上位の機械学習ジョブ
コンテンツ
LinkedInの2017年の米国新興求人レポートのトップは、機械学習分野の2つの職種である機械学習エンジニアとデータサイエンティストでした。機械学習エンジニアの雇用は2012年から2017年の間に9.8倍になり、データサイエンティストの仕事は同じ5年間で6.5倍になりました。傾向が続く場合、これらの職業は他の多くの職業を上回る雇用の見通しを持つことになります。未来がとても明るいので、この分野の仕事はあなたにぴったりでしょうか？
機械学習とは
機械学習（ML）はまさにそのようなものです。このテクノロジーには、特定のタスクを実行するようにマシンを教えることが含まれます。コンピューターに何をすべきかを指示する従来のコーディングとは異なり、MLは、人間や動物が行うのと同じように、自分でそれを理解できるデータを提供します。魔法のように聞こえますが、そうではありません。これには、コンピュータサイエンティストと、関連する専門知識を持つ他の人々との相互作用が含まれます。これらのIT専門家は、アルゴリズムと呼ばれるプログラム（問題を解決する一連のルール）を作成し、この情報に基づいて予測を行うように教える大量のデータを提供します。
機械学習は、「コンピューターが明示的にプログラムされていないタスクを実行できるようにする人工知能のサブセット」です（Dickson、Ben。機械学習ジョブを実行するために必要なスキル。ItCareerFinder。2017年1月18日。）スティーブンレヴィは、Googleの機械学習の優先順位付けと会社のエンジニアの再トレーニングについて語った記事の中で、次のように書いています。「機械学習は長年、専門的で限定的なものと考えられていました少数のエリートに。その時代は終わりました。最近の結果では、生物の脳の動作をエミュレートする「ニューラルネット」を利用した機械学習が、コンピューターに人間、場合によっては超人の力を吹き込む真の道であることが示されています（レビー、スティーブン。Googleが有線の機械学習の最初の企業としてどのように再構築しているか。2016年6月22日）。
「現実の世界」で機械学習はどのように使用されますか？私たちのほとんどは、あまり考えずにこのテクノロジーに毎日出くわしています。 Googleまたは他の検索エンジンを使用すると、ページの上部に表示される結果は機械学習の結果です。スマートフォンのテキストメッセージアプリにある予測テキストと、場合によっては悪質なオートコレクト機能も、機械学習の結果です。 NetflixとSpotifyで推奨される映画と歌は、この急速に成長しているテクノロジーをほとんど気づかずに使用する方法のさらなる例です。最近では、GoogleがGmailでスマートリプライを導入しています。メッセージの最後に、コンテンツに基づいて3つの可能な応答がユーザーに表示されます。 Uberと他の企業は現在、自動運転車をテストしています。
機械学習を使用する産業
機械学習の使用は、技術の世界をはるかに超えています。分析ソフトウェア会社のSASは、多くの業界がこのテクノロジーを採用していると報告しています。金融サービス業界はMLを使用して投資機会を特定し、投資家に取引のタイミングを知らせ、リスクの高いクライアントを認識し、詐欺を検出します。ヘルスケアでは、アルゴリズムは異常を拾い上げることで病気の診断に役立ちます。
「購入したいと考えているその製品の広告が、アクセスするすべてのWebページに表示されるのはなぜですか？」という質問をしたことがありますか？ MLを使用すると、マーケティングおよび販売業界は、購入履歴と検索履歴に基づいて消費者を分析できます。輸送業界がこのテクノロジーを採用することで、ルートの潜在的な問題が検出され、ルートの効率が向上します。 MLのおかげで、石油およびガス産業は新しいエネルギー源を特定できます（機械学習：それは何か、なぜそれが重要なのか。SAS）。
機械学習がどのように職場を変えるか
すべての仕事を引き継ぐマシンについての予測は何十年も前からありましたが、MLはついにそれを実現しますか？専門家は、このテクノロジーが職場を変えることを予測しています。しかし、私たちのすべての仕事を奪う限りでは？ほとんどの専門家はそれが起こるとは考えていません。
機械学習はすべての職業で人間の代わりになることはできませんが、人間に関連する多くの職務が変わる可能性があります。 「データに基づいて迅速な決定を行うタスクはMLプログラムに適しています。決定が長い推論、多様な背景知識または常識に依存している場合はそうではありません」とバイロンスパイスは述べています。スパイスはカーネギーメロンのメディアリレーションズディレクターです大学のコンピュータサイエンススクール（スパイス、バイロン。機械学習は転職する。カーネギーメロン大学。2017年12月21日）。
