Los mejores trabajos de aprendizaje automático
Contenido
- ¿Qué es el aprendizaje automático?
- Industrias que usan Machine Learning
- Cómo el aprendizaje automático está cambiando el lugar de trabajo
- ¿Quieres una carrera en aprendizaje automático?
- Títulos de trabajo y ganancias
- Requisitos para los trabajos de aprendizaje automático
En la parte superior del Informe de Empleos Emergentes de EE. UU. De LinkedIn de 2017 había dos ocupaciones en el campo del aprendizaje automático: ingeniero de aprendizaje automático y científico de datos. El empleo para ingenieros de aprendizaje automático creció 9.8 veces entre 2012 y 2017 y los trabajos de científicos de datos aumentaron 6.5 veces durante el mismo período de cinco años. Si la tendencia continúa, estas ocupaciones tendrán perspectivas de empleo que superarán a muchas otras ocupaciones. Con un futuro tan brillante, ¿podría un trabajo en este campo ser adecuado para usted?
¿Qué es el aprendizaje automático?
El aprendizaje automático (ML) es exactamente lo que parece. Esta tecnología implica la enseñanza de máquinas para realizar tareas específicas. A diferencia de la codificación tradicional que proporciona instrucciones que le indican a las computadoras qué hacer, ML les proporciona datos que les permiten resolverlas por sí mismos, al igual que lo haría un ser humano o un animal. Suena como magia, pero no lo es. Implica la interacción de informáticos y otros con experiencia relacionada. Estos profesionales de TI crean programas llamados algoritmos (conjuntos de reglas que resuelven un problema) y luego los alimentan con grandes conjuntos de datos que les enseñan a hacer predicciones basadas en esta información.
El aprendizaje automático es un "subconjunto de inteligencia artificial que permite a las computadoras realizar tareas para las que no han sido programadas explícitamente" (Dickson, Ben. Habilidades que necesitas para conseguir un trabajo de aprendizaje automático. Buscador de carreras. 18 de enero de 2017). Se ha vuelto más complicado, pero más común, a lo largo de los años. Steven Levy, en un artículo que habla de la priorización de Google del aprendizaje automático y el reciclaje de los ingenieros de la compañía, escribe: "Durante muchos años, el aprendizaje automático se consideró una especialidad, limitada a unos pocos de élite. Esa era ha terminado, ya que los resultados recientes indican que el aprendizaje automático, impulsado por "redes neuronales" que emulan la forma en que opera un cerebro biológico, es el verdadero camino para imbuir a las computadoras con los poderes de los humanos y, en algunos casos, los superhumanos "( Levy, Steven. Cómo Google se está rehaciendo a sí mismo como una empresa de aprendizaje automático primero cableada. 22 de junio de 2016).
¿Cómo se usa el aprendizaje automático en el "mundo real"? La mayoría de nosotros nos encontramos con esta tecnología a diario sin pensarlo mucho. Cuando utiliza Google u otro motor de búsqueda, los resultados que aparecen en la parte superior de la página son el resultado del aprendizaje automático. El texto predictivo, así como la función de autocorrección a veces difamada, en la aplicación de mensajes de texto de su teléfono inteligente, también son el resultado del aprendizaje automático. Las películas y canciones recomendadas en Netflix y Spotify son otros ejemplos de cómo utilizamos esta tecnología de rápido crecimiento sin apenas notarlo. Más recientemente, Google introdujo la Respuesta inteligente en Gmail. Al final de un mensaje, presenta al usuario tres posibles respuestas basadas en el contenido. Uber y otras compañías actualmente están probando autos sin conductor.
Industrias que usan Machine Learning
El uso del aprendizaje automático va mucho más allá del mundo tecnológico. SAS, una compañía de software analítico, informa que muchas industrias han adoptado esta tecnología. La industria de servicios financieros utiliza el LD para identificar oportunidades de inversión, informar a los inversores cuándo negociar, reconocer qué clientes tienen perfiles de alto riesgo y detectar fraudes. En el cuidado de la salud, los algoritmos ayudan a diagnosticar enfermedades al detectar anomalías.
¿Alguna vez ha hecho la pregunta, "por qué aparece un anuncio para ese producto que estoy pensando en comprar, que aparece en cada página web que visito?" ML permite a la industria de marketing y ventas analizar a los consumidores en función de sus historiales de compra y búsqueda. La adaptación de esta tecnología a la industria del transporte detecta posibles problemas en las rutas y ayuda a que sean más eficientes. Gracias a ML, la industria del petróleo y el gas puede identificar nuevas fuentes de energía (Machine Learning: What Is Is and Why It Matters. SAS).
Cómo el aprendizaje automático está cambiando el lugar de trabajo
Las predicciones sobre las máquinas que se hacen cargo de todos nuestros trabajos han existido durante décadas, pero ¿ML finalmente lo hará realidad? Los expertos pronostican que esta tecnología ha alterado y seguirá alterando el lugar de trabajo. ¿Pero en cuanto a quitarnos todos nuestros trabajos? La mayoría de los expertos no creen que eso suceda.
Si bien el aprendizaje automático no puede reemplazar a los seres humanos en todas las ocupaciones, podría cambiar muchas de las tareas laborales asociadas con ellos. "Las tareas que implican tomar decisiones rápidas basadas en datos son una buena opción para los programas de ML; no es así si la decisión depende de largas cadenas de razonamiento, conocimientos básicos diversos o sentido común", dice Byron Spice. Spice es Director de Relaciones con los Medios en Carnegie Mellon Escuela de Informática de la Universidad (Spice, Byron. El aprendizaje automático cambiará de empleo. Carnegie Mellon University. 21 de diciembre de 2017).
