顶级机器学习职位
内容
在领英（LinkedIn）的2017年《美国新兴工作报告》中，机器学习领域的两个职业是最高的：机器学习工程师和数据科学家。在2012年至2017年期间，机器学习工程师的就业人数增长了9.8倍，而在同一五年期间，数据科学家的就业人数增长了6.5倍。如果这种趋势继续下去，这些职业的就业前景将超过其他许多职业。前景如此光明，这个领域的工作适合您吗？
什么是机器学习？
机器学习（ML）就是它的初衷。该技术涉及教学机器来执行特定任务。不同于提供指示计算机做什么的指令的传统编码，ML提供给他们的数据可以让他们自己解决，就像人或动物会做的那样。听起来像魔术，但事实并非如此。它涉及计算机科学家和其他具有相关专业知识的人员的互动。这些IT专业人员创建了称为算法的程序（解决问题的规则集），然后向他们提供大量数据集，这些数据集教会他们根据这些信息进行预测。
机器学习是“人工智能的子集，它使计算机能够执行尚未明确编程的任务”（本迪克森。本着找到机器学习工作所需的技能。职业寻找者。2017年1月18日。）多年来，它变得越来越复杂，但变得司空见惯。史蒂文·列维（Steven Levy）在一篇文章中谈到了Google对机器学习的优先级以及对公司工程师的再培训，他写道：“多年来，机器学习一直被认为是一种有限的专业。少数精英。那个时代已经过去，因为最近的结果表明，由“神经网络”驱动的机器学习是模仿生物大脑运作方式的真正方法，是向计算机灌输人类甚至某些超级人类力量的真正途径”（史蒂文·利维（Levy，Steven），《作为一家机器学习第一公司，谷歌如何重塑自己》（2016年6月22日）。
机器学习如何在“现实世界”中使用？我们大多数人每天都在不考虑该技术的情况下就使用该技术。当您使用Google或其他搜索引擎时，页面顶部显示的结果是机器学习的结果。智能手机的短信应用程序上的预测文本以及有时有害的自动更正功能也是机器学习的结果。 Netflix和Spotify上推荐的电影和歌曲是我们如何使用这一迅速发展的技术而又很少注意到的进一步示例。最近，Google在Gmail中引入了智能回复。在消息末尾，它会根据内容向用户提供三个可能的答复。优步和其他公司目前正在测试自动驾驶汽车。
使用机器学习的行业
机器学习的使用远远超出了技术领域。分析软件公司SAS报告说，许多行业已经采用了该技术。金融服务行业使用ML来识别投资机会，让投资者知道何时进行交易，识别哪些客户具有高风险特征以及检测欺诈行为。在医疗保健中，算法可通过识别异常来帮助诊断疾病。
您是否曾问过以下问题：“为什么我要购买的该产品的广告会显示在我访问的每个网页上？” ML允许营销和销售行业根据消费者的购买和搜索历史来分析他们。运输业对这项技术的适应，可以发现路线上的潜在问题并提高其效率。多亏了机器学习，石油和天然气行业可以识别新能源（机器学习：它是什么以及为什么如此。SAS）。
机器学习如何改变工作场所
关于机器将接管我们所有工作的预测已经存在了数十年，但是ML最终会实现吗？专家预测，这项技术已经并将继续改变工作场所。但是就我们所有的工作而言呢？大多数专家认为这不会发生。
虽然机器学习不能在所有职业中代替人类，但它可能会改变与人类相关的许多工作职责。 Byron Spice说：“涉及基于数据做出快速决策的任务非常适合ML程序；如果决策取决于长期的推理，多样化的背景知识或常识，则不是这样。” Spice是卡耐基梅隆大学媒体关系总监大学计算机科学学院（Spice，Byron。机器学习将改变工作。卡内基梅隆大学。2017年12月21日）。
