మెషిన్ లెర్నింగ్ యొక్క ఎమర్జింగ్ ఫీల్డ్లో ఉద్యోగాలు

మెషిన్ లెర్నింగ్ ఇంజనీర్ మరియు డేటా సైంటిస్ట్: లింక్డ్ఇన్ యొక్క 2017 నాటి అమెరికా ఎమర్జింగ్ జాబ్స్ రిపోర్టు మెషిన్ లెర్నింగ్ ఫీల్డ్ లో రెండు వృత్తులు. యంత్ర అభ్యాస ఇంజనీర్స్ కోసం ఉద్యోగం 2012 మరియు 2017 మధ్య 9.8 సార్లు పెరిగింది మరియు డేటా శాస్త్రవేత్త ఉద్యోగాలు అదే ఐదు సంవత్సరాల కాలంలో 6.5 సార్లు పెరిగింది. ధోరణి కొనసాగినట్లయితే, ఈ వృత్తుల్లో ఉపాధి వీక్షణలు అనేక ఇతర వృత్తులను మించిపోయాయి. భవిష్యత్ అంత ప్రకాశవంతమైన భవిష్యత్తులో, మీరు ఈ రంగంలో ఉద్యోగం చేయగలరా?

మెషిన్ లెర్నింగ్ అంటే ఏమిటి?

మెషిన్ లెర్నింగ్ (ML) ఇది లాగానే ఉంటుంది. ఈ సాంకేతిక పరిజ్ఞానం నిర్దిష్ట పనులు చేయటానికి బోధన యంత్రాలు కలిగి ఉంటుంది. కంప్యూటర్లు చెప్పే సూచనలను అందించే సాంప్రదాయ కోడింగ్ వలె కాకుండా, ML వాటిని అందించే డేటాను వారికి అందిస్తుంది, ఇది వారి స్వంతదానిని గుర్తించడానికి వీలు కల్పిస్తుంది, చాలా మనుషులు లేదా జంతువులా చేస్తుంది. మేజిక్ వంటి ధ్వనులు, కానీ అది కాదు. ఇది కంప్యూటర్ శాస్త్రవేత్తలు మరియు సంబంధిత నైపుణ్యం కలిగిన ఇతరుల పరస్పర చర్య. ఈ ఐటి నిపుణులు అల్గోరిథమ్స్ అనే కార్యక్రమాన్ని రూపొందించారు, ఇది ఒక సమస్యను పరిష్కరించే నియమావళిని ఏర్పరుస్తుంది మరియు ఈ సమాచారం ఆధారంగా వాటిని అంచనా వేయడానికి వాటిని బోధించే పెద్ద సెట్ల డేటాను తిండిస్తుంది.

మెషిన్ లెర్నింగ్ అనేది "కంప్యూటర్లు పని చేయటానికి స్పష్టంగా ప్రోగ్రామ్ చేయబడని పనిని కల్పించుటకు కృత్రిమ మేధస్సు యొక్క ఉపసమితి" (డిక్సన్, బెన్ నైపుణ్యాలు యు నీడ్ టు ల్యాండ్ ఎ మెషిన్ లెర్నింగ్ జాబ్.ఇ కెరీర్ ఫైండర్, జనవరి 18, 2017.) సంవత్సరాల్లో ఇది మరింత సంక్లిష్టమైనది, ఇంకా చాలా సాధారణమైనది, స్టీవెన్ లెవీ, యంత్ర అభ్యాసం యొక్క యంత్ర అభ్యాసకు ప్రాధాన్యతనిస్తూ మరియు సంస్థ యొక్క ఇంజనీర్ల యొక్క పునఃప్రారంభం గురించి మాట్లాడే ఒక వ్యాసంలో, "చాలా సంవత్సరాలు, యంత్ర అభ్యాస ప్రత్యేకమైనది, పరిమితం ఒక ఎలైట్ కొంచెం.

ఈ యుగం ముగిసింది, ఇటీవలి ఫలితాలు, ఒక జీవ మెదడు పనిచేసే విధానాన్ని అనుసరించే "నాడీ వలలు" ద్వారా నడిచే యంత్ర అభ్యాసం, మానవుల శక్తులతో కంప్యూటర్లను చలించడం మరియు కొన్ని సందర్భాలలో, సూపర్ మానవులు లెవి, స్టీవెన్ గూగుల్ రీమేకింగ్ ఎబౌట్ యాజ్ ఎ మెషిన్ లెర్నింగ్ ఫస్ట్ కంపెనీ వైర్డ్, జూన్ 22, 2016).

