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.
Рональд, генеральный директор Intelligent World, признан одним из ведущих специалистов в области науки о данных и цифровой трансформации.

Карьерный ландшафт искусственного интеллекта

Искусственный интеллект в последнее время набирает обороты из-за недавних инноваций, которые попали в заголовки газет, несмотря на неожиданный смех Алексы. Но искусственный интеллект уже некоторое время является разумным выбором профессии из-за растущего внедрения технологии во всех отраслях и потребности в подготовленных специалистах для выполнения рабочих мест, созданных этим ростом. Однако также прогнозируется, что эта технология уничтожит более 1,7 миллиона рабочих мест, в результате чего появится около полумиллиона новых рабочих мест по всему миру. Более того, ИИ предлагает множество уникальных и жизнеспособных возможностей для карьерного роста. Искусственный интеллект используется практически во всех отраслях, от развлечений до транспорта, но у нас огромная потребность в квалифицированных специалистах.

Что такое машинное обучение?

Машинное обучение (ML) – это отрасль науки, которая изучает, как компьютеры могут обучаться без явного программирования. Машинное обучение – одна из самых захватывающих технологий, с которыми мы когда-либо сталкивались. Как следует из названия, это дает компьютеру способность к обучению, которая делает его более похожим на человека. Машинное обучение сегодня активно используется, возможно, во многих других местах, чем можно было бы ожидать.

Объяснен искусственный интеллект и машинное обучение

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 обучается аналогично тому, как учатся люди, имитируя человеческое обучение, поэтому оно может выполнять некоторые из наших заданий за нас, а другие выполнять лучше и быстрее, чем мы, люди, когда-либо могли. Машинное обучение – это подмножество искусственного интеллекта, поэтому иногда, когда мы описываем искусственный интеллект, мы описываем машинное обучение, которое представляет собой процесс, посредством которого искусственный интеллект обучается.

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

Искусственный интеллект имеет множество преимуществ. От искусственного интеллекта выигрывают как люди, так и компании. Потребители ежедневно используют искусственный интеллект для поиска пунктов назначения с помощью приложений навигации и совместного использования поездок, в качестве устройств для умного дома или личных помощников, или для потоковых сервисов. Компании могут использовать искусственный интеллект для оценки рисков и определения возможностей, сокращения затрат и стимулирования исследований и инноваций.

Три основных этапа искусственного интеллекта

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

• Первый этап – машинное обучение – Машинное обучение состоит из интеллектуальных систем, использующих алгоритмы для обучения на опыте.
• Второй этап – это машинный интеллект, где используется наша текущая технология искусственного интеллекта. На этом этапе машины учатся на опыте, основанном на ложных алгоритмах. Это более развитая форма машинного обучения с улучшенными когнитивными способностями.
• Третий этап – машинное сознание – системы могут самообучаться на собственном опыте 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 обработке данных или архитектор искусственного интеллекта.

Во-первых, инженер по машинному обучению оценивает, организует и отслеживает наборы данных, которыми снабжены системы машинного обучения. Поскольку эти системы обучаются на основе любых данных, которые им предоставляются, они должны правильно выбирать и подготавливать эти данные для поддержки желаемого обучения. Понимание доступных данных и того, какие типы обучения они могут поддерживать, является основополагающим шагом.

Во-вторых, инженер по машинному обучению разрабатывает системы машинного обучения. Зная природу доступных данных и предполагаемое назначение системы машинного обучения, инженер по машинному обучению выбирает правильные технологии и архитектуру, чтобы извлекать уроки из этих данных и делать необходимые выводы и моделировать поведение.

Наконец, инженер по машинному обучению создает модели, которые будет использовать система машинного обучения. Эти модели определяют, как система интерпретирует данные и извлекает из них уроки. Процесс построения моделей включает тестирование моделей с помощью наборов тестовых данных для подтверждения того, что они приводят к ожидаемым выводам и поведению.

Машинное обучение быстро распространяется в бизнесе, промышленности и правительстве. Новые технологии постоянно увеличивают возможности машинного обучения, и новые приложения для 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 качественнее реагировать на поток данных, и именно поэтому спрос на инженеров по машинному обучению стремительно растет.

