최고의 기계 학습 작업
콘텐츠
LinkedIn의 2017 미국 신흥 일자리 보고서의 최상위에는 머신 러닝 분야에서 머신 러닝 엔지니어와 데이터 과학자라는 두 가지 직종이있었습니다. 기계 학습 엔지니어의 고용은 2012 년과 2017 년 사이에 9.8 배 증가했으며 데이터 과학자 일자리는 같은 5 년 동안 6.5 배 증가했습니다. 추세가 계속되면이 직종은 다른 직종을 능가하는 고용 전망을 갖게 될 것입니다. 미래가 너무 밝아서이 분야의 직업이 당신에게 적합 할 수 있습니까?
머신 러닝이란 무엇입니까?
기계 학습 (ML)은 그저 소리입니다. 이 기술에는 기계가 특정 작업을 수행하도록 가르치는 것이 포함됩니다. 컴퓨터에해야 할 일을 알려주는 명령을 제공하는 기존의 코딩과 달리 ML은 사람이나 동물이하는 것처럼 데이터를 스스로 알아낼 수있는 데이터를 제공합니다. 마술처럼 들리지만 그렇지 않습니다. 여기에는 컴퓨터 과학자 및 다른 사람들과 관련 전문 지식의 상호 작용이 포함됩니다. 이러한 IT 전문가는 문제를 해결하는 규칙 세트 인 알고리즘이라는 프로그램을 만든 다음이 정보를 기반으로 예측하도록 지시하는 많은 데이터를 제공합니다.
기계 학습은 "컴퓨터가 명시 적으로 프로그래밍하지 않은 작업을 수행 할 수 있도록하는 인공 지능의 하위 집합"입니다 (Dickson, Ben. 기계 학습 작업을 수행하는 데 필요한 기술. 경력 찾기. 2017 년 1 월 18 일). 스티븐 레비 (Steven Levy)는 구글의 머신 러닝 우선 순위와 회사 엔지니어의 재교육에 관한 기사에서 "수년 동안 머신 러닝은 특화된 것으로 여겨졌다. 엘리트 소수에게. 최근의 결과에 따르면 생물학적 뇌가 작동하는 방식을 모방하는 "신경망"에 의해 구동되는 기계 학습은 컴퓨터에 인간의 힘, 일부 경우에는 수퍼 인간에게 힘을 실어주는 진정한 길입니다 "( Levy, Steven. Google이 기계 학습 최초의 회사로서 스스로를 어떻게 발전시키고 있는지 2016 년 6 월 22 일).
"실제 세계"에서 기계 학습은 어떻게 사용됩니까? 우리 대부분은이 기술을 많은 생각없이 매일 접하게됩니다. Google 또는 다른 검색 엔진을 사용할 때 페이지 상단에 나타나는 결과는 기계 학습의 결과입니다. 스마트 폰의 문자 메시지 앱에서 예측 가능한 텍스트와 때로는 잘못된 자동 고침 기능도 기계 학습의 결과입니다. Netflix 및 Spotify의 권장 영화 및 노래는 우리가 거의 눈치 채지 못하고 빠르게 성장하는 기술을 사용하는 방법의 추가 예입니다. 최근 Google은 Gmail에서 스마트 응답을 도입했습니다. 메시지가 끝나면 내용에 따라 세 가지 가능한 회신을 사용자에게 제공합니다. 우버와 다른 회사들은 현재 자율 주행 차를 테스트하고있다.
기계 학습을 사용하는 산업
기계 학습의 사용은 기술 세계를 뛰어 넘습니다. 분석 소프트웨어 회사 인 SAS는 많은 업계에서이 기술을 채택했다고보고합니다. 금융 서비스 산업은 ML을 사용하여 투자 기회를 식별하고 투자자에게 거래시기를 알리고 위험이 높은 고객을 파악하며 사기를 감지합니다. 건강 관리에서 알고리즘은 이상을 포착하여 질병을 진단하는 데 도움이됩니다.
