Meilleures offres d'apprentissage automatique

Contenu

• Qu'est-ce que l'apprentissage automatique?
• Industries utilisant l'apprentissage automatique
• Comment l'apprentissage automatique change le lieu de travail
• Voulez-vous une carrière en apprentissage automatique?
• Titres d'emploi et gains
• Conditions requises pour les travaux d'apprentissage automatique

Au sommet du rapport 2017 sur les emplois émergents aux États-Unis de LinkedIn figuraient deux professions dans le domaine de l'apprentissage automatique: ingénieur en apprentissage automatique et scientifique des données. L'emploi des ingénieurs d'apprentissage automatique a augmenté de 9,8 fois entre 2012 et 2017 et les emplois de data scientist ont augmenté de 6,5 fois au cours de la même période de cinq ans. Si la tendance se poursuit, ces professions auront des perspectives d'emploi qui dépasseront de nombreuses autres professions. Avec un avenir si brillant, un emploi dans ce domaine pourrait-il vous convenir?

Qu'est-ce que l'apprentissage automatique?

L'apprentissage automatique (ML) est exactement ce que cela ressemble. Cette technologie implique d'enseigner aux machines à effectuer des tâches spécifiques. Contrairement au codage traditionnel qui fournit des instructions qui indiquent aux ordinateurs quoi faire, ML leur fournit des données qui leur permettent de le découvrir par eux-mêmes, tout comme le ferait un être humain ou un animal. Cela ressemble à de la magie, mais ce n'est pas le cas. Il implique l'interaction d'informaticiens et d'autres personnes possédant une expertise connexe. Ces professionnels de l'informatique créent des programmes appelés algorithmes - des ensembles de règles qui résolvent un problème - puis leur fournissent de grands ensembles de données qui leur apprennent à faire des prédictions sur la base de ces informations.

L'apprentissage automatique est un «sous-ensemble de l'intelligence artificielle qui permet aux ordinateurs d'effectuer des tâches pour lesquelles ils n'ont pas été explicitement programmés» (Dickson, Ben. Compétences dont vous avez besoin pour décrocher un emploi d'apprentissage automatique. It Career Finder. 18 janvier 2017.) Il est devenu plus compliqué, mais plus courant, au fil des ans. Steven Levy, dans un article qui parle de la priorité donnée par Google à l'apprentissage automatique et au recyclage des ingénieurs de l'entreprise, écrit: "Pendant de nombreuses années, l'apprentissage automatique a été considéré comme une spécialité, limitée à quelques élites. Cette époque est révolue, car des résultats récents indiquent que l'apprentissage automatique, alimenté par des «réseaux de neurones» qui imitent le fonctionnement d'un cerveau biologique, est le véritable chemin vers l'immunisation des ordinateurs avec les pouvoirs des humains et, dans certains cas, des super humains »( Levy, Steven. Comment Google se remodèle en tant que première entreprise de Machine Learning Wired. 22 juin 2016).

Comment l'apprentissage automatique est-il utilisé dans le «monde réel»? La plupart d'entre nous découvrons cette technologie au quotidien sans y penser. Lorsque vous utilisez Google ou un autre moteur de recherche, les résultats qui apparaissent en haut de la page sont le résultat d'un apprentissage automatique. Le texte prédictif, ainsi que la fonction de correction automatique parfois décriée, sur l'application de textos de votre téléphone intelligent, sont également le résultat de l'apprentissage automatique. Les films et chansons recommandés sur Netflix et Spotify sont d'autres exemples de la façon dont nous utilisons cette technologie en croissance rapide tout en la remarquant à peine. Plus récemment, Google a introduit la réponse intelligente dans Gmail. À la fin d'un message, il présente à l'utilisateur trois réponses possibles en fonction du contenu. Uber et d'autres sociétés testent actuellement des voitures autonomes.