在《科学杂志》中，Erik Brynjolfsson和Tom Mitchell写道：“对于替代ML能力的任务，劳动力需求可能会下降，而对于这些系统的补充任务，则劳动力需求就会增加。每次ML系统越过极限，变得比人工更具成本效益，利润最大化的企业家和管理者将越来越多地寻求用机器代替人，这会在整个经济中产生影响，从而提高生产率，降低价格，改变劳动力需求，以及重组行业（Brynjolfsson，Erik和Mitchell，Tom。机器学习能做什么？对劳动力的影响。科学，2017年12月22日）。
您是否想在机器学习领域有所发展？
机器学习的职业需要计算机科学，统计学和数学方面的专业知识。许多人以这些领域为背景来到这一领域。许多提供机器学习专业的大学都采用多学科的方法，其课程包括计算机科学，电气和计算机工程，数学和统计学（机器学习排名前16位的学校。AdmissionTable.com）。
对于那些已经从事信息技术行业的人来说，向机器学习工作过渡不是遥不可及的。您可能已经拥有所需的许多技能。您的雇主甚至可以帮助您进行这种过渡。根据史蒂文·列维（Steven Levy）的文章，“目前，没有很多人是ML的专家，因此Google和Facebook这样的公司正在对专门研究传统编码的工程师进行培训。”
虽然您作为IT专业人员开发的许多技能将转移到机器学习中，但这可能会有些挑战。希望您在大学统计课上保持清醒，因为ML依赖于该学科以及数学的扎实掌握。 Levy写道，编码人员必须愿意放弃对系统编程的全部控制权。
如果您的技术雇主没有提供Google和Facebook提供的ML培训，那么您并不会感到幸运。高校以及Udemy和Coursera等在线学习平台提供了讲授机器学习基础知识的课程。但是，通过参加统计和数学课程来完善您的专业知识至关重要。
职位和收入
在该领域寻找工作时遇到的主要工作头衔包括机器学习工程师和数据科学家。
机器学习工程师“负责机器学习项目的运营，并负责管理将代码引入生产所需的基础架构和数据管道。”数据科学家在开发算法的数据和分析方面，而不是编码方面。他们还收集，清理和准备数据（Adelyn，Zhou，“人工智能职位：什么是机器学习工程师？”《福布斯》，2017年11月27日）。
根据从事这些工作的人员提交的用户意见，Glassdoor.com报告称，机器学习工程师和数据科学家的平均基本工资为120,931美元。薪酬从低至$ 87,000到高至$ 158,000（机器学习工程师Salaries.Glassdoor.com.2018年3月1日）。尽管Glassdoor将这些标题归为一组，但它们之间还是存在一些差异。
机器学习工作的要求
机器学习工程师和数据科学家从事不同的工作，但是它们之间有很多重叠之处。两个职位的职位公告通常具有相似的要求。许多雇主更喜欢计算机科学或工程，统计学或数学的学士，硕士学位或博士学位。
要成为机器学习专业人员，您将需要技术技能（在学校或工作中学习的技能）和软技能相结合。软技能是他们在课堂上不学习的能力，而是与生俱来的或通过生活获得的。同样，机器学习工程师和数据科学家所需的技能之间有很多重叠之处。
职位公告显示，从事ML工程工作的人员应该熟悉TensorFlow，Mlib，H20和Theano等机器学习框架。他们需要扎实的编码背景，包括Java或C / C ++等编程语言以及Perl或Python等脚本语言的经验。规范中还包括统计专业知识和使用统计软件包分析大量数据的经验。
各种软技能将使您在该领域取得成功。其中包括灵活性，适应性和毅力。开发算法需要大量的反复试验，因此需要耐心。必须测试一种算法以查看其是否有效，如果不能，请开发一种新的算法。
出色的沟通能力至关重要。经常在团队中工作的机器学习专业人员需要具备出色的听力，口语和人际交往能力才能与他人合作，并且还必须向同事展示他们的发现。此外，他们应该是积极的学习者，可以将新信息纳入他们的工作。在一个重视创新的行业中，必须有创造力才能出类拔萃。