"내가 방문하려는 모든 웹 페이지에 구매하려는 제품에 대한 광고가 왜 게재됩니까?"라는 질문을 한 적이 있습니까? ML을 통해 마케팅 및 영업 업계는 구매 및 검색 기록을 기반으로 소비자를 분석 할 수 있습니다. 운송 산업의이 기술 적용은 노선의 잠재적 인 문제를 감지하여보다 효율적으로 만듭니다. ML 덕분에 석유 및 가스 산업은 새로운 에너지 원을 식별 할 수 있습니다 (기계 학습 : 그것이 무엇인지 그리고 그것이 중요한 이유 SAS).
머신 러닝이 직장을 바꾸는 방법
기계가 우리의 모든 직업을 인수하는 것에 대한 예측은 수십 년 동안 지속되었지만 ML이 마침내 그것을 현실로 만들 것입니까? 전문가들은이 기술이 직장을 변화시키고 있으며 앞으로도 계속 변화시킬 것이라고 예측했습니다. 그러나 우리의 모든 직업을 빼앗아가는 한? 대부분의 전문가들은 그렇게 될 것이라고 생각하지 않습니다.
기계 학습이 모든 직종에서 인간을 대신 할 수는 없지만, 기계 학습은 그들과 관련된 많은 직무를 바꿀 수 있습니다. 바이런 스파이스는“데이터를 기반으로 빠른 결정을 내리는 작업은 ML 프로그램에 적합하지만 결정이 긴 추론, 다양한 배경 지식 또는 상식에 의존하는 경우에는 그렇지 않다”고 카렌 기 멜론의 미디어 관계 담당 이사 University of Computer Science (Spice, Byron. 기계 학습은 직업을 바꿀 것입니다. Carnegie Mellon University. 2017 년 12 월 21 일).
Science Magazine, Erik Brynjolfsson 및 Tom Mitchell은 "ML의 기능을 대체하는 작업에 대해서는 노동 수요가 감소 할 가능성이 높지만 ML을 사용할 때마다 이러한 시스템을 보완하는 작업에 대해서는 증가 할 가능성이 높습니다. 시스템은 업무상 인간보다 비용 효율성이 높아지는 한계점을 넘어서며, 이익 극대화는 기업가와 관리자가 점점 더 많은 사람들을 대신하여 기계를 대체 할 것입니다. 및 구조 조정 산업 (Brynjolfsson, Erik 및 Mitchell, Tom. 기계 학습으로 할 수있는 것? 인력에 미치는 영향. 과학. 2017 년 12 월 22 일).
머신 러닝에서 경력을 원하십니까?
기계 학습의 경력에는 컴퓨터 과학, 통계 및 수학에 대한 전문 지식이 필요합니다. 많은 사람들이 그 분야의 배경을 가지고이 분야에옵니다. 기계 학습 전공을 제공하는 많은 대학은 컴퓨터 과학, 전기 및 컴퓨터 공학, 수학 및 통계 (Top 16 Schools for Machine Learning. AdmissionTable.com)를 포함하여 커리큘럼을 사용하여 다 분야 접근 방식을 취합니다.
이미 정보 기술 산업에 종사하는 사람들에게는 ML 직종으로의 전환이 크게 도약되지 않습니다. 이미 필요한 기술이 많이있을 수 있습니다. 고용주는 이러한 전환을 도와 줄 수도 있습니다. Steven Levy의 기사에 따르면 "현재 ML 전문가는 많지 않으므로 Google 및 Facebook과 같은 회사는 전통적인 코딩에 전문 지식을 갖춘 엔지니어를 재교육하고 있습니다."
IT 전문가로서 개발 한 많은 기술이 머신 러닝으로 이전 될 수 있지만 다소 도전적 일 수 있습니다. ML이 수학뿐만 아니라 그 주제에 대한 강력한 이해에 의존하기 때문에 대학 통계 수업 중에 깨어 있기를 바랍니다. Levy는 코더들이 시스템 프로그래밍에 대한 모든 권한을 기꺼이 포기해야한다고 썼다.
