టాప్ మెషిన్ లెర్నింగ్ జాబ్స్
విషయము
- యంత్ర అభ్యాసం అంటే ఏమిటి?
- మెషిన్ లెర్నింగ్ ఉపయోగించి పరిశ్రమలు
- యంత్ర అభ్యాసం కార్యాలయాన్ని ఎలా మారుస్తుంది
- మీకు మెషిన్ లెర్నింగ్‌లో కెరీర్ కావాలా?
- ఉద్యోగ శీర్షికలు మరియు ఆదాయాలు
- మెషిన్ లెర్నింగ్ జాబ్స్ కోసం అవసరాలు
లింక్డ్ఇన్ యొక్క 2017 యుఎస్ ఎమర్జింగ్ జాబ్స్ రిపోర్ట్ పైభాగంలో మెషిన్ లెర్నింగ్ ఫీల్డ్‌లో రెండు వృత్తులు ఉన్నాయి: మెషిన్ లెర్నింగ్ ఇంజనీర్ మరియు డేటా సైంటిస్ట్. మెషిన్ లెర్నింగ్ ఇంజనీర్లకు ఉపాధి 2012 మరియు 2017 మధ్య 9.8 రెట్లు పెరిగింది మరియు అదే ఐదేళ్ల కాలంలో డేటా సైంటిస్ట్ ఉద్యోగాలు 6.5 రెట్లు పెరిగాయి. ధోరణి కొనసాగితే, ఈ వృత్తులు అనేక ఇతర వృత్తులను అధిగమించే ఉపాధి దృక్పథాలను కలిగి ఉంటాయి. భవిష్యత్తు చాలా ప్రకాశవంతంగా ఉండటంతో, ఈ రంగంలో ఉద్యోగం మీకు సరైనదేనా?
యంత్ర అభ్యాసం అంటే ఏమిటి?
మెషిన్ లెర్నింగ్ (ఎంఎల్) అంటే అదే అనిపిస్తుంది. ఈ సాంకేతిక పరిజ్ఞానం నిర్దిష్ట పనులను నిర్వహించడానికి బోధనా యంత్రాలను కలిగి ఉంటుంది. కంప్యూటర్లకు ఏమి చేయాలో చెప్పే సూచనలను అందించే సాంప్రదాయ కోడింగ్ మాదిరిగా కాకుండా, ML వారికి డేటాను అందిస్తుంది, అది మానవుడు లేదా జంతువు చేసే విధంగానే వారి స్వంతంగా గుర్తించటానికి వీలు కల్పిస్తుంది. మేజిక్ లాగా ఉంది, కానీ అది కాదు. ఇది సంబంధిత నిపుణులతో కంప్యూటర్ శాస్త్రవేత్తలు మరియు ఇతరుల పరస్పర చర్యను కలిగి ఉంటుంది. ఈ ఐటి నిపుణులు అల్గోరిథంలు-ఒక సమస్యను పరిష్కరించే నియమాల సమితులు called అనే ప్రోగ్రామ్‌లను సృష్టిస్తారు, ఆపై ఈ సమాచారం ఆధారంగా అంచనాలను రూపొందించడానికి నేర్పించే పెద్ద డేటా డేటాను వారికి అందిస్తారు.
మెషిన్ లెర్నింగ్ అనేది "కృత్రిమ మేధస్సు యొక్క ఉపసమితి, ఇది కంప్యూటర్లు స్పష్టంగా ప్రోగ్రామ్ చేయని పనులను చేయటానికి వీలు కల్పిస్తుంది" (డిక్సన్, బెన్. మీరు మెషిన్ లెర్నింగ్ జాబ్‌ను ల్యాండ్ చేయాల్సిన నైపుణ్యాలు. ఇది కెరీర్ ఫైండర్. జనవరి 18, 2017.) ఇది సంవత్సరాలుగా మరింత క్లిష్టంగా, ఇంకా సర్వసాధారణంగా మారింది. స్టీవెన్ లెవీ, గూగుల్ యొక్క యంత్ర అభ్యాసానికి ప్రాధాన్యత ఇవ్వడం మరియు సంస్థ యొక్క ఇంజనీర్లను తిరిగి శిక్షణ ఇవ్వడం గురించి మాట్లాడే ఒక వ్యాసంలో, "చాలా సంవత్సరాలుగా, యంత్ర అభ్యాసం ఒక ప్రత్యేకత, పరిమితం కొద్దిమందికి. ఆ యుగం ముగిసింది, ఇటీవలి ఫలితాలు సూచించినట్లు, జీవ మెదడు పనిచేసే విధానాన్ని అనుకరించే “న్యూరల్ నెట్స్” చేత శక్తినిచ్చే యంత్ర అభ్యాసం, మానవుల శక్తులతో కంప్యూటర్లను నింపే దిశగా నిజమైన మార్గం, మరియు కొన్ని సందర్భాల్లో, సూపర్ మానవులు ”(సూపర్ మానవులు) ( లెవీ, స్టీవెన్. గూగుల్ ఎలా మెషిన్ లెర్నింగ్ ఫస్ట్ కంపెనీ వైర్డ్ గా రీమేక్ అవుతోంది. జూన్ 22, 2016).