По данным сайта по подбору персонала 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 высоким.

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

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 и 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 знакомство с Python, R, Java и SQL.
• Данные. Инженерам по машинному обучению необходимо понимать, где искать полезное значение 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. Они также должны знать, как управлять базами данных, которые хранят и представляют данные в систему машинного обучения. Ценные навыки включают управление базами данных SQL и не-SQL и использование инструментов для обработки больших данных, таких как Hadoop.
• Математика, статистика и алгоритмы. Инженерам по машинному обучению необходимо понимать математические и статистические принципы, лежащие в основе искусственного интеллекта и машинного обучения. Они должны быть знакомы с алгоритмами и архитектурами искусственного интеллекта и машинного обучения, включая глубокое обучение.
• Программные навыки. Инженеры по машинному обучению работают в составе многофункциональных команд для поддержки общих целей своих организаций. Им нужны коммуникативные навыки, чтобы учитывать требования организаций и преобразовывать их в спецификации для систем машинного обучения. Они должны понимать, как организовывать проекты по внедрению системы и управлять ими, а также обладать навыками лидерства и командной работы, чтобы эффективно работать со своими коллегами и клиентами.

Перевод бизнес-задач в математические термины

Машинное обучение – это область, которая практически создана для логического мышления. Это карьера, сочетающая технологии, математику и бизнес-анализ. Вы должны уметь концентрироваться на технологиях и проявлять интеллектуальное любопытство, но вы также должны быть открыты для бизнес-проблем и уметь сформулировать а бизнес-проблему в а математическую задачу машинного обучения и в конечном итоге принести пользу.

Подмножества машинного обучения

В дополнение к развитию машинного обучения, которое ведет к появлению новых возможностей, 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 являются неотъемлемой частью обучения компьютеров думать и учиться путем классификации информации, аналогично тому, как учимся мы, люди. С помощью нейронных сетей программное обеспечение может научиться распознавать изображения, например. Машины также могут делать прогнозы и принимать решения с высоким уровнем точности на основе входных данных.
• Обработка естественного языка (NLP) Обработка естественного языка дает машинам способность понимать человеческий язык. По мере развития этого процесса машины научатся реагировать так, чтобы их могла 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 с помощью нейронных сетей, приближаясь к тому, как мы мыслим как люди. Глубокое обучение можно применять к изображениям, тексту и речи, чтобы делать выводы, имитирующие процесс принятия решений человеком.

Python и как использовать библиотеки машинного обучения

Библиотеки машинного обучения представляют собой наборы готовых к использованию функций и процедур. Научиться работать с библиотеками важно независимо от языка программирования или предметной области, в которой работает разработчик, потому что это упрощает работу и сокращает трудоемкость. 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, таким как библиотеки обработки текста, графические библиотеки, библиотеки манипулирования данными и библиотеки научных вычислений, среди прочих. Активно разрабатываются сотни библиотек машинного обучения, поскольку машинное обучение продолжает открывать новые двери для человечества и привлекать новичков.

Отрасли, использующие искусственный интеллект в настоящее время

Во время вебинара многие вопросы аудитории касались компаний, которые в настоящее время используют искусственный интеллект и, следовательно, нанимают квалифицированных специалистов в области искусственного интеллекта. Ответ таков: искусственный интеллект используется во многих типах приложений во многих различных отраслях.

Самоуправляемый автомобиль, вероятно, является наиболее известным применением искусственного интеллекта. Прогнозирующее обслуживание – это еще одна часть искусственного интеллекта, которая прогнозирует, когда потребуется техническое обслуживание, чтобы его можно было проводить заблаговременно, что приводит к огромной экономии средств. Искусственный интеллект используется на транспорте, например, для составления расписания поездов и для помощи водителям Uber в навигации по маршрутам. “Умные города” используют искусственный интеллект для повышения энергоэффективности, снижения преступности и безопасности. Сегодня существует бесчисленное множество приложений искусственного интеллекта, и их количество постоянно растет.

Многие крупные бренды уже используют искусственный интеллект, 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 работать в области искусственного интеллекта или машинного обучения. Все отрасли переходят на эту технологию, включая транспорт, производство, энергетику, сельское хозяйство и финансы.

