Как построить карьеру в области машинного обучения

26 мая 2021 года Рональд ван Лун поделился своими советами по развитию карьеры в области машинного обучения на вебинаре Simplilearn. Рональд, генеральный директор Intelligent World, признан одним из ведущих мыслителей в области науки о данных и цифровой трансформации. Он является членом Консультативного совета Simplilearn.

Карьерный ландшафт ИИ

В последнее время искусственный интеллект приобретает еще большую популярность благодаря недавним инновациям, которые попали в заголовки газет, несмотря на неожиданный смех Алексы. Но ИИ уже некоторое время является разумным выбором карьеры из-за растущего внедрения технологий во всех отраслях и потребности в обученных профессионалах для выполнения рабочих мест, созданных этим ростом. Однако, по прогнозам, эта технология уничтожит более 1,7 миллиона рабочих мест, что приведет к появлению около полумиллиона новых рабочих мест во всем мире. Более того, ИИ предлагает множество уникальных и реальных возможностей карьерного роста. Искусственный интеллект используется практически во всех отраслях, от развлечений до транспорта, но мы испытываем огромную потребность в квалифицированных и квалифицированных специалистах.

Что такое машинное обучение?

Машинное обучение (ML) — это отрасль науки, которая изучает, как компьютеры могут учиться без явного программирования. Машинное обучение — одна из самых захватывающих технологий, с которыми мы когда-либо сталкивались. Как следует из названия, он дает компьютеру возможность учиться, что делает его более похожим на человека. Машинное обучение сегодня активно используется, возможно, в гораздо большем количестве мест, чем можно было бы ожидать.

Повысьте свои навыки с помощью наших лучших курсов по машинному обучению.

Объяснение искусственного интеллекта и машинного обучения

Если вы новичок в этой области, вам может быть интересно, что же такое искусственный интеллект? ИИ — это то, как мы создаем интеллектуальные машины. Это программное обеспечение, которое учится аналогично тому, как учатся люди, имитируя человеческое обучение, поэтому оно может взять на себя часть нашей работы и выполнять другую работу лучше и быстрее, чем мы, люди, когда-либо могли бы. Машинное обучение — это разновидность ИИ, поэтому иногда, когда мы описываем ИИ, мы описываем машинное обучение, то есть процесс, с помощью которого ИИ учится.

Алгоритмы машинного обучения используют набор обучающих данных, позволяющих компьютерам научиться делать то, на что они не запрограммированы. Машинное обучение дает нам технологии, расширяющие наши человеческие возможности.

ИИ имеет широкие преимущества. И люди, и компании получают выгоду от ИИ. Потребители ежедневно используют ИИ, чтобы находить пункты назначения с помощью приложений для навигации и совместного использования поездок, в качестве устройств «умного дома», личных помощников или потоковых сервисов. Предприятия могут использовать ИИ для оценки рисков и определения возможностей, сокращения затрат и стимулирования исследований и инноваций.

Три основных этапа развития ИИ

ИИ быстро развивается, и это одна из причин, почему карьера в области ИИ предлагает такой большой потенциал. По мере развития технологий обучение улучшается. Ван Лун описал три этапа развития искусственного интеллекта и машинного обучения следующим образом:

• Первый этап — машинное обучение. Машинное обучение состоит из интеллектуальных систем, использующих алгоритмы для обучения на основе опыта.
• Второй этап — это машинный интеллект. Здесь находится наша нынешняя технология искусственного интеллекта. На этом этапе машины учатся на основе опыта, основанного на ложных алгоритмах. Это более развитая форма машинного обучения с улучшенными когнитивными способностями.
• Третий этап — машинное сознание. Системы могут самообучаться на основе опыта без каких-либо внешних данных. Siri — пример машинного сознания.

Что такое инженер по машинному обучению?

Для начала Рональд определил роль инженера по машинному обучению в отличие от других ролей, связанных с данными, таких как специалист по данным или архитектор искусственного интеллекта.

Во-первых, инженер по машинному обучению оценивает, систематизирует и отслеживает наборы данных, которые поступают в системы машинного обучения. Поскольку эти системы учатся на любых данных, которые им предоставляют, они должны правильно отбирать и кондиционировать эти данные для поддержки желаемого обучения. Понимание имеющихся данных и того, какие типы обучения они могут поддерживать, является основополагающим шагом.