サイエンスマガジンのエリックブリンジョルフソンとトムミッチェルは、次のように書いています。「労働力需要は、MLの機能に代わるタスクに近い傾向にありますが、これらのシステムを補完するタスクには増加する傾向があります。MLのたびにシステムは、タスクよりも人間よりも費用対効果が高くなるしきい値を超え、利益を最大化する起業家やマネージャーは、人々の代わりに機械を代用することをますます求めています。これは、経済全体に影響を及ぼし、生産性を高め、価格を下げ、労働需要をシフトさせ、産業の再編（ブリンジョルフソン、エリック、ミッチェル、トム。機械学習で何ができるか？労働力への影響。科学。2017年12月22日）。
機械学習のキャリアが必要ですか？
機械学習のキャリアには、コンピュータサイエンス、統計、数学の専門知識が必要です。これらの分野を背景に多くの人がこの分野に来ています。機械学習を専攻している多くの大学では、コンピュータサイエンス、電気およびコンピュータエンジニアリング、数学、統計に加えて、カリキュラムで学際的なアプローチを採用しています（機械学習のトップ16の学校。AdmissionTable.com）。
すでにIT業界に携わっている人にとって、MLの仕事への移行はそれほど大きな進歩ではありません。あなたはすでに必要なスキルの多くを持っているかもしれません。あなたの雇用主はあなたがこの移行をするのを助けるかもしれません。 Steven Levyの記事によると、「現在、MLの専門家は多くないため、GoogleやFacebookのような企業は、従来のコーディングに専門知識を持つエンジニアを再訓練しています。」
ITプロフェッショナルとして開発したスキルの多くは機械学習に移行しますが、少し難しいかもしれません。うまくいけば、MLは数学と同様にその科目の強い理解に依存しているため、大学の統計クラスの間は起きていました。 Levy氏は、プログラマーはシステムのプログラミングを完全に制御できるようにする必要があると述べています。
あなたの技術系雇用主がGoogleとFacebookが提供しているMLの再トレーニングを提供していなくても、あなたは運が悪くありません。大学や大学、UdemyやCourseraなどのオンライン学習プラットフォームでは、機械学習の基本を教えるクラスを提供しています。ただし、統計と数学のクラスを受講して専門知識を完成させることが重要です。
役職と収益
この分野で仕事を探すときに出くわす主な職種には、機械学習エンジニアやデータサイエンティストが含まれます。
機械学習エンジニアは、「機械学習プロジェクトのオペレーションを実行し、コードを本番環境に導入するために必要なインフラストラクチャとデータパイプラインの管理を担当します。」データサイエンティストは、コーディング側ではなく、アルゴリズム開発のデータおよび分析側にいます。また、データを収集、整理、準備します（Zhou、Adelyn。「人工知能の役職：機械学習エンジニアとは」、Forbes、2017年11月27日）。
Glassdoor.comは、これらの仕事に従事する人々からのユーザーの提出に基づいて、MLエンジニアとデータサイエンティストが平均基本給$ 120,931を稼いでいると報告しています。給与の範囲は、最低87,000ドルから最高158,000ドルです（機械学習エンジニアの給与。Glassdoor.com、2018年3月1日）。 Glassdoorはこれらのタイトルをグループ化しますが、それらの間にはいくつかの違いがあります。
機械学習ジョブの要件
MLエンジニアとデータサイエンティストは異なる仕事をしますが、それらの間には多くの重複があります。多くの場合、両方の役職の求人発表には同様の要件があります。多くの雇用主は、コンピューターサイエンスまたはエンジニアリング、統計学、または数学の学士号、修士号、または博士号を好みます。
機械学習の専門家になるには、技術的スキル（学校で、または仕事で習得したスキル）とソフトスキルの組み合わせが必要になります。ソフトスキルは、教室で習得するのではなく、人生経験を通じて生まれるか、または身につける能力です。繰り返しになりますが、MLエンジニアとデータサイエンティストに必要なスキルにはかなりの重複があります。
求人の発表は、MLエンジニアリングの仕事に従事している人はTensorFlow、Mlib、H20、Theanoなどの機械学習フレームワークに精通している必要があることを示しています。 JavaやC / C ++などのプログラミング言語や、PerlやPythonなどのスクリプト言語での経験など、コーディングに関する強力なバックグラウンドが必要です。統計の専門知識と、統計ソフトウェアパッケージを使用して大量のデータを分析した経験も、仕様の1つです。
さまざまなソフトスキルがこの分野での成功を可能にします。その中には、柔軟性、適応性、忍耐力があります。アルゴリズムの開発には多くの試行錯誤が必要であり、したがって、忍耐が必要です。アルゴリズムをテストして、機能するかどうかを確認し、機能しない場合は新しいアルゴリズムを開発する必要があります。
優れたコミュニケーション能力は不可欠です。チームで作業することが多い機械学習の専門家は、他の人と共同作業するために優れたリスニング、スピーキング、対人スキルを必要とし、その結果を同僚に提示する必要もあります。さらに、新しい情報を自分の仕事に取り入れることができる積極的な学習者である必要があります。イノベーションが重視される業界では、卓越するためには創造力が必要です。