В каких отраслях нужны инженеры по машинному обучению?

Поскольку машинное обучение находит применение практически в каждой отрасли, спрос на инженеров по машинному обучению практически универсален. Это справедливо как для традиционных отраслей, так и для передовых технологических компаний. Рональд указал на несколько ключевых отраслей, которые претерпевают сбои и ищут решения для ОД:

• Цепочка поставок. Машинное обучение помогает обезопасить цепочки поставок за счет автономного планирования, оптимизации спроса, оптимизации поставщиков и источников материалов, а также управления транспортировкой.
• Финансы. ML помогает компаниям, оказывающим финансовые услуги, защищаться от мошенничества с помощью автоматической аутентификации, темного веб-мониторинга, обнаружения схем мошенничества и других систем.
• Здравоохранение. ML помогает в администрировании, диагностике и управлении оказанием медицинской помощи, среди прочих областей.
• Автомобильная промышленность. В автомобилях установлено множество датчиков, собирающих огромное количество точек данных, и ML может улучшить прогнозное техническое обслуживание, анализ отказов и автономное вождение.

Как начать работу в области искусственного интеллекта?

Если вы заинтригованы этой сферой деятельности и задаетесь вопросом, с чего начать, Ван Лун описал пути обучения для трех различных типов профессионалов: новичков в этой области, программистов, и тех, кто уже работает в науке о данных. Он также указывает, что различные отрасли требуют разных наборов навыков, но все, кто работает в сфере искусственного интеллекта, должны обладать отличными коммуникативными навыками, прежде чем обращаться к необходимым математическим и вычислительным навыкам.

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

Если вы уже программист и хотели бы перейти в сферу искусственного интеллекта, вы можете сразу перейти к алгоритмам и начать кодировать.

По словам Ван Луна, для того, чтобы аналитик данных или ученый больше разбирался в искусственном интеллекте, необходимо приобрести навыки программирования. Чтобы перейти от специалиста по обработке данных к машинному обучению, вы должны знать, как подготавливать данные, а также обладать хорошими коммуникативными навыками и знаниями бизнеса, а также быть опытным в построении моделей и визуализации. Для того, чтобы заставить ИИ работать, требуется много членов команды, что позволяет специализироваться в любом количестве областей. Ван Лун предположил, что специалист по обработке данных должен начать с определения того, чем вы хотели бы заниматься, а затем сосредоточиться на этом в своей карьере в области машинного обучения.

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

Конкретные рабочие места в сфере искусственного интеллекта

Хотя мы говорим об ИИ и машинном обучении как о широких категориях, доступные вакансии более точны. Некоторые из вакансий, описанных Ван Луном во время вебинара, включают:

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

Карьерный путь в области машинного обучения

Эти роли вписываются в более крупные команды, чтобы обеспечивать результаты для организации.

Инженеры по машинному обучению должны:

• Координируйте свои действия с бизнес-аналитиками, чтобы превратить требования организации в системные спецификации
• Поддержите архитекторов искусственного интеллекта, которые разрабатывают подходы к решению, применяющие искусственный интеллект к требованиям бизнеса
• Работайте с инженерами по обработке данных, чтобы убедиться, что у систем ML есть надежный источник чистых и доступных данных для обучения

Заключение

Когда его спросили о будущем искусственного интеллекта, Ван Лун ответил, что темпы развития затрудняют прогнозирование будущего. Учитывая инновации, которые мы увидим в ближайшие годы, мы даже не можем представить, что будет развиваться, но мы точно знаем, что у нас уже есть нехватка подготовленных специалистов по искусственному интеллекту и машинному обучению. Этот разрыв будет только расти до тех пор, пока люди не будут обучены и распределены на миллионы рабочих мест с искусственным интеллектом. Если вы хотите стать одним из таких профессионалов, получите сертификат, потому что чем раньше вы начнете обучение, тем скорее начнете работать в этой захватывающей и быстро меняющейся области. Чего вы ждете? Изучите и запишитесь на нашу первоклассную программу для аспирантов в области искусственного интеллекта и ML сегодня!