Во-вторых, инженер по машинному обучению разрабатывает системы машинного обучения. Зная характер доступных данных и предполагаемую цель системы машинного обучения, инженер по машинному обучению выбирает правильные технологии и архитектуру, чтобы учиться на этих данных и делать необходимые выводы и поведение.

Наконец, инженер по машинному обучению создает модели, которые будет использовать система машинного обучения. Эти модели определяют, как система интерпретирует данные и учится на их основе. Процесс построения модели включает тестирование моделей с наборами тестовых данных для проверки того, что они дают ожидаемые выводы и поведение.

Машинное обучение быстро распространяется в бизнесе, промышленности и правительстве. Новые технологии постоянно увеличивают возможности машинного обучения, а новые приложения машинного обучения появляются почти ежедневно. Более того, цифровая трансформация и вызванное ею ускорение увеличили объем данных, которые организации должны обрабатывать, и сократили время, необходимое этим организациям для принятия решений. Системы машинного обучения помогают организациям быстрее и лучше реагировать на поток данных, и именно поэтому спрос на инженеров по машинному обучению растет.

По данным рекрутингового сайта Indeed, средняя зарплата инженеров по машинному обучению в США составляет около 120 000 долларов. Количество вакансий для инженеров по машинному обучению в США выросло на 344% в период с 2015 по 2018 год, и этот рост продолжает оставаться сильным.

Далее давайте посмотрим, каков карьерный путь инженера в области машинного обучения.

Что нужно знать инженеру по машинному обучению?

Инженерам по машинному обучению необходимы знания и навыки в нескольких областях:

• Программное обеспечение. Инженеры по машинному обучению отвечают за разработку и совершенствование программных систем, а также за создание инструментов автоматизации для повышения эффективности работы этих систем. Они должны обладать сильными навыками в области архитектуры и разработки программного обеспечения. Конкретные навыки работы с программным обеспечением включают практическое знание Python, R, Java и SQL.
• Данные. Инженеры по машинному обучению должны понимать, где найти полезный смысл в данных и как работать с большими наборами данных. Им необходимо взять необработанные входные данные и преобразовать их в чистые и доступные наборы данных для обучения моделей машинного обучения. Им также необходимо знать, как управлять базами данных, в которых хранятся и представляют данные системе машинного обучения. Ценные навыки включают управление базами данных SQL и не-SQL, а также использование инструментов для работы с большими данными, таких как Hadoop.
• Математика, статистика и алгоритмы. Инженеры по машинному обучению должны понимать математические и статистические принципы, лежащие в основе искусственного интеллекта и машинного обучения. Они должны быть знакомы с алгоритмами и архитектурой искусственного интеллекта и машинного обучения, включая глубокое обучение.
• Мягкие навыки. Инженеры по машинному обучению работают в составе многофункциональных команд для достижения общих целей своих организаций. Им нужны коммуникативные навыки, чтобы учитывать требования организаций и переводить их в спецификации для систем машинного обучения. Им необходимо понимать, как организовывать и управлять проектами по внедрению системы, а также обладать лидерскими навыками и навыками командной работы, чтобы эффективно работать со своими коллегами и клиентами.

Переведите бизнес-задачи в математические термины

Машинное обучение — это область, практически созданная для логических умов. Эта карьера сочетает в себе технологии, математику и бизнес-анализ. Вы должны быть в состоянии сконцентрироваться на технологиях и проявлять интеллектуальную любознательность, но вы также должны быть открыты к бизнес-проблемам и уметь сформулировать бизнес-задачу в математическую задачу машинного обучения и принести пользу конец.

Подмножества машинного обучения

Помимо развития машинного обучения, которое открывает новые возможности, у нас есть подмножества в области машинного обучения, каждое из которых предлагает потенциальную область специализации для тех, кто заинтересован в карьере в области искусственного интеллекта.

• Нейронные сети

  Нейронные сети необходимы для обучения компьютеров думать и учиться путем классификации информации, подобно тому, как мы, люди, учимся. Например, с помощью нейронных сетей программное обеспечение может научиться распознавать изображения. Машины также могут делать прогнозы и принимать решения с высоким уровнем точности на основе входных данных.

• Обработка естественного языка (НЛП)

  Обработка естественного языка дает машинам возможность понимать человеческий язык. По мере развития машины машины научатся реагировать так, как сможет понять человеческая аудитория. В будущем это кардинально изменит то, как мы взаимодействуем со всеми компьютерами.

