Empleos en el campo emergente del aprendizaje automático

En la parte superior del informe de empleos emergentes de Estados Unidos de LinkedIn de 2017 se encontraban dos ocupaciones en el campo del aprendizaje automático: ingeniero de aprendizaje automático y científico de datos. El empleo para ingenieros de aprendizaje automático creció en 9.8 veces entre 2012 y 2017, y los empleos de científicos de datos aumentaron 6.5 veces durante el mismo período de cinco años. Si la tendencia continúa, estas ocupaciones tendrán perspectivas de empleo que superarán a muchas otras ocupaciones. Con un futuro tan brillante, ¿podría ser adecuado para usted un trabajo en este campo?

¿Qué es el aprendizaje automático?

Aprendizaje de máquina (ML) es justo lo que suena. Esta tecnología consiste en enseñar máquinas para realizar tareas específicas. A diferencia de la codificación tradicional que proporciona instrucciones que le dicen a las computadoras qué hacer, ML les proporciona datos que les permiten resolverlos por su cuenta, como lo haría un ser humano o un animal. Suena a magia, pero no lo es. Implica la interacción de informáticos y otros con experiencia relacionada. Estos profesionales de TI crean programas llamados algoritmos (conjuntos de reglas que resuelven un problema) y luego les suministran grandes conjuntos de datos que les enseñan a hacer predicciones basadas en esta información.

El aprendizaje automático es un "subconjunto de inteligencia artificial que permite a las computadoras realizar tareas para las que no han sido programadas explícitamente" (Dickson, Ben. Habilidades que necesita para conseguir un trabajo de aprendizaje automático. Buscador de carreras. 18 de enero de 2017). Con el paso de los años, Steven Levy, en un artículo que habla de la priorización de Google del aprendizaje automático y la capacitación de los ingenieros de la compañía, se ha vuelto más complicado, escribe: "Durante muchos años, el aprendizaje automático se consideró una especialidad limitada. a unos pocos de élite.

Esa era ha terminado, como los resultados recientes indican que el aprendizaje automático, impulsado por "redes neuronales" que emulan la forma en que funciona un cerebro biológico, es el verdadero camino para impregnar las computadoras con los poderes de los humanos y, en algunos casos, de los súper humanos "(Levy, Steven. Cómo Google se está reconstruyendo a sí mismo como una empresa de Machine Learning First Wired (22 de junio de 2016).

¿Cómo se usa el aprendizaje automático en el "mundo real"? La mayoría de nosotros conocemos esta tecnología a diario sin pensarlo mucho. Cuando utiliza Google u otro motor de búsqueda, los resultados que aparecen en la parte superior de la página son el resultado del aprendizaje automático. El texto predictivo, así como la característica de autocorrección a veces difamada, en la aplicación de mensajes de texto de su teléfono inteligente, también son el resultado del aprendizaje automático. Las películas y canciones recomendadas en Netflix y Spotify son ejemplos adicionales de cómo utilizamos esta tecnología de rápido crecimiento sin apenas darnos cuenta.

Más recientemente, Google introdujo la respuesta inteligente en Gmail. Al final de un mensaje, presenta a un usuario tres posibles respuestas según el contenido. Uber y otras compañías están actualmente probando autos de auto conducción.

Industrias que utilizan el aprendizaje automático

El uso del aprendizaje automático llega mucho más allá del mundo tecnológico. SAS, una compañía de software analítico, informa que muchas industrias han adoptado esta tecnología. La industria de servicios financieros usa ML para identificar oportunidades de inversión, informar a los inversores cuándo negociar, reconocer qué clientes tienen perfiles de alto riesgo y detectar fraudes. En la atención de la salud, los algoritmos ayudan a diagnosticar enfermedades al detectar anomalías.

¿Alguna vez ha hecho la pregunta, "por qué aparece un anuncio para ese producto que estoy pensando en comprar en cada página web que visito?" ML permite a la industria de marketing y ventas analizar a los consumidores en función de sus historiales de compras y búsquedas. La adaptación de esta tecnología por parte de la industria del transporte detecta problemas potenciales en las rutas y ayuda a que sean más eficientes. Gracias a ML, la industria del petróleo y el gas puede identificar nuevas fuentes de energía (Aprendizaje de máquinas: qué es y por qué importa. SAS).

Cómo el aprendizaje automático está cambiando el lugar de trabajo

Las predicciones sobre las máquinas que se hacen cargo de todos nuestros trabajos han existido durante décadas, pero ¿ML finalmente lo hará realidad? Los expertos pronostican que esta tecnología ha modificado y continuará alterando el lugar de trabajo. ¿Pero en cuanto a quitarnos todos nuestros trabajos? La mayoría de los expertos no creen que eso suceda.

Si bien el aprendizaje automático no puede ocupar el lugar de los seres humanos en todas las ocupaciones, puede cambiar muchos de los deberes laborales asociados con ellos. "Las tareas que implican tomar decisiones rápidas basadas en datos son una buena opción para los programas de LD; no es así si la decisión depende de largas cadenas de razonamiento, conocimiento diverso o sentido común", dice Byron Spice. Spice es Directora de Relaciones con los Medios en Carnegie Mellon Escuela Universitaria de Ciencias de la Computación (Spice, Byron. El aprendizaje automático cambiará de trabajo. Universidad Carnegie Mellon.

21 de diciembre de 2017).