En la revista Science, Erik Brynjolfsson y Tom Mitchell escriben, "es más probable que la demanda de trabajo caiga para tareas que son sustitutos cercanos de las capacidades de ML, mientras que es más probable que aumente para tareas que son complementos para estos sistemas. Cada vez que un ML el sistema cruza el umbral donde se vuelve más rentable que los humanos en una tarea, los empresarios y gerentes que maximizan las ganancias buscarán cada vez más sustituir máquinas por personas. Esto puede tener efectos en toda la economía, aumentando la productividad, bajando los precios, cambiando la demanda laboral, y las industrias de reestructuración (Brynjolfsson, Erik y Mitchell, Tom. ¿Qué puede hacer el aprendizaje automático? Implicaciones de la fuerza laboral. Ciencia. 22 de diciembre de 2017).
¿Quieres una carrera en aprendizaje automático?
Las carreras en aprendizaje automático requieren experiencia en informática, estadística y matemáticas. Muchas personas vienen a este campo con experiencia en esos campos. Muchas universidades que ofrecen una especialización en aprendizaje automático adoptan un enfoque multidisciplinario con un plan de estudios que incluye, además de ciencias de la computación, ingeniería eléctrica e informática, matemáticas y estadísticas (Las 16 mejores escuelas para el aprendizaje automático. AdmissionTable.com).
Para aquellos que ya están involucrados en la industria de la tecnología de la información, la transición a un trabajo de ML no está lejos. Es posible que ya tenga muchas de las habilidades que necesita. Su empleador puede incluso ayudarlo a hacer esta transición. Según el artículo de Steven Levy, "actualmente no hay mucha gente que sea experta en ML, por lo que compañías como Google y Facebook están capacitando a ingenieros cuya experiencia radica en la codificación tradicional".
Si bien muchas de las habilidades que desarrolló como profesional de TI se transferirán al aprendizaje automático, puede ser un poco desafiante. Con suerte, te mantuviste despierto durante tus clases de estadística de la universidad porque ML se basa en una sólida comprensión de ese tema, así como las matemáticas. Levy escribe que los codificadores deben estar dispuestos a renunciar al control total que tienen sobre la programación de un sistema.
No tiene mala suerte si su empleador tecnológico no está brindando el ML para el reciclaje de Google y Facebook. Los colegios y universidades, así como las plataformas de aprendizaje en línea como Udemy y Coursera, ofrecen clases que enseñan los conceptos básicos del aprendizaje automático. Sin embargo, es crucial completar su experiencia tomando estadísticas y clases de matemáticas.
Títulos de trabajo y ganancias
Los títulos de trabajo principales que encontrará al buscar un trabajo en este campo incluyen ingeniero de aprendizaje automático y científico de datos.
Los ingenieros de aprendizaje automático "ejecutan las operaciones de un proyecto de aprendizaje automático y son responsables de administrar la infraestructura y las canalizaciones de datos necesarias para llevar el código a producción". Los científicos de datos están en el lado de datos y análisis del desarrollo de algoritmos, en lugar del lado de la codificación. También recopilan, limpian y preparan datos (Zhou, Adelyn. "Títulos de trabajo de inteligencia artificial: ¿Qué es un ingeniero de aprendizaje automático?" Forbes. 27 de noviembre de 2017).
En base a los envíos de usuarios de personas que trabajan en estos trabajos, Glassdoor.com informa que los ingenieros de ML y los científicos de datos ganan un salario base promedio de $ 120,931. Los salarios van desde un mínimo de $ 87,000 hasta un máximo de $ 158,000 (Salarios de Ingeniero de Aprendizaje Automático. Glassdoor.com. 1 de marzo de 2018). Aunque Glassdoor agrupa estos títulos, hay algunas diferencias entre ellos.
Requisitos para los trabajos de aprendizaje automático
Los ingenieros de ML y los científicos de datos realizan diferentes trabajos, pero hay mucha superposición entre ellos. Los anuncios de trabajo para ambos puestos a menudo tienen requisitos similares. Muchos empleadores prefieren títulos de licenciatura, maestría o doctorado en ciencias de la computación o ingeniería, estadística o matemáticas.
Para ser un profesional del aprendizaje automático, necesitará una combinación de habilidades técnicas (habilidades aprendidas en la escuela o en el trabajo) y habilidades blandas. Las habilidades blandas son habilidades que no aprenden en el aula, sino que nacen o adquieren a través de la experiencia de la vida. Nuevamente, existe una gran superposición entre las habilidades requeridas para los ingenieros de ML y los científicos de datos.
Los anuncios de empleo revelan que aquellos que trabajan en trabajos de ingeniería de ML deben estar familiarizados con los marcos de aprendizaje automático como TensorFlow, Mlib, H20 y Theano. Necesitan una sólida formación en codificación, incluida la experiencia con lenguajes de programación como Java o C / C ++ y lenguajes de script como Perl o Python. La experiencia en estadísticas y la experiencia en el uso de paquetes de software estadístico para analizar grandes conjuntos de datos también se encuentran entre las especificaciones.
Una variedad de habilidades blandas le permitirá tener éxito en este campo. Entre ellos están la flexibilidad, la adaptabilidad y la perseverancia. El desarrollo de un algoritmo requiere mucha prueba y error, y por lo tanto, paciencia. Uno debe probar un algoritmo para ver si funciona y, si no, desarrollar uno nuevo.
Excelentes habilidades de comunicación son esenciales. Los profesionales del aprendizaje automático, que a menudo trabajan en equipos, necesitan habilidades superiores de comprensión auditiva, expresión oral e interpersonal para colaborar con otros, y también deben presentar sus hallazgos a sus colegas. Además, deben ser aprendices activos que puedan incorporar nueva información en su trabajo. En una industria donde se valora la innovación, uno debe ser creativo para sobresalir.
