Maskininlärningsingenjörer – avancerade programmerare som utvecklar maskiner och system med artificiell intelligens (AI) som kan lära sig och tillämpa kunskap – är i hög efterfrågan när fler företag använder dessa tekniker. ML-ingenjörer utför sofistikerad programmering och arbetar med komplexa datamängder och algoritmer för att träna intelligenta system.
Även om många fruktar att AI snart kommer att ersätta jobb, skapar det i detta skede av teknikens utveckling fortfarande positioner som maskininlärningsingenjören, eftersom företag behöver högutbildade arbetare för att utveckla och underhålla ett brett utbud av applikationer.
För att hjälpa dem som är intresserade av området bättre förstå hur man kommer igång med en karriär inom maskininlärning, har vi sammanställt den här samlingen med användbara detaljer och resurser. Vi kommer regelbundet att uppdatera den här guiden om hur man blir en maskininlärningsingenjör.
Mer måste-läs AI-täckning
Vad är maskininlärning?
Maskininlärning är en gren av AI som tillåter datorsystem att automatiskt lära sig och förbättra av erfarenhet, snarare än att vara explicit programmerad. Inom maskininlärning använder datorer enorma uppsättningar data och använder algoritmer för att träna sig själva och göra förutsägelser.
Maskininlärningssystem kan snabbt tillämpa kunskap och träning från stora datamängder för att utföra ansiktsigenkänning, taligenkänning, objektigenkänning, översättning och många andra uppgifter.
Ytterligare resurser
Varför finns det en ökad efterfrågan på maskininlärningsingenjörer?
Efterfrågan på AI-talanger, inklusive maskininlärningsingenjörer, exploderar när organisationer av alla storlekar hittar sätt att dra nytta av utvecklande teknologier. Företag använder alltmer AI och maskininlärningslösningar “för att förbättra kundupplevelsen, öka försäljningen och förbättra verksamheten”, enligt WSJ Pro.
I sin AI Transformation Report fann apputvecklingsföretaget Reign att “under det senaste decenniet har USA sett en 21% ökning av antalet AI-relaterade jobb. AI”, och tillägger att AI-relaterade löner har ökat med 27 % mellan 2010 och 2020. Och ITCareerFinder rapporterade nyligen att jobb som kräver AI/maskininlärning förväntas öka med 71 % under de kommande fem åren.
Vad driver tillväxten på marknaden för maskininlärning? Fortune Business Insights tillskriver denna ökning till införandet av AI inom en mängd branscher, inklusive hälsovård, detaljhandel och tillverkning. Covid-19-pandemin har också bidragit till den ökade användningen av AI/ML, eftersom teknikerna används för att spåra, spåra och förutsäga covid-fall, samt hjälpa organisationer att implementera automatiseringsstrategier för att studsa tillbaka från effekterna av pandemin .
Ytterligare resurser
Vad är jobb som maskininlärningsingenjör?
Maskininlärningsingenjörer kan följa en mängd olika karriärvägar. Här är några roller inom området och de färdigheter de kräver, enligt Udacity.
- Mjukvaruingenjör, maskininlärning: grunderna i datavetenskap och programmering, och mjukvaruteknik och systemdesign
- Tillämpad maskininlärningsingenjör: grunderna för datavetenskap och programmering, tillämpning av maskininlärningsalgoritmer och bibliotek
- Senior maskininlärningsingenjör: datavetenskap grunder och programmering, tillämpning av maskininlärningsalgoritmer och bibliotek, datamodellering och utvärdering
Ytterligare resurser
Vilka programmeringsspråk behöver du lära dig för att bli maskininlärningsingenjör?
Python, R och Java/JavaScript toppar listan över populära programmeringsspråk, enligt Springboard, följt av Julia och LISP. Perennledaren Python – som GeeksforGeeks säger att föredras av 60 % av maskininlärningsutvecklare – är flexibel, skalbar och lättare att lära sig än många andra språk.
Ytterligare resurser
Vilka andra färdigheter krävs för att bli maskininlärningsingenjör?
Vanligtvis bör maskininlärningsingenjörer vara skickliga inom datavetenskap och programmering, matematik och statistik, datavetenskap, djupinlärning och problemlösning. Här är en uppdelning av några av de färdigheter som behövs, enligt Udacity.
Grundläggande begrepp inom datavetenskap och programmering: Datastrukturer (stackar, köer, flerdimensionella arrayer, träd, grafer), algoritmer (sökning, sortering, optimering, dynamisk programmering), beräkningsbarhet och komplexitet (P vs. NP, NP-kompletta problem, big-O notation, ungefärliga algoritmer) och datorarkitektur (minne, cache, bandbredd, dödläge, distribuerad bearbetning).
Sannolikhet och statistik: Formell karakterisering av sannolikhet (villkorlig sannolikhet, Bayes regel, sannolikhet, oberoende) och de tekniker som härrör från den (Bayes Networks, Markov Decision Processes, Hidden Markov Models). Statistiska mått (medelvärde, median, varians), fördelningar (uniform, normal, binomial, Poisson) och analysmetoder (ANOVA, hypotestest).