En la revista Science, Erik Brynjolfsson y Tom Mitchell escriben, "la demanda de trabajo es más probable que caiga en tareas que son sustitutos cercanos de las capacidades de ML, mientras que es más probable que aumente para las tareas que son complementos para estos sistemas. Cada vez que un ML El sistema cruza el umbral donde se vuelve más rentable que los humanos en una tarea, los empresarios y gerentes que maximizan sus ganancias buscarán cada vez más máquinas sustitutivas por personas. Esto puede tener efectos en toda la economía, aumentar la productividad, bajar los precios, cambiar la demanda laboral. y las industrias de reestructuración (Brynjolfsson, Erik y Mitchell, Tom.

¿Qué puede hacer el aprendizaje automático? Implicaciones de la fuerza laboral. Ciencia. 22 de diciembre de 2017).

¿Quieres una carrera en aprendizaje automático?

Las carreras en aprendizaje automático requieren experiencia en informática, estadística y matemáticas. Muchas personas vienen a este campo con un fondo en esos campos. Muchas universidades que ofrecen una especialización en aprendizaje automático toman un enfoque multidisciplinario con un plan de estudios que incluye, además de ciencias de la computación, ingeniería eléctrica y de computación, matemáticas y estadísticas (Top 16 Schools for Machine Learning. AdmissionTable.com).

Para aquellos que ya están involucrados en la industria de la tecnología de la información, la transición a un trabajo de ML no es un gran salto. Es posible que ya tenga muchas de las habilidades que necesita. Su empleador puede incluso ayudarlo a hacer esta transición. Según el artículo de Steven Levy, "en la actualidad no hay muchas personas que sean expertos en ML, por lo que empresas como Google y Facebook son ingenieros de capacitación cuya experiencia se basa en la codificación tradicional".

Si bien muchas de las habilidades que desarrolló como profesional de TI se transferirán al aprendizaje automático, puede ser un poco difícil. Con suerte, te mantuviste despierto durante tus clases de estadística de la universidad porque ML confía en un buen conocimiento de ese tema, así como en matemáticas. Levy escribe que los programadores deben estar dispuestos a renunciar al control total que tienen sobre la programación de un sistema.

Usted no está fuera de suerte si su empleador tecnológico no está proporcionando el ML de reentrenamiento de Google y Facebook. Los colegios y universidades, así como las plataformas de aprendizaje en línea como Udemy y Coursera, ofrecen clases que enseñan los conceptos básicos del aprendizaje automático. Sin embargo, es crucial completar su experiencia tomando clases de estadísticas y matemáticas.

Títulos de empleo y ganancias

Los títulos de trabajo principales que encontrará al buscar un trabajo en este campo incluyen ingeniero de aprendizaje automático y científico de datos.

Los ingenieros de aprendizaje automático "ejecutan las operaciones de un proyecto de aprendizaje automático y son responsables de administrar la infraestructura y las tuberías de datos necesarias para llevar el código a la producción". Los científicos de datos están en el lado de los datos y el análisis de los algoritmos en desarrollo, en lugar del lado de la codificación. También recopilan, limpian y preparan datos (Zhou, Adelyn. "Títulos de trabajo de inteligencia artificial: ¿Qué es un ingeniero de aprendizaje automático?" Forbes. 27 de noviembre de 2017).

Según las presentaciones de usuarios de personas que trabajan en estos trabajos, Glassdoor.com informa que los ingenieros de ML y los científicos de datos ganan un salario base promedio de $ 120,931. Los salarios varían desde un mínimo de $ 87,000 hasta un máximo de $ 158,000 (Salarios del Ingeniero de Aprendizaje Automático. Glassdoor.com. 1 de marzo de 2018). Aunque Glassdoor agrupa estos títulos, existen algunas diferencias entre ellos.

Requisitos para los trabajos de aprendizaje automático

Los ingenieros de ML y los científicos de datos realizan diferentes trabajos, pero hay una gran cantidad de superposición entre ellos. Los anuncios de trabajo para ambas posiciones a menudo tienen requisitos similares. Muchos empleadores prefieren títulos de licenciatura, maestría o doctorado en ciencias de la computación o ingeniería, estadística o matemáticas.

Para ser un profesional de aprendizaje automático, necesitará una combinación de habilidades técnicas (habilidades aprendidas en la escuela o en el trabajo) y habilidades blandas. Las habilidades blandas son habilidades que no aprenden en el aula, sino que nacen o se adquieren a través de la experiencia de la vida. Nuevamente, existe una gran superposición entre las habilidades requeridas para los ingenieros de ML y los científicos de datos.

Los anuncios de trabajo revelan que aquellos que trabajan en trabajos de ingeniería de ML deben estar familiarizados con los marcos de aprendizaje automático como TensorFlow, Mlib, H20 y Theano. Necesitan una sólida formación en codificación, incluida la experiencia con lenguajes de programación como Java o C / C ++ y lenguajes de script como Perl o Python. La experiencia en estadísticas y la experiencia en el uso de paquetes de software estadístico para analizar grandes conjuntos de datos también se encuentran entre las especificaciones.

Una variedad de habilidades blandas te permitirán tener éxito en este campo. Entre ellos se encuentran la flexibilidad, la adaptabilidad y la perseverancia. Desarrollar un algoritmo requiere mucha prueba y error, y por lo tanto, paciencia. Uno debe probar un algoritmo para ver si funciona y, si no, desarrollar uno nuevo.

Excelentes habilidades de comunicación son esenciales. Los profesionales del aprendizaje automático, que a menudo trabajan en equipos, necesitan habilidades superiores de escucha, habla e interpersonales para colaborar con otros, y también deben presentar sus hallazgos a sus colegas. Además, deben ser aprendices activos que pueden incorporar nueva información a su trabajo. En una industria donde se valora la innovación, uno debe ser creativo para sobresalir.