"వాస్తవ ప్రపంచం" లో యంత్ర అభ్యాస ఎలా ఉపయోగించబడుతుంది? మనలో అధికభాగం ఈ సాంకేతిక పరిజ్ఞానాన్ని అంతటా ఆలోచించకుండా రోజువారీగా వస్తాయి. మీరు Google లేదా మరొక శోధన ఇంజిన్ను ఉపయోగించినప్పుడు, పేజీ ఎగువ భాగంలో వచ్చిన ఫలితాలు యంత్ర అభ్యాస ఫలితంగా ఉంటాయి. ఊహాజనిత టెక్స్ట్, అలాగే మీ స్మార్ట్ ఫోన్ యొక్క టెక్స్టింగ్ అనువర్తనం మీద కూడా కొన్నిసార్లు మెషిన్డ్ స్వీయకార్యక్రమం ఫీచర్ కూడా యంత్ర అభ్యాస ఫలితంగా ఉంటాయి. నెట్ఫ్లిక్స్ మరియు Spotify లలో సిఫార్సు చేయబడిన చలనచిత్రాలు మరియు పాటలు ఈ వేగంగా పెరుగుతున్న సాంకేతికతను ఎలా ఉపయోగించారనే దానిపై మరింత ఉదాహరణలు.

ఇటీవల, గూగుల్ Gmail లో స్మార్ట్ స్పందనను పరిచయం చేసింది. ఒక సందేశానికి ముగింపులో, ఇది కంటెంట్ ఆధారంగా మూడు జవాబులతో ఒక వినియోగదారుని అందిస్తుంది. ఉబెర్ మరియు ఇతర సంస్థలు ప్రస్తుతం స్వయం-డ్రైవింగ్ కార్లను పరీక్షిస్తున్నాయి.

మెషిన్ లెర్నింగ్ ఉపయోగించి పరిశ్రమలు

యంత్ర అభ్యాస వినియోగం టెక్ ప్రపంచంలో మించిపోయింది. అనేక పరిశ్రమలు ఈ టెక్నాలజీని స్వీకరించినట్లు విశ్లేషణాత్మక సాఫ్ట్వేర్ సంస్థ అయిన SAS నివేదించింది. ఆర్థిక సేవల పరిశ్రమ పెట్టుబడి అవకాశాలను గుర్తించడానికి ML ని ఉపయోగిస్తుంది, పెట్టుబడిదారులకు వాణిజ్యం ఎప్పుడు తెలీదు, ఖాతాదారులకు ఉన్నత-ప్రమాదం ప్రొఫైల్లను గుర్తించి, మోసం గుర్తించగలదు. ఆరోగ్య సంరక్షణలో, అల్గోరిథంలు అనారోగ్యాలను గుర్తించడం ద్వారా రోగ నిర్ధారణకు సహాయపడతాయి.

మీరు ఎప్పుడైనా ప్రశ్న అడిగారు, "నేను సందర్శించే ప్రతి వెబ్ పేజీలో కనపడటాన్ని కొనుగోలు చేసే ఆలోచన గురించి ఎందుకు ఆలోచిస్తున్నాను?" మార్కెటింగ్ మరియు విక్రయాల పరిశ్రమ వారి కొనుగోలు మరియు శోధన చరిత్ర ఆధారంగా వినియోగదారులను విశ్లేషించడానికి అనుమతిస్తుంది. ఈ సాంకేతిక పరిజ్ఞానం యొక్క రవాణా పరిశ్రమ యొక్క అనుసరణ మార్గాల్లో సంభావ్య సమస్యలను గుర్తించి వాటిని మరింత సమర్థవంతంగా చేస్తుంది. ML, చమురు మరియు వాయువు పరిశ్రమకు ధన్యవాదాలు కొత్త శక్తి వనరులను గుర్తించవచ్చు (మెషిన్ లెర్నింగ్: వాట్ ఇట్ ఈజ్ అండ్ వైట్ ఇట్ మాటర్స్ SAS).