Industries utilisant l'apprentissage automatique

L'utilisation de l'apprentissage automatique va bien au-delà du monde de la technologie. SAS, une société de logiciels d'analyse, rapporte que de nombreuses industries ont adopté cette technologie. L'industrie des services financiers utilise le ML pour identifier les opportunités d'investissement, faire savoir aux investisseurs quand négocier, reconnaître quels clients ont des profils à haut risque et détecter les fraudes. Dans les soins de santé, les algorithmes aident à diagnostiquer les maladies en détectant les anomalies.

Avez-vous déjà posé la question "Pourquoi une annonce pour ce produit que je pense acheter apparaît-elle sur chaque page Web que je visite?" ML permet au secteur du marketing et des ventes d'analyser les consommateurs en fonction de leurs historiques d'achat et de recherche. L'adaptation de cette technologie par l'industrie des transports détecte les problèmes potentiels sur les itinéraires et contribue à les rendre plus efficaces. Grâce au ML, l'industrie du pétrole et du gaz peut identifier de nouvelles sources d'énergie (Machine Learning: What It Is and Why It Matters. SAS).

Comment l'apprentissage automatique change le lieu de travail

Les prédictions sur les machines qui prennent le contrôle de tous nos emplois existent depuis des décennies, mais ML va-t-il enfin en faire une réalité? Les experts prévoient que cette technologie a modifié et continuera de modifier le lieu de travail. Mais en ce qui concerne la suppression de tous nos emplois? La plupart des experts ne pensent pas que cela se produira.

Bien que l'apprentissage automatique ne puisse pas remplacer les êtres humains dans toutes les professions, il pourrait changer bon nombre des tâches qui leur sont associées. «Les tâches qui impliquent de prendre des décisions rapides sur la base des données conviennent parfaitement aux programmes de ML; pas si la décision dépend de longues chaînes de raisonnement, de connaissances diverses ou de bon sens», explique Byron Spice. Spice est directeur des relations avec les médias chez Carnegie Mellon École d'informatique de l'Université (Spice, Byron. L'apprentissage automatique changera les emplois. Université Carnegie Mellon. 21 décembre 2017).

Dans Science Magazine, Erik Brynjolfsson et Tom Mitchell écrivent: «La demande de main-d'œuvre est plus susceptible de chuter pour des tâches qui sont des substituts proches des capacités de ML, alors qu'elle est plus susceptible d'augmenter pour les tâches qui sont des compléments pour ces systèmes. Chaque fois qu'un ML le système franchit le seuil où il devient plus rentable que les humains sur une tâche, les entrepreneurs et les gestionnaires maximisant le profit chercheront de plus en plus à substituer des machines aux personnes. Cela peut avoir des effets dans toute l'économie, augmenter la productivité, abaisser les prix, déplacer la demande de main-d'œuvre, et restructuration des industries (Brynjolfsson, Erik et Mitchell, Tom. Que peut faire l'apprentissage automatique? Implications de la main-d'œuvre. Science. 22 décembre 2017).

Voulez-vous une carrière en apprentissage automatique?

Les carrières en apprentissage automatique nécessitent une expertise en informatique, en statistiques et en mathématiques. Beaucoup de gens viennent dans ce domaine avec une formation dans ces domaines. De nombreux collèges qui proposent une majeure en apprentissage automatique adoptent une approche multidisciplinaire avec un programme qui comprend, en plus de l'informatique, de l'ingénierie électrique et informatique, des mathématiques et des statistiques (les 16 meilleures écoles d'apprentissage automatique. AdmissionTable.com).

Pour ceux qui sont déjà impliqués dans l'industrie des technologies de l'information, la transition vers un emploi ML n'est pas un grand pas. Vous possédez peut-être déjà bon nombre des compétences dont vous avez besoin. Votre employeur peut même vous aider à effectuer cette transition. Selon l'article de Steven Levy, "actuellement il n'y a pas beaucoup de gens qui sont des experts en ML, donc des entreprises comme Google et Facebook sont des ingénieurs de recyclage dont l'expertise réside dans le codage traditionnel."