• Глубокое обучение

  Глубокое обучение находится на переднем крае интеллектуальной автоматизации. Основное внимание уделяется инструментам машинного обучения и их использованию для решения проблем путем принятия решений. Благодаря глубокому обучению данные обрабатываются через нейронные сети, приближаясь к тому, как мы думаем, как люди. Глубокое обучение можно применять к изображениям, тексту и речи, чтобы делать выводы, имитирующие принятие решений человеком.

Python и как использовать библиотеки машинного обучения

Библиотеки машинного обучения представляют собой коллекции готовых к использованию функций и процедур. Обучение работе с библиотеками необходимо независимо от языка программирования или области, в которой работает разработчик, поскольку это упрощает работу и сокращает трудоемкий труд. Хороший выбор библиотеки — важная часть набора инструментов разработчика для исследования и создания сложных приложений без необходимости писать много кода. Использование библиотек может помочь избежать создания повторяющегося кода. Существуют также библиотеки, посвященные конкретным темам, такие как библиотеки обработки текста, графические библиотеки, библиотеки манипулирования данными, библиотеки научных расчетов и другие. Сотни библиотек машинного обучения активно развиваются, поскольку машинное обучение продолжает открывать новые двери для человечества и привлекать новичков.

Отрасли, в настоящее время использующие ИИ

Во время вебинара многие вопросы аудитории касались компаний, которые в настоящее время используют ИИ и поэтому нанимают квалифицированных специалистов в области ИИ. Ответ заключается в том, что ИИ используется во многих типах приложений в самых разных отраслях.

Беспилотный автомобиль, вероятно, является самым известным применением ИИ. Прогнозируемое обслуживание — это еще одна часть ИИ, позволяющая прогнозировать, когда потребуется обслуживание, чтобы его можно было проводить заранее, что приводит к огромной экономии средств. ИИ используется в сфере транспорта, например, для планирования поездов и помощи водителям Uber в навигации по маршруту. Умные города используют ИИ, чтобы повысить энергоэффективность, снизить уровень преступности и повысить безопасность. Сегодня множество применений ИИ бесчисленны, и их число постоянно растет.

Многие крупные бренды уже используют ИИ, включая IBM, Amazon, Microsoft и Accenture. Все они широко применяют машинное обучение и стимулируют инновации. В будущем все больше и больше отраслей будут использовать искусственный интеллект и машинное обучение, что приведет к огромному росту рынка труда. Однако Ван Лун отметил, что вам не обязательно работать в более крупной компании, чтобы заниматься искусственным интеллектом или машинным обучением. Все виды отраслей промышленности движутся к этой технологии, включая транспорт, производство, энергетику, сельское хозяйство и финансы.

В каких отраслях нужны инженеры по машинному обучению?

Поскольку машинное обучение применяется практически во всех отраслях, спрос на инженеров по машинному обучению практически универсален. Это относится как к традиционным отраслям, так и к новейшим технологическим предприятиям. Рональд выделил несколько ключевых отраслей, которые переживают кризис и ищут решения в области машинного обучения:

• Цепочка поставок. Машинное обучение помогает защитить цепочки поставок посредством автономного планирования, оптимизации спроса, оптимизации поставщиков и источников материалов, а также управления транспортировкой.
• Финансы. ML помогает компаниям, предоставляющим финансовые услуги, защититься от мошенничества с помощью автоматической аутентификации, мониторинга даркнета, обнаружения моделей мошенничества и других систем.
• Здравоохранение. ML помогает в администрировании, диагностике и управлении оказанием медицинской помощи, а также в других областях.
• Автомобильная промышленность. Транспортные средства оснащены множеством датчиков, собирающих огромное количество точек данных, а машинное обучение может улучшить профилактическое обслуживание, анализ неисправностей и автономное вождение.

Как начать работу в сфере ИИ?

Если вас заинтриговала эта сфера карьеры и вы задаетесь вопросом, с чего начать, Ван Лун описал пути обучения для трех разных типов профессионалов; новички в этой области, программисты и те, кто уже работает в области науки о данных. Он также отмечает, что в разных отраслях требуются разные наборы навыков, но все, кто работает в области ИИ, должны обладать отличными коммуникативными навыками, прежде чем приступить к необходимым математическим и вычислительным навыкам.