మెషిన్ లెర్నింగ్ ఎలా పనిచేస్తుందో మార్చడం

మా ఉద్యోగాలు అంతటా చేపట్టే యంత్రాల గురించి అంచనాలు దశాబ్దాలుగా ఉన్నాయి, కానీ చివరకు ఇది రియాలిటీ అవుతుంది? ఈ టెక్నాలజీని నిపుణులు అంచనా వేస్తున్నారు మరియు కార్యాలయాలను మార్చడానికి కొనసాగుతుంది. కానీ మన ఉద్యోగాలన్నిటినీ మినహాయిస్తే? చాలామంది నిపుణులు జరగాలని అనుకోరు.

మెషిన్ లెర్నింగ్ అన్ని వృత్తుల్లోని మానవుని స్థలాలను తీసుకోనప్పటికీ, వాటికి సంబంధించిన అనేక ఉద్యోగ విధులను మార్చవచ్చు. "డేటా ఆధారంగా సత్వర నిర్ణయాలు తీసుకునే పనులు ML కార్యక్రమాల కొరకు మంచి అమరిక, కానీ నిర్ణయం దీర్ఘకాల గొలుసులను, తర్వాతి తార్కిక జ్ఞానం లేదా ఇంగితజ్ఞానం మీద ఆధారపడి ఉంటే" బైరాన్ స్పైస్ చెప్పింది స్పైస్ కార్నెగీ మెల్లన్ వద్ద మీడియా సంబంధాల డైరెక్టర్ యూనివర్సిటీ స్కూల్ ఆఫ్ కంప్యూటర్ సైన్స్ (స్పైస్, బైరాన్ మెషిన్ లెర్నింగ్ విల్ ఉద్యోగాలు మార్చండి కార్నెగీ మెల్లన్ విశ్వవిద్యాలయం.

డిసెంబర్ 21, 2017).

ఎరిక్ బ్రైన్జాఫ్స్సన్ మరియు టామ్ మిట్చెల్ లలో సైన్స్ మాగజైన్లో, "ML యొక్క సామర్ధ్యాల కోసం ప్రత్యామ్నాయాలు ఎక్కువగా ఉన్న పనుల కోసం కార్మిక డిమాండ్ ఎక్కువగా ఉంటుంది, అయితే ఈ వ్యవస్థల కోసం పూర్తయిన పనులకు ఇది ఎక్కువగా ఉంటుంది. వ్యవస్థ పనితీరు, లాభాలు పెంచుకునే ఔత్సాహికులు మరియు నిర్వాహకులు ప్రజల కోసం ప్రత్యామ్నాయంగా కంప్యూటర్లను ప్రత్యామ్నాయం చేస్తారు, ఇది ఆర్ధికవ్యవస్థలో ప్రభావాలను, ఉత్పాదకతను పెంచుతుంది, ధరలను తగ్గించడం, కార్మికుల డిమాండ్ను బదిలీ చేయడం, మరియు పునర్నిర్మాణ పరిశ్రమలు (బ్రైన్జాఫ్స్సన్, ఎరిక్ మరియు మిట్చెల్, టామ్.

మెషిన్ లెర్నింగ్ చేయగలదా? శ్రామిక పరిణామాలు. సైన్స్. డిసెంబర్ 22, 2017).

మీరు మెషిన్ లెర్నింగ్లో ఒక వృత్తిని కోరుకుంటున్నారా?

యంత్ర అభ్యాసలో కెరీర్లు కంప్యూటర్ సైన్స్, స్టాటిస్టిక్స్, మరియు గణితంలో నైపుణ్యం అవసరం. ఈ రంగాలలో అనేక మంది ఈ రంగంలోకి వస్తారు. కంప్యూటర్ సైన్స్, ఎలక్ట్రికల్ మరియు కంప్యూటర్ ఇంజనీరింగ్, గణిత మరియు గణాంకాలతోపాటు (మెషిన్ లెర్నింగ్ టాప్ 16 స్కూల్స్ AdmissionTable.com) తో పాటు, మెషీన్ లెర్నింగ్లో ఒక ప్రధాన విభాగాన్ని అందించే అనేక కళాశాలలు పాఠ్య ప్రణాళికతో ఒక బహుళ-క్రమశిక్షణా విధానాన్ని కలిగి ఉంటాయి.