యంత్ర అభ్యాసం "వాస్తవ ప్రపంచంలో" ఎలా ఉపయోగించబడుతుంది? మనలో చాలా మంది ఈ టెక్నాలజీని రోజువారీగా పెద్దగా ఆలోచించకుండా చూస్తారు. మీరు గూగుల్ లేదా మరొక సెర్చ్ ఇంజిన్‌ను ఉపయోగించినప్పుడు, పేజీ ఎగువన వచ్చే ఫలితాలు యంత్ర అభ్యాసం యొక్క ఫలితం. మీ స్మార్ట్ ఫోన్ యొక్క టెక్స్టింగ్ అనువర్తనంలో text హాజనిత వచనం, అలాగే కొన్నిసార్లు చెడ్డ స్వీయ సరిదిద్దే లక్షణం కూడా యంత్ర అభ్యాసం యొక్క ఫలితం. నెట్‌ఫ్లిక్స్ మరియు స్పాటిఫైలలో సిఫార్సు చేయబడిన చలనచిత్రాలు మరియు పాటలు వేగంగా అభివృద్ధి చెందుతున్న ఈ సాంకేతిక పరిజ్ఞానాన్ని మనం గమనించకుండానే ఎలా ఉపయోగిస్తాము అనేదానికి మరింత ఉదాహరణలు. ఇటీవల, గూగుల్ Gmail లో స్మార్ట్ రిప్లైని ప్రవేశపెట్టింది. సందేశం చివరలో, ఇది కంటెంట్ ఆధారంగా మూడు సాధ్యమైన ప్రత్యుత్తరాలతో వినియోగదారుని అందిస్తుంది. ఉబెర్ మరియు ఇతర కంపెనీలు ప్రస్తుతం సెల్ఫ్ డ్రైవింగ్ కార్లను పరీక్షిస్తున్నాయి.
మెషిన్ లెర్నింగ్ ఉపయోగించి పరిశ్రమలు
యంత్ర అభ్యాసం యొక్క ఉపయోగం టెక్ ప్రపంచానికి మించినది. అనేక పరిశ్రమలు ఈ సాంకేతిక పరిజ్ఞానాన్ని అవలంబించాయని విశ్లేషణాత్మక సాఫ్ట్‌వేర్ సంస్థ SAS నివేదిస్తుంది. పెట్టుబడి సేవలని గుర్తించడానికి, ఎప్పుడు వ్యాపారం చేయాలో పెట్టుబడిదారులకు తెలియజేయడానికి, ఏ ఖాతాదారులకు అధిక-రిస్క్ ప్రొఫైల్స్ ఉన్నాయో గుర్తించడానికి మరియు మోసాలను గుర్తించడానికి ఆర్థిక సేవల పరిశ్రమ ML ని ఉపయోగిస్తుంది. ఆరోగ్య సంరక్షణలో, అల్గోరిథంలు అసాధారణతలను ఎంచుకోవడం ద్వారా అనారోగ్యాలను గుర్తించడంలో సహాయపడతాయి.
"నేను సందర్శించే ప్రతి వెబ్ పేజీలో చూపించడానికి కొనుగోలు చేయాలని ఆలోచిస్తున్న ఆ ఉత్పత్తికి ప్రకటన ఎందుకు?" వినియోగదారుల కొనుగోలు మరియు శోధన చరిత్రల ఆధారంగా విశ్లేషించడానికి మార్కెటింగ్ మరియు అమ్మకాల పరిశ్రమను ML అనుమతిస్తుంది. రవాణా పరిశ్రమ యొక్క ఈ సాంకేతిక పరిజ్ఞానం అనుసరణ మార్గాల్లో సంభావ్య సమస్యలను గుర్తించి వాటిని మరింత సమర్థవంతంగా చేయడానికి సహాయపడుతుంది. ML కి ధన్యవాదాలు, చమురు మరియు గ్యాస్ పరిశ్రమ కొత్త శక్తి వనరులను గుర్తించగలదు (మెషిన్ లెర్నింగ్: వాట్ ఇట్ ఈజ్ అండ్ వై ఇట్ మేటర్స్. SAS).