Datamodellering och utvärdering: Att hitta mönster (korrelationer, kluster, egenvektorer), förutsäga nya instansegenskaper (klassificering, regression, anomalidetektering) och bestämma rätt mått på precision/fel (t.ex. loggförlust för klassificering eller summan av kvadratiska fel för regression) och en utvärderingsstrategi (fördelning av utbildning och testning, sekventiell vs. randomiserad korsvalidering).
Tillämpning av maskininlärningsalgoritmer och bibliotek: Standardimplementationer av maskininlärningsalgoritmer är tillgängliga via bibliotek, paket och API:er (som scikit-learn, Theano, Spark MLlib, H2O och TensorFlow). Att tillämpa dem effektivt innebär att välja rätt modell (beslutsträd, närmaste granne, neuralt nätverk, stödvektormaskin, uppsättning av flera modeller) och en inlärningsprocedure för att passa data (linjär regression, gradientnedstigning, algoritmer, packning, boosting och annat modellspecifika metoder), samt förstå hur hyperparametrar påverkar inlärning.
Mjukvaruteknik och systemdesign: Maskiningenjörer arbetar vanligtvis med programvara som passar in i ett större ekosystem av produkter och tjänster. Det betyder att de måste förstå hur de olika delarna fungerar tillsammans, kommunicera med delarna (med hjälp av biblioteksanrop, REST API:er och databasfrågor) och skapa gränssnitt för din del som du vill använda. andra kan använda. Detta innebär att känna till bästa praxis inom systemdesign och mjukvaruutveckling (inklusive kravanalys, systemdesign, modularitet, versionskontroll, testning och dokumentation).
Ytterligare resurser
Vad är medellönen för en maskininlärningsingenjör?
Maskininlärningsingenjörer i USA tjänar en genomsnittlig lön på $131 255, enligt de senaste uppgifterna från Indeed. ZipRecruiter citerar dock ett högre nationellt genomsnitt på $157 676 ($76 per timme) den 28 mars 2022.
ZipRecruiter listar också de 10 amerikanska städerna med de högsta genomsnittslönerna. Toppar listan är Richmond, Kalifornien ($192,929), Stamford, Connecticut ($187,866) och Bellevue, Washington ($187,441).
Ytterligare resurser
Var finns de hetaste marknaderna för jobb inom artificiell intelligens och maskininlärning?
San Francisco Bay Area, Austin, New York och Denver listas av Datamation som tekniska nav med höga koncentrationer av AI och maskininlärningsjobb. Och enligt den senaste CompTIA Tech Jobs Report, var AI-positioner, som stod för cirka 20 % av alla nya tekniska jobböppningar, mest utbredda i Kalifornien, Texas, Massachusetts, Florida och Washington.
Vilka sektorer visar dessa jobberbjudanden? Tärningarna identifierar professionella, vetenskapliga och tekniska tjänster; finans och försäkring; och tillverkning som främsta sysselsättningsområden.
Vilka är typiska intervjufrågor med en maskininlärningsingenjör?
De som söker jobb för maskininlärning kan förvänta sig ett antal olika typer av frågor under en intervju, där de testar sina färdigheter i matematik och statistik, datavetenskap, djupinlärning, programmering och problemlösning.
Några frågor som en maskininlärningsingenjör kan förvänta sig att få i en intervju inkluderar:
- Vad har du jobbat med i några år?
- Vilka artificiell intelligens och maskininlärningsverktyg är du bekant med och hur skicklig är du med dem?
- Vad gör du för att hålla koll på ständigt föränderliga tekniker?
- Hur rengör och förbereder du data för att säkerställa kvalitet och relevans?
- Hur hanterar du saknade eller korrupta data i en datauppsättning?
- Vilka är de etiska konsekvenserna av att använda maskininlärning?
Det är också viktigt att kandidaten kommer till intervjun med frågor till anställningschefen, sa Dave Castillo, senior vice president för maskininlärning på Capital One, till TechRepublic.
“En intervju är en tvåvägskonversation,” sa Castillo. “Lika viktiga som frågorna vi ställer är frågorna som kandidaterna ställer oss. Vi vill säkerställa att inte bara kandidaten är rätt val för företaget, utan att företaget är rätt val för kandidaten.
Ytterligare resurser
Var kan jag hitta resurser för en karriär inom maskininlärning?
Det finns många vägar till en karriär som maskininlärningsingenjör. Ett bra ställe att börja är att behärska ett programmeringsspråk som Python, R eller Java. För maskininlärningsspecifikationer finns ett antal massiva öppna onlinekurser (MOOC), onlineprogram och certifieringar tillgängliga, inklusive kurser om Coursera och edX, och en nanograd från Udacity. Specialerbjudanden och utbildningspaket är också tillgängliga från TechRepublic Academy.
Du kan också få praktisk erfarenhet av att göra riktiga projekt på verklig data, på sajter som Kaggle. Att gå med i lokala organisationer som meetups eller hackathons för att lära av andra på området kan också hjälpa.
Ytterligare resurser