ఇప్పటికే ఇన్ఫర్మేషన్ టెక్నాలజీ ఇండస్ట్రీలో పాల్గొన్న వారికి, ఎంఎల్ ఉద్యోగానికి మార్పు చాలా దూరం కాదు. మీరు ఇప్పటికే మీకు అవసరమైన నైపుణ్యాలను కలిగి ఉండవచ్చు. ఈ మార్పుని మీ యజమాని కూడా మీకు సహాయపడవచ్చు. స్టీవెన్ లెవి యొక్క వ్యాసం ప్రకారం, "ప్రస్తుతం ML లో నిపుణులైన చాలా మంది వ్యక్తులు లేరు, కాబట్టి Google మరియు ఫేస్బుక్ వంటి సంస్థలు ఇంజనీర్ల నైపుణ్యం కలిగినవి, దీని నైపుణ్యం సాంప్రదాయ కోడింగ్లో ఉంది."

మీరు IT నిపుణుడిగా అభివృద్ధి చేసిన అనేక నైపుణ్యాలు మెషీన్ లెర్నింగ్కు బదిలీ అవుతాయి, ఇది ఒక బిట్ సవాలుగా ఉండవచ్చు. ఆశాజనక, మీరు మీ కళాశాల గణాంకాల తరగతుల్లో మేలుకొని ఉంటారు, ఎందుకంటే ML ఆ విషయం యొక్క బలమైన అవగాహనపై ఆధారపడి ఉంటుంది, అలాగే గణితం. లొడీ ఒక వ్యవస్థను ప్రోగ్రామింగ్ చేయగల మొత్తం నియంత్రణను ఇవ్వడానికి కోడెర్లు సిద్ధంగా ఉన్నారని వ్రాస్తున్నాడు.

మీ టెక్ యజమాని ML retraining Google మరియు ఫేస్బుక్ అందించడం లేదు మీరు అదృష్టం లేదు. కళాశాలలు మరియు విశ్వవిద్యాలయాలు, అలాగే ఉడిమీ మరియు కోర్స్సే వంటి ఆన్లైన్ లెర్నింగ్ ప్లాట్ఫారమ్లు, యంత్ర అభ్యాసపు ప్రాథమికాలను నేర్పించే తరగతులను అందిస్తాయి. అయితే, గణాంకాల మరియు గణిత తరగతులను తీసుకోవడం ద్వారా మీ నైపుణ్యం గుండ్రంగా ఉంటుంది.

ఉద్యోగ శీర్షికలు మరియు ఆదాయాలు

ఈ రంగంలో ఉద్యోగం కోసం చూస్తున్నప్పుడు మీరు ఎదుర్కొనే ప్రాధమిక ఉద్యోగ శీర్షికలు యంత్ర అభ్యాస ఇంజనీర్ మరియు డేటా శాస్త్రవేత్త.

మెషిన్ లెర్నింగ్ ఇంజనీర్లు "ఒక యంత్ర అభ్యాస ప్రాజెక్ట్ యొక్క కార్యకలాపాలను నిర్వహిస్తారు మరియు ఉత్పత్తికి కోడ్ను తీసుకురావడానికి అవసరమైన మౌలిక సదుపాయాల మరియు డేటా పైప్లైన్లను నిర్వహించడానికి బాధ్యత వహిస్తారు." సమాచార శాస్త్రవేత్తలు కోడింగ్ వైపు కాకుండా అభివృద్ధి చెందుతున్న అల్గోరిథం యొక్క డేటా మరియు విశ్లేషణ వైపు ఉన్నారు. వారు కూడా సేకరించారు, శుభ్రం, మరియు డేటాను తయారు చేస్తారు (జౌ, అడిలైన్. "కృత్రిమ మేధస్సు ఉద్యోగ శీర్షికలు: ఒక యంత్ర అభ్యాస ఇంజనీర్ అంటే ఏమిటి?" ఫోర్బ్స్ నవంబర్ 27, 2017).

ఈ ఉద్యోగాలలో పనిచేస్తున్నవారి నుండి యూజర్ సమర్పణల ఆధారంగా, ML ఇంజనీర్లు మరియు డేటా శాస్త్రవేత్తలు సగటు మూల వేతనం $ 120,931 సంపాదించవచ్చని Glassdoor.com నివేదిస్తుంది. జీతాలు $ 87,000 నుండి $ 158,000 (మెషిన్ లెర్నింగ్ ఇంజనీర్ జీతాలు గ్లాస్డోర్డ్స్.కామ్ మార్చి 1, 2018) వరకు ఉంటాయి. గ్లాస్డోర్ట్ ఈ శీర్షికలను సమూహాలుగా ఉన్నప్పటికీ, వాటి మధ్య కొన్ని వ్యత్యాసాలు ఉన్నాయి.