Новичкам в этой области Ван Лун предложил начать с математики и пройти всевозможные курсы по машинному обучению. Кроме того, тот, кто хочет заняться ИИ, должен обладать сильными навыками работы с компьютером, а также навыками программирования, такими как C ++, и пониманием алгоритмов. Вам также следует дополнить это образование общими знаниями бизнеса. Самое главное, убедитесь, что любое обучение, которое вы получаете, носит практический характер.

Если вы уже программист и хотите заняться искусственным интеллектом, вы можете сразу перейти к алгоритмам и начать программировать.

По словам Ван Луна, для того, чтобы аналитик данных или ученый больше интересовался ИИ, вам необходимо приобрести навыки программирования. Чтобы перейти этот мост от специалиста по данным к машинному обучению, вы должны знать, как подготавливать данные, а также иметь хорошие коммуникативные навыки и бизнес-знания, а также уметь создавать модели и визуализацию. Чтобы заставить ИИ работать, требуется много членов команды, что позволяет специализироваться в любом количестве областей. Ван Лун предположил, что специалист по данным должен начать с выяснения того, чем вы хотели бы заниматься, а затем сосредоточиться на этом в своей карьере в области машинного обучения.

Независимо от того, откуда вы начинаете, планируйте продолжать свое образование на протяжении всей карьеры. Как говорит Ван Лун, ИИ никогда не перестает учиться, поэтому и вы не можете перестать учиться.

Нарайанан отметил, что Simplilearn предлагает путь обучения от базового до очень продвинутого, с обучением, в котором особое внимание уделяется необходимому практическому обучению.

Как стать инженером по машинному обучению?

Рональд изложил план начала карьеры в области машинного обучения. Отправной точкой являются степень бакалавра и базовое понимание концепций программирования и математики. После этого вы продолжите обучение и сертификацию по навыкам машинного обучения, например, по программам, предлагаемым Simplilearn.

Далее Рональд настоятельно рекомендует вам создать личное портфолио проектов машинного обучения. Это поможет вам узнать больше о процессах искусственного интеллекта и машинного обучения, а также о будущих требованиях и обязанностях. Многие ресурсы, такие как инициативы с открытым исходным кодом и хакатоны, помогают вам найти проекты для завершения.

Наконец, вы выберете свой конкретный карьерный путь. Роли, связанные с ролью инженера по машинному обучению, включают специалиста по данным, инженера по искусственному интеллекту, архитектора искусственного интеллекта, аналитика/разработчика бизнес-аналитики, инженера-программиста и разработчика программного обеспечения. Каждая из этих ролей может потребовать дополнительного профильного образования и сертификации.

Конкретные вакансии в области искусственного интеллекта

Хотя мы говорим об искусственном интеллекте и машинном обучении как о широких категориях, имеющиеся вакансии более точны. Некоторые из должностей, описанных Ван Луном во время вебинара, включают:

• Исследователи машинного обучения
• Инженер по искусственному интеллекту
• Интеллектуальный анализ и анализ данных
• Инженер по машинному обучению
• Специалист по данным
• Разработчик бизнес-аналитики (BI)

Карьера в области машинного обучения

Эти роли подходят для более крупных команд для достижения результатов для организации.

Инженеры по машинному обучению должны:

• Координируйте свои действия с бизнес-аналитиками, чтобы превратить требования организации в системные спецификации.
• Поддержка архитекторов искусственного интеллекта, которые разрабатывают подходы к решениям, применяющие искусственный интеллект к бизнес-требованиям.
• Работайте с инженерами по обработке данных, чтобы гарантировать, что системы ML имеют надежный источник чистых и доступных данных для обучения.

Заключение

Когда его спросили о будущем ИИ, Ван Лун ответил, что темпы развития затрудняют прогнозирование будущего. Учитывая инновации, которые мы увидим в ближайшие годы, мы даже не можем себе представить, что будет развиваться, но мы знаем, что у нас уже есть нехватка подготовленных специалистов в области искусственного интеллекта и машинного обучения. Этот разрыв будет только расти до тех пор, пока люди не будут обучены и трудоустроены на миллионы рабочих мест в сфере ИИ. Если вы хотите стать одним из этих профессионалов, получите сертификат, потому что чем раньше вы начнете обучение, тем скорее вы начнете работать в этой захватывающей и быстро меняющейся области. Чего вы ждете? Изучите и зарегистрируйтесь в нашей первоклассной программе последипломного образования в области искусственного интеллекта и машинного обучения уже сегодня!