Bien que de nombreuses compétences que vous avez développées en tant que professionnel de l'informatique soient transférées à l'apprentissage automatique, cela peut être un peu difficile. J'espère que vous êtes resté éveillé pendant vos cours de statistiques au collège parce que ML dépend d'une bonne compréhension de ce sujet, ainsi que des mathématiques. Levy écrit que les codeurs doivent être prêts à abandonner le contrôle total qu'ils ont sur la programmation d'un système.

Vous n'êtes pas malchanceux si votre employeur technologique ne fournit pas le recyclage ML de Google et Facebook. Les collèges et universités, ainsi que les plateformes d'apprentissage en ligne comme Udemy et Coursera, proposent des cours qui enseignent les bases de l'apprentissage automatique. Il est cependant essentiel de compléter votre expertise en suivant des cours de statistiques et de mathématiques.

Titres d'emploi et gains

Les principaux titres d'emploi que vous rencontrerez lors de la recherche d'un emploi dans ce domaine incluent ingénieur en apprentissage automatique et scientifique des données.

Les ingénieurs de machine learning "exécutent les opérations d'un projet de machine learning et sont responsables de la gestion de l'infrastructure et des pipelines de données nécessaires pour mettre le code en production." Les scientifiques des données sont du côté des données et de l'analyse du développement d'algorithmes, plutôt que du côté du codage. Ils collectent, nettoient et préparent également des données (Zhou, Adelyn. "Titres de poste en intelligence artificielle: qu'est-ce qu'un ingénieur en apprentissage automatique?" Forbes. 27 novembre 2017).

Sur la base des soumissions d'utilisateurs de personnes travaillant dans ces emplois, Glassdoor.com rapporte que les ingénieurs ML et les scientifiques des données gagnent un salaire de base moyen de 120 931 $. Les salaires varient entre un minimum de 87 000 $ et un maximum de 158 000 $ (Salaires Machine Learning Engineer. Glassdoor.com. 1er mars 2018). Bien que Glassdoor regroupe ces titres, il existe certaines différences entre eux.

Conditions requises pour les travaux d'apprentissage automatique

Les ingénieurs ML et les scientifiques des données font des tâches différentes, mais il y a beaucoup de chevauchement entre eux. Les annonces d'emploi pour les deux postes ont souvent des exigences similaires. De nombreux employeurs préfèrent un baccalauréat, une maîtrise ou un doctorat en informatique ou en génie, en statistiques ou en mathématiques.

Pour être un professionnel de l'apprentissage automatique, vous aurez besoin d'une combinaison de compétences techniques - compétences acquises à l'école ou au travail - et compétences générales. Les compétences générales sont des capacités que l'on n'apprend pas en classe, mais qui naissent ou acquièrent à travers l'expérience de la vie. Encore une fois, il y a beaucoup de chevauchement entre les compétences requises pour les ingénieurs ML et les scientifiques des données.

Les annonces d'emploi révèlent que ceux qui travaillent dans des emplois d'ingénierie ML devraient être familiarisés avec les cadres d'apprentissage automatique tels que TensorFlow, Mlib, H20 et Theano. Ils ont besoin d'une solide expérience en codage, y compris une expérience avec les langages de programmation tels que Java ou C / C ++ et les langages de script tels que Perl ou Python. L'expertise en statistique et l'expérience dans l'utilisation de progiciels statistiques pour analyser de grands ensembles de données figurent également parmi les spécifications.

Une variété de compétences générales vous permettra de réussir dans ce domaine. Parmi eux, la flexibilité, l'adaptabilité et la persévérance. Le développement d'un algorithme nécessite beaucoup d'essais et d'erreurs, et donc de patience. Il faut tester un algorithme pour voir s'il fonctionne et, sinon, en développer un nouveau.

D'excellentes compétences en communication sont essentielles. Les professionnels de l'apprentissage automatique, qui travaillent souvent en équipe, ont besoin d'écoute, de parole et de relations interpersonnelles supérieures pour collaborer avec les autres et doivent également présenter leurs résultats à leurs collègues. Ils doivent en outre être des apprenants actifs capables d'intégrer de nouvelles informations dans leur travail. Dans une industrie où l'innovation est valorisée, il faut être créatif pour exceller.