기계 학습의 새로운 분야에서 일자리

LinkedIn의 2017 년 미국 Emerging Jobs Report의 맨 위에는 기계 학습 분야의 두 가지 직종이있었습니다. 기계 학습 엔지니어 및 데이터 과학자입니다. 기계 학습 엔지니어의 고용은 2012 년과 2017 년 사이에 9.8 배 증가했으며 데이터 과학자의 고용은 동일한 5 년 동안 6.5 배 증가했습니다. 추세가 계속된다면,이 직업들은 다른 직업을 능가하는 고용 전망을 가질 것입니다. 미래가 밝아서이 분야의 직업이 당신에게 옳은가?

기계 학습이란 무엇입니까?

기계 학습 (ML)은 마치 소리처럼 들립니다. 이 기술은 특정 작업을 수행하도록 기계를 가르치는 것을 포함합니다. 컴퓨터에 무엇을해야하는지 알려주는 지침을 제공하는 기존의 코딩과 달리 ML은 인간이나 동물처럼 할 수있는 데이터를 제공합니다. 마술처럼 들리지만, 그렇지 않습니다. 그것은 컴퓨터 과학자와 관련 전문가들과의 상호 작용을 포함합니다. 이러한 IT 전문가는 문제를 해결하는 규칙 집합 인 알고리즘이라고 불리는 프로그램을 만든 다음이 정보를 기반으로 예측을하도록 가르치는 대규모 데이터 집합을 제공합니다.

기계 학습은 "컴퓨터가 명시 적으로 수행하도록 프로그램되지 않은 작업을 수행 할 수있게 해주는 인공 지능의 하위 집합"입니다 (Dickson, Ben. Skills, Machine Learning Finder, 2017 년 1 월 18 일). 스티븐 레비 (Steven Levy)는 Google의 기계 학습 및 엔지니어 재교육의 우선 순위에 대한 기사에서 "수년 동안 기계 학습은 전문 분야로 제한되어있었습니다. 엘리트 소수에게.

그 시대는 끝났습니다. 최근 연구 결과에 따르면 생물학적 뇌가 작동하는 방식을 모방하는 "신경망"에 의해 구동되는 기계 학습은 인간의 능력과 경우에 따라 슈퍼 인간과 함께 컴퓨터를 구현하는 진정한 길입니다. "(Levy, Steven, 2016 년 6 월 22 일 유선 첫 번째 회사를 학습하는 기계로서의 Google의 모습)

"실제 세계에서 기계 학습은 어떻게 사용됩니까?" 우리 대부분은 생각을 많이하지 않고 매일이 기술을 접하게됩니다. Google 또는 다른 검색 엔진을 사용하면 페이지 상단에 나타나는 결과가 기계 학습의 결과입니다. 스마트 폰의 문자 메시지 앱에서 예상치 못한 텍스트뿐만 아니라 때로는 잘못된 자동 고침 기능이 기계 학습의 결과이기도합니다. Netflix와 Spotify의 추천 영화와 노래는 우리가 이처럼 급성장하는 기술을 간신히 사용하는 방법의 예입니다.

최근에 Google은 Gmail에 스마트 답장을 도입했습니다. 메시지가 끝나면 사용자는 콘텐츠를 기준으로 세 가지 가능한 답글을 표시합니다. Uber와 다른 회사는 현재자가 운전 차량을 테스트 중입니다.

기계 학습을 사용하는 산업

기계 학습의 사용은 기술 세계를 훨씬 뛰어 넘습니다. 분석 소프트웨어 회사 인 SAS는 많은 산업 분야에서이 기술을 채택했다고보고했습니다. 금융 서비스 업계는 ML을 사용하여 투자 기회를 파악하고, 투자자가 거래시기를 알게하고, 위험이 높은 고객 프로필을 파악하고 사기를 탐지합니다. 건강 관리에서 알고리즘은 이상을 찾아서 질병을 진단하는 데 도움이됩니다.

