक असेल. मऊ कौशल्ये ही एखाद्याची क्षमता आहे जी ती वर्गात शिकत नाही, परंतु त्याऐवजी जन्मलेल्या किंवा आयुष्याच्या अनुभवातून प्राप्त होतात. पुन्हा, एमएल अभियंता आणि डेटा वैज्ञानिकांसाठी आवश्यक कौशल्ये दरम्यान मोठ्या प्रमाणात आच्छादित आहे.

नोकरीच्या घोषणांमध्ये असे दिसून आले आहे की एमएल अभियांत्रिकी नोकरीत काम करणा those्यांना टेन्सरफ्लो, मिलीब, एच 20 आणि थियानो सारख्या मशीन लर्निंग फ्रेमवर्कशी परिचित असले पाहिजे. त्यांना जावा किंवा सी / सी ++ सारख्या प्रोग्रामिंग भाषेसह पर्ल किंवा पायथन सारख्या स्क्रिप्टिंग भाषेसहित अनुवादासह कोडिंगमध्ये मजबूत पार्श्वभूमीची आवश्यकता आहे. मोठ्या संख्येने डेटाचे विश्लेषण करण्यासाठी सांख्यिकी सॉफ्टवेअर पॅकेज वापरण्याचे आकडेवारीचे अनुभव आणि अनुभवांमध्ये देखील या वैशिष्ट्यांचा समावेश आहे.

मऊ कौशल्ये विविध आपल्याला या क्षेत्रात यशस्वी होऊ देतील. त्यापैकी लवचिकता, अनुकूलता आणि चिकाटी आहे. अल्गोरिदम विकसित करण्यासाठी खूप चाचणी आणि त्रुटी आवश्यक आहे आणि म्हणूनच धीर धरा. एखाद्याने कार्य केले की नाही हे पाहण्यासाठी अल्गोरिदमची चाचणी करणे आवश्यक आहे आणि नसल्यास नवीन तयार करा.

उत्कृष्ट संप्रेषण कौशल्ये आवश्यक आहेत. मशीन लर्निंग व्यावसायिक, जे सहसा कार्यसंघांवर कार्य करतात त्यांना इतरांशी सहयोग करण्यासाठी उत्कृष्ट ऐकणे, बोलणे आणि परस्पर कौशल्ये आवश्यक असतात आणि त्यांचे निष्कर्ष त्यांनी त्यांच्या सहका to्यांसमोर देखील सादर केले पाहिजेत. त्यांनी याव्यतिरिक्त, सक्रिय शिकावे जे त्यांच्या कार्यामध्ये नवीन माहिती समाविष्ट करू शकतात. ज्या उद्योगात नावीन्यास महत्त्व दिले जाते, तेथे उत्कृष्टतेसाठी सर्जनशील असणे आवश्यक आहे.