యంత్ర అభ్యాసం కార్యాలయాన్ని ఎలా మారుస్తుంది
మా ఉద్యోగాలన్నింటినీ యంత్రాలు స్వాధీనం చేసుకుంటాయనే అంచనాలు దశాబ్దాలుగా ఉన్నాయి, కాని ML చివరకు దాన్ని నిజం చేస్తుందా? నిపుణులు ఈ సాంకేతిక పరిజ్ఞానం కార్యాలయంలో మార్పును కొనసాగిస్తారని అంచనా వేస్తున్నారు. కానీ మా ఉద్యోగాలన్నీ తీసివేసినంతవరకు? చాలా మంది నిపుణులు అలా జరుగుతారని అనుకోరు.
యంత్ర అభ్యాసం అన్ని వృత్తులలో మానవుల స్థానాన్ని పొందలేనప్పటికీ, అది వారితో సంబంధం ఉన్న అనేక ఉద్యోగ విధులను మార్చగలదు. "డేటా ఆధారంగా శీఘ్ర నిర్ణయాలు తీసుకునే పనులు ML ప్రోగ్రామ్‌లకు మంచి ఫిట్; అయితే ఈ నిర్ణయం దీర్ఘ తార్కికం, విభిన్న నేపథ్య జ్ఞానం లేదా ఇంగితజ్ఞానం మీద ఆధారపడి ఉంటే" బైరాన్ స్పైస్ చెప్పారు. స్పైస్ కార్నెగీ మెల్లన్ వద్ద మీడియా రిలేషన్స్ డైరెక్టర్ యూనివర్శిటీ స్కూల్ ఆఫ్ కంప్యూటర్ సైన్స్ (స్పైస్, బైరాన్. మెషిన్ లెర్నింగ్ ఉద్యోగాలను మారుస్తుంది. కార్నెగీ మెల్లన్ విశ్వవిద్యాలయం. డిసెంబర్ 21, 2017).
సైన్స్ మ్యాగజైన్‌లో, ఎరిక్ బ్రైన్జోల్ఫ్సన్ మరియు టామ్ మిట్చెల్ ఇలా వ్రాశారు, "ML యొక్క సామర్థ్యాలకు ప్రత్యామ్నాయంగా ఉండే పనుల కోసం కార్మిక డిమాండ్ ఎక్కువగా వచ్చే అవకాశం ఉంది, అయితే ఈ వ్యవస్థలకు పూర్తిచేసే పనుల కోసం ఇది పెరిగే అవకాశం ఉంది. ప్రతిసారీ ఒక ML వ్యవస్థ ఒక పనిలో మనుషులకన్నా ఎక్కువ ఖర్చుతో కూడుకున్నదిగా మారుతుంది, లాభం పెంచే వ్యవస్థాపకులు మరియు నిర్వాహకులు ప్రజలకు యంత్రాలను ప్రత్యామ్నాయంగా మార్చడానికి ప్రయత్నిస్తారు.ఇది ఆర్థిక వ్యవస్థ అంతటా ప్రభావాలను కలిగిస్తుంది, ఉత్పాదకతను పెంచడం, ధరలను తగ్గించడం, కార్మిక డిమాండ్‌ను మార్చడం, మరియు పరిశ్రమలను పునర్నిర్మించడం (బ్రైన్జోల్ఫ్సన్, ఎరిక్ మరియు మిచెల్, టామ్. యంత్ర అభ్యాసం ఏమి చేయగలదు? శ్రామిక శక్తి చిక్కులు. సైన్స్. డిసెంబర్ 22, 2017).
మీకు మెషిన్ లెర్నింగ్‌లో కెరీర్ కావాలా?
యంత్ర అభ్యాసంలో వృత్తికి కంప్యూటర్ సైన్స్, స్టాటిస్టిక్స్ మరియు గణితంలో నైపుణ్యం అవసరం. ఆ రంగాలలో నేపథ్యంతో చాలా మంది ఈ రంగానికి వస్తారు. యంత్ర అభ్యాసంలో ప్రధానమైన అనేక కళాశాలలు కంప్యూటర్ సైన్స్, ఎలక్ట్రికల్ మరియు కంప్యూటర్ ఇంజనీరింగ్, గణిత మరియు గణాంకాలతో పాటు (మెషిన్ లెర్నింగ్ కోసం టాప్ 16 పాఠశాలలు. అడ్మిషన్ టేబుల్.కామ్) కలిగి ఉన్న పాఠ్యాంశాలతో బహుళ-క్రమశిక్షణా విధానాన్ని తీసుకుంటాయి.