"내가 방문한 모든 웹 페이지에 광고가 게재 될 것이라고 생각하는 이유는 무엇입니까?"라는 질문을 한 적이 있습니까? ML은 마케팅 및 판매 업계가 구매 및 검색 기록을 기반으로 소비자를 분석 할 수있게합니다. 이 기술의 운송 업계 적응은 경로의 잠재적 인 문제를 감지하고 더 효율적으로 만드는 데 도움을줍니다. ML 덕분에 석유 및 가스 산업은 새로운 에너지 원을 식별 할 수 있습니다 (기계 학습: 그것이 무엇이며 왜 중요합니까).

기계 학습이 직장을 변화시키는 방법

모든 직무를 수행하는 기계에 대한 예측은 수십 년 동안 지속되었지만 마침내 ML은 현실을 실현할 것입니까? 전문가들은이 기술이 작업장을 계속 변 경할 것이며 앞으로도 계속 변할 것이라고 예측합니다. 그러나 우리 일자리를 모두 빼앗아가는 한? 대부분의 전문가들은 그렇게 될 것이라고 생각하지 않습니다.

기계 학습은 모든 직종에서 인간의 자리를 대신 할 수는 없지만, 그것과 관련된 많은 직무를 변경할 수 있습니다. "데이터를 기반으로 한 신속한 의사 결정을 포함하는 작업은 ML 프로그램에 적합하지만 결정이 추론의 긴 사슬, 다양한 배경 지식 또는 상식에 의존하는 경우에는 그렇지 않습니다"라고 Byron Spice는 말하면서 Spice는 Carnegie Mellon의 미디어 관계 담당 이사입니다 University of Computer Science (Spice, Byron, 기계 학습은 직업을 바꿀 것입니다.) 카네기 멜론 대학.

12 월 21 일, 2017).

사이언스 매거진의 Erik Brynjolfsson과 Tom Mitchell은 "ML의 기능을 대체 할 수있는 작업에 대해서는 노동 수요가 줄어들지 만, 이러한 시스템을 보완하는 작업에서는 노동 수요가 더 많이 발생할 가능성이 높습니다. ML 시스템은 인간이 업무보다 비용 효과가 높은 한계점을 넘어서고 이윤 극대화의 기업가와 관리자는 점점 더 많은 사람들에게 기계를 대체하려고 노력할 것입니다. 이것은 경제 전반에 영향을 미치고 생산성을 높이고 가격을 낮추며 노동 수요를 변화시키고, 및 구조 조정 산업 (Brynjolfsson, Erik and Mitchell, Tom.

기계 학습은 무엇을 할 수 있습니까? 노동 인구 시사점. 과학. 12 월 22 일, 2017).

기계 학습에서 커리어를 원하십니까?

기계 학습의 채용은 컴퓨터 과학, 통계 및 수학에 대한 전문 지식을 필요로합니다. 많은 사람들이이 분야에서 배경을 가지고이 분야에 왔습니다. 기계 학습을 전공하는 많은 대학에서는 컴퓨터 과학, 전기 및 컴퓨터 공학, 수학 및 통계 (기계 학습을위한 상위 16 개 학교 AdmissionTable.com) 외에도 커리큘럼을 통해 여러 분야의 접근 방식을 취합니다.

이미 정보 기술 산업에 종사하는 사람들에게 ML 직업으로의 전환은 결코 멀지 않습니다. 이미 필요한 기술이 많이있을 수 있습니다. 고용주는 귀하가 이러한 전환을하도록 도울 수 있습니다. 스티븐 레비 (Steven Levy)의 기사에 따르면 "현재 ML에 전문가가 많은 사람들이 없기 때문에 구글이나 페이스 북과 같은 회사는 전통적인 코딩에 전문 지식을 가진 재교육 엔지니어입니다."

IT 전문가로 개발 한 기술 중 많은 부분이 기계 학습으로 전환되지만 다소 어려울 수 있습니다. 마침내 ML은 수학뿐만 아니라 그 주제에 대한 강한 이해에 의존하기 때문에 대학 통계 수업 중에 깨어 있었기를 바랍니다. Levy는 코더가 시스템 프로그래밍에 대한 완전한 통제를 기꺼이 포기해야한다고 적고 있습니다.