మెషిన్ లెర్నింగ్ జాబ్స్ కోసం అవసరాలు

ML ఇంజనీర్లు మరియు డేటా శాస్త్రవేత్తలు వేర్వేరు ఉద్యోగాలను చేస్తారు, కానీ వారి మధ్య అతివ్యాప్తి చాలా ఉంది. రెండు స్థానాలకు ఉద్యోగ ప్రకటనలు తరచూ ఒకే విధమైన అవసరాలు కలిగి ఉంటాయి. చాలామంది యజమానులు కంప్యూటర్ సైన్స్ లేదా ఇంజనీరింగ్, స్టాటిస్టిక్స్, లేదా మ్యాథమెటిక్స్లో బ్రహ్మచారి, మాస్టర్స్ లేదా డాక్టరల్ డిగ్రీలను ఇష్టపడతారు.

ప్రొఫెషినల్ లెర్నింగ్ ప్రొఫెషినల్గా ఉండాలంటే, సాంకేతిక నైపుణ్యాలు-పాఠశాలలో లేదా ఉద్యోగ-మృదువైన నైపుణ్యాల గురించి నేర్చుకోవాలి. మృదువైన నైపుణ్యాలు తరగతిలో నేర్చుకోనివ్వని ఒక వ్యక్తి యొక్క సామర్ధ్యాలు, కానీ బదులుగా జీవిత అనుభవంతో వారు పుట్టిస్తారు లేదా పొందవచ్చు. మళ్ళీ, ML ఇంజనీర్లు మరియు డేటా శాస్త్రవేత్తలు అవసరమైన నైపుణ్యాలు మధ్య అతివ్యాప్తి యొక్క ఒక గొప్ప ఒప్పందానికి ఉంది.

ఉద్యోగ ప్రకటనలను ML ఇంజనీరింగ్ జాబ్స్ లో పని చేసేవారు టెన్సార్ఫ్లో, మెలిబ్, H20 మరియు థాయనో వంటి యంత్ర అభ్యాస ఫ్రేమ్వర్క్ల గురించి తెలిసి ఉండాలి. వారు జావా లేదా సి / సి ++ మరియు పెర్ల్ లేదా పైథాన్ వంటి స్క్రిప్టింగ్ భాషల వంటి ప్రోగ్రామింగ్ భాషలతో సహా కోడింగ్లో కోడింగ్లో ఒక బలమైన నేపథ్య అవసరం. గణాంక సాఫ్ట్వేర్ ప్యాకేజీలను ఉపయోగించి నైపుణ్యం మరియు విశేషమైన డేటాను విశ్లేషించడానికి అనుభవాలు విశేషంగా ఉన్నాయి.

మృదువైన నైపుణ్యాలను వివిధ మీరు ఈ రంగంలో విజయవంతం అనుమతిస్తుంది. వాటిలో వశ్యత, అనుగుణ్యత, పట్టుదల ఉన్నాయి. ఒక అల్గోరిథం అభివృద్ధి చాలా విచారణ మరియు లోపం అవసరం, అందువలన, సహనము. ఇది ఒక అల్గారిథమ్ ను పరీక్షించి, అది పనిచేస్తుందా లేదా, సరియైనది కాకపోయినా క్రొత్తదాన్ని అభివృద్ధి చేయాలి.

అద్భుతమైన సంభాషణ నైపుణ్యాలు అవసరం. మెషిన్ లెర్నింగ్ నిపుణులు, తరచూ బృందాలపై పనిచేయడం, ఇతరులతో సహకరించడానికి ఉన్నత వినడం, మాట్లాడేవారు మరియు వ్యక్తుల మధ్య నైపుణ్యాలు అవసరం మరియు వారి సహచరులను తమ సహచరులకు కూడా సమర్పించాలి. అంతేకాకుండా, వారి పనిలో కొత్త సమాచారాన్ని చేర్చగల చురుకైన అభ్యాసకులు ఉండాలి. ఆవిష్కరణ విలువైన ఒక పరిశ్రమలో, ఎక్సెల్ కు సృజనాత్మక ఉండాలి.