ఇన్ఫర్మేషన్ టెక్నాలజీ పరిశ్రమలో ఇప్పటికే పాలుపంచుకున్న వారికి, ఒక ML ఉద్యోగానికి మారడం చాలా దూరం కాదు. మీకు అవసరమైన అనేక నైపుణ్యాలు మీకు ఇప్పటికే ఉండవచ్చు. ఈ మార్పు చేయడానికి మీ యజమాని మీకు సహాయపడవచ్చు. స్టీవెన్ లెవీ యొక్క కథనం ప్రకారం, "ప్రస్తుతం ML లో నిపుణులు చాలా మంది లేరు కాబట్టి గూగుల్ మరియు ఫేస్‌బుక్ వంటి సంస్థలు సాంప్రదాయ కోడింగ్‌లో నైపుణ్యం ఉన్న ఇంజనీర్లను తిరిగి శిక్షణ ఇస్తున్నాయి."
ఐటి ప్రొఫెషనల్‌గా మీరు అభివృద్ధి చేసిన అనేక నైపుణ్యాలు యంత్ర అభ్యాసానికి బదిలీ అవుతాయి, అయితే ఇది కొంచెం సవాలుగా ఉంటుంది. ఆశాజనక, మీ కళాశాల గణాంక తరగతుల సమయంలో మీరు మెలకువగా ఉన్నారు, ఎందుకంటే ML ఆ విషయంపై గణితాన్ని బాగా పట్టుకుంటుంది. ఒక వ్యవస్థను ప్రోగ్రామింగ్ చేయడంపై కోడర్లు తమ వద్ద ఉన్న మొత్తం నియంత్రణను వదులుకోవడానికి సిద్ధంగా ఉండాలని లెవీ రాశారు.
మీ టెక్ యజమాని గూగుల్ మరియు ఫేస్‌బుక్‌లను తిరిగి పొందే ML ను అందించకపోతే మీకు అదృష్టం లేదు. కళాశాలలు మరియు విశ్వవిద్యాలయాలు, అలాగే ఉడెమీ మరియు కోర్సెరా వంటి ఆన్‌లైన్ లెర్నింగ్ ప్లాట్‌ఫాంలు యంత్ర అభ్యాసం యొక్క ప్రాథమికాలను బోధించే తరగతులను అందిస్తున్నాయి. అయినప్పటికీ, గణాంకాలు మరియు గణిత తరగతులను తీసుకోవడం ద్వారా మీ నైపుణ్యాన్ని చుట్టుముట్టడం చాలా ముఖ్యం.
ఉద్యోగ శీర్షికలు మరియు ఆదాయాలు
ఈ రంగంలో ఉద్యోగం కోసం చూస్తున్నప్పుడు మీకు కనిపించే ప్రాథమిక ఉద్యోగ శీర్షికలలో మెషిన్ లెర్నింగ్ ఇంజనీర్ మరియు డేటా సైంటిస్ట్ ఉన్నారు.
మెషిన్ లెర్నింగ్ ఇంజనీర్లు "మెషీన్ లెర్నింగ్ ప్రాజెక్ట్ యొక్క కార్యకలాపాలను నడుపుతారు మరియు ఉత్పత్తికి కోడ్ తీసుకురావడానికి అవసరమైన మౌలిక సదుపాయాలు మరియు డేటా పైప్‌లైన్లను నిర్వహించడానికి బాధ్యత వహిస్తారు." డేటా శాస్త్రవేత్తలు కోడింగ్ వైపు కాకుండా అల్గోరిథంలను అభివృద్ధి చేసే డేటా మరియు విశ్లేషణ వైపు ఉన్నారు. వారు డేటాను కూడా సేకరిస్తారు, శుభ్రపరుస్తారు మరియు సిద్ధం చేస్తారు (జౌ, అడిలిన్. "ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ జాబ్ టైటిల్స్: మెషిన్ లెర్నింగ్ ఇంజనీర్ అంటే ఏమిటి?" ఫోర్బ్స్. నవంబర్ 27, 2017).
ఈ ఉద్యోగాల్లో పనిచేసే వ్యక్తుల నుండి వినియోగదారు సమర్పణల ఆధారంగా, గ్లాస్‌డోర్.కామ్ ML ఇంజనీర్లు మరియు డేటా శాస్త్రవేత్తలు సగటు మూల వేతనం, 9 120,931 సంపాదిస్తున్నట్లు నివేదించింది. జీతాలు $ 87,000 నుండి 8,000 158,000 వరకు ఉంటాయి (మెషిన్ లెర్నింగ్ ఇంజనీర్ జీతాలు. గ్లాస్‌డోర్.కామ్. మార్చి 1, 2018). గ్లాస్‌డోర్ ఈ శీర్షికలను సమూహపరిచినప్పటికీ, వాటి మధ్య కొన్ని తేడాలు ఉన్నాయి.