기술 고용주가 ML 재교육을 제공하지 않는 Google과 Facebook을 제공하지 않으면 운이 좋지 않습니다. Udemy 및 Coursera와 같은 온라인 학습 플랫폼뿐만 아니라 대학 및 대학은 기계 학습의 기본 사항을 가르치는 수업을 제공합니다. 그러나 통계와 수학 수업을 수강하여 전문 지식을 완성하는 것이 중요합니다.
직책 및 수입
이 분야에서 일자리를 찾을 때 보게 될 주요 직책에는 기계 학습 엔지니어와 데이터 과학자가 포함됩니다.
머신 러닝 엔지니어는 "머신 러닝 프로젝트의 운영을 수행하고 코드를 생산에 가져 오는 데 필요한 인프라 및 데이터 파이프 라인을 관리합니다." 데이터 과학자들은 코딩 측면이 아니라 알고리즘 개발의 데이터 및 분석 측면에 있습니다. 또한 데이터를 수집, 정리 및 준비합니다 (Zhou, Adelyn. "인공 지능 직책 : 기계 학습 엔지니어 란?"Forbes. 2017 년 11 월 27 일).
Glassdoor.com은 이러한 직종에서 일하는 사람들의 사용자 제출을 기반으로 ML 엔지니어와 데이터 과학자가 평균 기본 급여 $ 120,931을받는다고보고합니다. 급여는 최저 87,000 달러에서 최고 158,000 달러까지입니다 (Machine Learning Engineer Salaries. Glassdoor.com. 2018 년 3 월 1 일). 글래스 도어 (Glassdoor)는 이러한 타이틀을 그룹화하지만 그들 사이에는 약간의 차이가 있습니다.
기계 학습 작업에 대한 요구 사항
ML 엔지니어와 데이터 과학자는 다른 작업을 수행하지만 그 사이에는 많은 중복이 있습니다. 두 직책에 대한 채용 공고에는 종종 비슷한 요구 사항이 있습니다. 많은 고용주는 컴퓨터 과학이나 공학, 통계 또는 수학에서 학사, 석사 또는 박사 학위를 선호합니다.
기계 학습 전문가가 되려면 기술 능력 (학교 또는 직장에서 배운 기술)과 부드러운 기술의 조합이 필요합니다. 부드러운 기술은 교실에서 배우지 않고 인생 경험을 통해 태어나거나 습득하는 능력입니다. ML 엔지니어와 데이터 과학자에게 필요한 기술 간에는 상당한 중복이 있습니다.
구인 발표에 따르면 ML 엔지니어링 직종에서 일하는 사람들은 TensorFlow, Mlib, H20 및 Theano와 같은 기계 학습 프레임 워크에 익숙해야합니다. Java 또는 C / C ++와 같은 프로그래밍 언어 및 Perl 또는 Python과 같은 스크립팅 언어에 대한 경험을 포함하여 코딩에 대한 강력한 배경 지식이 필요합니다. 대량의 데이터 세트를 분석하기 위해 통계 소프트웨어 패키지를 사용한 통계 및 경험에 대한 전문 지식도 사양에 포함됩니다.
다양한 소프트 기술로이 분야에서 성공할 수 있습니다. 그중에는 유연성, 적응성 및 인내가 있습니다. 알고리즘을 개발하려면 많은 시행 착오가 필요하므로 인내심이 필요합니다. 알고리즘이 작동하는지 확인하고 그렇지 않은 경우 새로운 알고리즘을 개발해야합니다.
훌륭한 의사 소통 기술이 필수적입니다. 종종 팀에서 일하는 기계 학습 전문가는 다른 사람과 협력하기 위해 뛰어난 듣기, 말하기 및 대인 관계 기술이 필요하며 동료에게 결과를 제시해야합니다. 또한 새로운 정보를 업무에 통합 할 수있는 적극적인 학습자이어야합니다. 혁신이 중요시되는 산업에서는 창의력이 뛰어나야합니다.
