Empregos no campo emergente da aprendizagem de máquina

No topo do Relatório de Empregos Emergentes dos EUA de 2017, do LinkedIn, havia duas ocupações no campo Machine Learning: Machine Learning Engineer e Data Scientist. O emprego para engenheiros de aprendizado de máquina cresceu 9,8 vezes entre 2012 e 2017 e o emprego de cientista de dados aumentou 6,5 vezes durante o mesmo período de cinco anos. Se a tendência continuar, essas ocupações terão perspectivas de emprego que superam muitas outras ocupações. Com um futuro tão brilhante, poderia um trabalho neste campo ser adequado para você?

O que é aprendizado de máquina?

O aprendizado de máquina (ML) é exatamente o que parece. Essa tecnologia envolve o ensino de máquinas para executar tarefas específicas. Ao contrário da codificação tradicional, que fornece instruções que informam aos computadores o que fazer, o ML fornece a eles dados que os permitem descobrir por conta própria, da mesma forma que um ser humano ou animal faria. Soa como mágica, mas não é. Envolve a interação de cientistas da computação e outros com conhecimentos relacionados. Esses profissionais de TI criam programas chamados algoritmos - conjuntos de regras que resolvem um problema - e os alimentam com grandes conjuntos de dados que os ensinam a fazer previsões com base nessas informações.

O aprendizado de máquina é um "subconjunto de inteligência artificial que permite que os computadores executem tarefas para as quais não foram programados explicitamente" (Dickson, Ben. Habilidades que você precisa para conseguir um emprego de aprendizado de máquina. Ele procura emprego. 18 de janeiro de 2017.) Ele ficou mais complicado e mais comum ao longo dos anos.Steven Levy, em um artigo que fala sobre a priorização do Google de aprendizado de máquina e reciclagem de engenheiros da empresa, escreve: "Por muitos anos, aprendizado de máquina foi considerado uma especialidade, limitada para uma elite poucos.

Essa era acabou, como os resultados recentes indicam que o aprendizado de máquina, alimentado por "redes neurais" que emulam o funcionamento de um cérebro biológico, é o verdadeiro caminho para imbuir computadores com os poderes humanos e, em alguns casos, super-humanos "(Levy, Steven. Como o Google está se refazendo como uma primeira empresa de aprendizado de máquina, Wired. 22 de junho de 2016).

Como o aprendizado de máquina é usado no "mundo real"? A maioria de nós se depara com essa tecnologia diariamente, sem pensar muito. Quando você usa o Google ou outro mecanismo de pesquisa, os resultados que surgem na parte superior da página são o resultado do aprendizado de máquina. O texto preditivo, bem como o recurso de autocorreção às vezes difamado, no aplicativo de mensagens de texto do smartphone, também são resultado do aprendizado de máquina. Os filmes e músicas recomendados no Netflix e no Spotify são outros exemplos de como usamos essa tecnologia em rápido crescimento, embora mal percebamos.

Mais recentemente, o Google introduziu a Resposta Inteligente no Gmail. No final de uma mensagem, apresenta um usuário com três respostas possíveis com base no conteúdo. A Uber e outras empresas estão atualmente testando carros autônomos.

Indústrias que usam aprendizado de máquina

O uso de aprendizado de máquina alcança muito além do mundo da tecnologia. A SAS, uma empresa de software analítico, relata que muitas indústrias adotaram essa tecnologia. O setor de serviços financeiros utiliza o ML para identificar oportunidades de investimento, informar aos investidores quando negociar, reconhecer quais clientes têm perfis de alto risco e detectar fraudes. Nos cuidados de saúde, os algoritmos ajudam a diagnosticar doenças, captando anormalidades.

Você já fez a pergunta "por que um anúncio desse produto que estou pensando em comprar está aparecendo em todas as páginas da web que eu visito?" O ML permite que o setor de marketing e vendas analise os consumidores com base em seus históricos de compra e pesquisa. A adaptação da tecnologia de transporte desta tecnologia detecta problemas potenciais nas rotas e ajuda a torná-los mais eficientes. Graças à ML, a indústria de petróleo e gás pode identificar novas fontes de energia (Machine Learning: O que é e por que é importante. SAS).

Como o Aprendizado de Máquina está mudando o local de trabalho

As previsões sobre as máquinas que assumem todos os nossos empregos existem há décadas, mas será que o ML finalmente fará disso uma realidade? Especialistas prevêem que esta tecnologia tem e continuará a alterar o local de trabalho. Mas quanto a tirar todos os nossos empregos? A maioria dos especialistas não acha que isso vai acontecer.

Embora o aprendizado de máquina não possa tomar o lugar dos seres humanos em todas as ocupações, ele pode mudar muitas das tarefas associadas a eles. "Tarefas que envolvem tomar decisões rápidas baseadas em dados são uma boa opção para programas de ML, não se a decisão depender de longas cadeias de raciocínio, conhecimento básico diversificado ou senso comum", diz Byron Spice. Spice é diretor de relações com a mídia da Carnegie Mellon. A Escola de Ciência da Computação da Universidade (Spice, Byron. O Aprendizado de Máquina Mudará de Emprego. Carnegie Mellon University.

21 de dezembro de 2017).