మెషిన్ లెర్నింగ్ జాబ్స్ కోసం అవసరాలు
ML ఇంజనీర్లు మరియు డేటా శాస్త్రవేత్తలు వేర్వేరు ఉద్యోగాలు చేస్తారు, కాని వారి మధ్య చాలా అతివ్యాప్తి ఉంది. రెండు స్థానాలకు ఉద్యోగ ప్రకటనలు తరచూ ఇలాంటి అవసరాలు కలిగి ఉంటాయి. చాలా మంది యజమానులు కంప్యూటర్ సైన్స్ లేదా ఇంజనీరింగ్, స్టాటిస్టిక్స్ లేదా గణితంలో బ్యాచిలర్, మాస్టర్స్ లేదా డాక్టరల్ డిగ్రీలను ఇష్టపడతారు.
మెషీన్ లెర్నింగ్ ప్రొఫెషనల్‌గా ఉండటానికి, మీకు సాంకేతిక నైపుణ్యాలు-పాఠశాలలో లేదా ఉద్యోగంలో నేర్చుకున్న నైపుణ్యాలు మరియు మృదువైన నైపుణ్యాల కలయిక అవసరం. మృదువైన నైపుణ్యాలు ఒకరి సామర్థ్యాలు, వారు తరగతి గదిలో నేర్చుకోరు, కానీ బదులుగా జన్మించారు లేదా జీవిత అనుభవంతో పొందవచ్చు. మళ్ళీ, ML ఇంజనీర్లు మరియు డేటా శాస్త్రవేత్తలకు అవసరమైన నైపుణ్యాల మధ్య చాలా ఎక్కువ పోలిక ఉంది.
ఎంఎల్ ఇంజనీరింగ్ ఉద్యోగాల్లో పనిచేసే వారికి టెన్సార్ ఫ్లో, మిలిబ్, హెచ్ 20, థియానో వంటి మెషీన్ లెర్నింగ్ ఫ్రేమ్‌వర్క్‌లతో పరిచయం ఉండాలి అని ఉద్యోగ ప్రకటనలు వెల్లడిస్తున్నాయి. జావా లేదా సి / సి ++ వంటి ప్రోగ్రామింగ్ భాషలతో మరియు పెర్ల్ లేదా పైథాన్ వంటి స్క్రిప్టింగ్ భాషలతో అనుభవం సహా కోడింగ్‌లో వారికి బలమైన నేపథ్యం అవసరం. గణాంకాలలో నైపుణ్యం మరియు పెద్ద డేటా డేటాను విశ్లేషించడానికి గణాంక సాఫ్ట్‌వేర్ ప్యాకేజీలను ఉపయోగించడం వంటి అనుభవాలు కూడా స్పెసిఫికేషన్లలో ఉన్నాయి.
వివిధ రకాలైన మృదువైన నైపుణ్యాలు ఈ రంగంలో విజయం సాధించడానికి మిమ్మల్ని అనుమతిస్తుంది. వాటిలో వశ్యత, అనుకూలత మరియు పట్టుదల ఉన్నాయి. అల్గోరిథం అభివృద్ధి చేయడానికి చాలా ట్రయల్ మరియు లోపం అవసరం, అందువల్ల, సహనం. ఇది పనిచేస్తుందో లేదో చూడటానికి ఒక అల్గోరిథం పరీక్షించాలి మరియు కాకపోతే, క్రొత్తదాన్ని అభివృద్ధి చేయండి.
అద్భుతమైన కమ్యూనికేషన్ నైపుణ్యాలు అవసరం. యంత్ర అభ్యాస నిపుణులు, తరచూ జట్లలో పనిచేసేవారు, ఇతరులతో సహకరించడానికి ఉన్నతమైన శ్రవణ, మాట్లాడటం మరియు పరస్పర నైపుణ్యాలు అవసరం మరియు వారి ఫలితాలను వారి సహోద్యోగులకు కూడా సమర్పించాలి. వారు అదనంగా, వారి పనిలో క్రొత్త సమాచారాన్ని పొందుపరచగల చురుకైన అభ్యాసకులుగా ఉండాలి. ఆవిష్కరణ విలువైన పరిశ్రమలో, రాణించడానికి సృజనాత్మకంగా ఉండాలి.