기술 고용주가 ML 재교육을 제공하지 않는다면 운이 좋지 않을 것입니다. Udemy 및 Coursera와 같은 온라인 학습 플랫폼뿐만 아니라 대학 및 대학에서는 기계 학습의 기초를 가르치는 수업을 제공합니다. 그러나 통계 및 수학 수업을 통해 전문성을 완성하는 것이 중요합니다.

직함 및 수입

이 분야에서 일자리를 찾을 때 직면하게 될 주요 직종은 기계 학습 엔지니어 및 데이터 과학자입니다.

기계 학습 엔지니어는 "기계 학습 프로젝트의 운영을 운영하며 생산에 코드를 도입하는 데 필요한 인프라 및 데이터 파이프 라인을 관리해야합니다." 데이터 과학자들은 코딩 측면이 아닌 알고리즘 개발의 데이터 및 분석 측면에 있습니다. 그들은 또한 데이터를 수집, 정리 및 준비합니다 (Zhou, Adelyn, "인공 지능 직책: 기계 학습 엔지니어 란 무엇인가?", Forbes, November 27, 2017).

이 작업에서 일하는 사람들의 사용자 제출을 기반으로 Glassdoor.com은 ML 엔지니어와 데이터 과학자가 평균 기본급 $ 120,931을받는 것으로보고합니다. 급여의 범위는 최저 87,000 달러에서 최고 158,000 달러입니다 (Machine Learning Engineer Salaries, Glassdoor.com, March 18, 2018). 글래드 도어 (Glassdoor)는이 타이틀들을 그룹으로 묶어 놓았지 만, 차이점이 있습니다.

기계 학습 학습을위한 요구 사항

ML 엔지니어와 데이터 과학자는 서로 다른 일을하지만, 그들 사이에 많은 중복이 있습니다. 두 직책에 대한 취업 발표에는 종종 유사한 요구 사항이 있습니다. 많은 고용주가 컴퓨터 과학 또는 공학, 통계 또는 수학 분야에서 학사, 석사 또는 박사 학위를 선호합니다.

기계 학습 전문가가 되려면 학교에서 또는 직업에서 배운 기술과 부드러운 기술의 조합이 필요합니다. 부드러운 기술은 교실에서 배우지 못하는 대신 스스로 태어나거나 인생 경험을 통해 습득하는 능력입니다. 다시 말하지만, ML 엔지니어와 데이터 과학자가 요구하는 기술 간에는 많은 부분이 중복됩니다.

작업 발표는 ML 엔지니어링 작업에서 일하는 사람들이 TensorFlow, Mlib, H20 및 Theano와 같은 기계 학습 프레임 워크에 익숙해야 함을 나타냅니다. Java 또는 C / C ++와 같은 프로그래밍 언어 및 Perl 또는 Python과 같은 스크립팅 언어에 대한 경험을 포함하여 코딩에 대한 강력한 배경이 필요합니다. 대규모 데이터 세트를 분석하기 위해 통계 소프트웨어 패키지를 사용하는 통계 및 경험에 대한 전문 지식 또한 사양 중 하나입니다.

다양한 소프트 스킬을 통해이 분야에서 성공할 수 있습니다. 그 중에는 유연성, 적응력 및 인내가 있습니다. 알고리즘을 개발하기 위해서는 많은 시행 착오와 인내가 필요합니다. 알고리즘이 작동하는지 확인하고 그렇지 않은 경우 새 것을 개발해야합니다.

우수한 의사 소통 기술은 필수적입니다. 팀에서 일하는 기계 학습 전문가는 다른 사람들과 협력하기 위해 우수한 청취, 말하기 및 대인 관계 기술이 필요하며 동료에게 결과를 제시해야합니다. 또한 그들은 새로운 정보를 자신의 업무에 통합 할 수있는 능동적 인 학습자 여야합니다. 혁신이 가치있는 산업 분야에서 탁월한 창의력을 발휘해야합니다.