Na Science Magazine, Erik Brynjolfsson e Tom Mitchell escrevem, "a demanda por mão-de-obra é mais propensa a cair em tarefas que são substitutas próximas das capacidades de ML, enquanto é mais provável que aumentem para tarefas que são complementos para esses sistemas. Cada vez O sistema atravessa o limiar onde se torna mais rentável do que os humanos numa tarefa, os empresários e gestores que maximizam o lucro procuram cada vez mais substituir as máquinas pelas pessoas, o que pode ter efeitos em toda a economia, aumentando a produtividade, baixando os preços, alterando a procura de mão-de-obra. e indústrias de reestruturação (Brynjolfsson, Erik e Mitchell, Tom.

O que o aprendizado de máquina pode fazer? Implicações da força de trabalho. Ciência. 22 de dezembro de 2017).

Você quer uma carreira na aprendizagem de máquina?

Carreiras em aprendizado de máquina exigem conhecimentos em ciência da computação, estatística e matemática. Muitas pessoas chegam a este campo com experiência nesses campos. Muitas faculdades que oferecem uma grande experiência em aprendizado de máquina adotam uma abordagem multidisciplinar com um currículo que inclui, além da ciência da computação, engenharia elétrica e de computação, matemática e estatística (Top 16 Escolas para Aprendizado de Máquina. AdmissionTable.com).

Para aqueles que já estão envolvidos no setor de tecnologia da informação, a transição para um trabalho de ML não é um grande salto. Você já pode ter muitas das habilidades necessárias. Seu empregador pode até ajudá-lo a fazer essa transição. De acordo com o artigo de Steven Levy, "atualmente não há muitas pessoas especialistas em ML, então empresas como o Google e o Facebook estão treinando engenheiros especializados na codificação tradicional".

Embora muitas das habilidades que você desenvolveu como profissional de TI sejam transferidas para o aprendizado de máquina, isso pode ser um pouco desafiador. Espero que você tenha ficado acordado durante as aulas de estatística da faculdade porque o ML depende de uma forte compreensão desse assunto, assim como da matemática. Levy escreve que os codificadores devem estar dispostos a desistir do controle total que têm sobre a programação de um sistema.

Você não está sem sorte se o seu empregador de tecnologia não está fornecendo o ML de reciclagem do Google e do Facebook. Faculdades e universidades, bem como plataformas de aprendizagem on-line, como Udemy e Coursera, oferecem aulas que ensinam os fundamentos do aprendizado de máquina. É crucial, no entanto, completar seus conhecimentos, tendo estatísticas e aulas de matemática.

Títulos de trabalho e ganhos

Os principais cargos que você encontrará ao procurar um emprego nessa área incluem engenheiro de aprendizado de máquina e cientista de dados.

Os engenheiros de aprendizado de máquina "executam as operações de um projeto de aprendizado de máquina e são responsáveis ​​por gerenciar a infraestrutura e os pipelines de dados necessários para levar o código à produção". Os cientistas de dados estão no lado de dados e análise do desenvolvimento de algoritmos, em vez do lado de codificação. Eles também coletam, limpam e preparam dados (Zhou, Adelyn. "Títulos de Trabalho de Inteligência Artificial: O que é um Engenheiro de Aprendizado de Máquina?" Forbes. 27 de novembro de 2017).

Com base em envios de usuários de pessoas que trabalham nesses trabalhos, o Glassdoor.com relata que os engenheiros e cientistas de dados da ML ganham um salário base médio de US $ 120.931. Os salários variam de US $ 87.000 a US $ 158.000 (salário de engenheiro de aprendizado de máquina. Glassdoor.com. 1º de março de 2018). Embora Glassdoor agrupe esses títulos, existem algumas diferenças entre eles.

Requisitos para os trabalhos de aprendizado de máquina

Os engenheiros e cientistas de dados da ML fazem trabalhos diferentes, mas há muita sobreposição entre eles. Anúncios de emprego para ambas as posições geralmente têm requisitos semelhantes. Muitos empregadores preferem bacharelado, mestrado ou doutorado em ciência da computação ou engenharia, estatística ou matemática.

Para ser um profissional de aprendizado de máquina, você precisará de uma combinação de habilidades técnicas - habilidades aprendidas na escola ou no trabalho - e habilidades sociais. As habilidades leves são as habilidades de alguém que não aprendem na sala de aula, mas nascem com ou adquirem através da experiência de vida. Mais uma vez, há muita sobreposição entre as habilidades necessárias para engenheiros e cientistas de dados da ML.

Anúncios de emprego revelam que aqueles que trabalham em trabalhos de engenharia da ML devem estar familiarizados com frameworks de aprendizado de máquina como TensorFlow, Mlib, H20 e Theano. Eles precisam de uma sólida experiência em codificação, incluindo experiência com linguagens de programação, como Java ou C / C ++, e linguagens de script, como Perl ou Python. Especialização em estatísticas e experiência usando pacotes de software estatísticos para analisar grandes conjuntos de dados também estão entre as especificações.

Uma variedade de habilidades macias permitirá que você tenha sucesso neste campo. Entre eles, flexibilidade, adaptabilidade e perseverança. Desenvolver um algoritmo requer muita tentativa e erro e, portanto, paciência. É preciso testar um algoritmo para ver se funciona e, se não, desenvolver um novo.

Excelentes habilidades de comunicação são essenciais. Os profissionais de aprendizado de máquina, que frequentemente trabalham em equipes, precisam de habilidades superiores de escuta, fala e relacionamento interpessoal para colaborar com os outros e também devem apresentar suas descobertas aos colegas. Eles devem, além disso, ser alunos ativos que podem incorporar novas informações em seu trabalho. Em uma indústria onde a inovação é valorizada, é preciso ser criativo para se destacar.