Ce que vous devez savoir pour commencer dans ce domaine émergent
Au sommet du rapport 2017 sur les emplois émergents aux États-Unis de LinkedIn, il y avait deux professions dans le domaine de l'apprentissage automatique: l'ingénieur en apprentissage automatique et le chercheur de données. Le nombre d'emplois pour les ingénieurs en apprentissage automatique a augmenté de 9, 8 fois entre 2012 et 2017 et les emplois de data scientist ont augmenté de 6, 5 fois au cours de la même période de cinq ans. Si la tendance se poursuit, ces professions auront des perspectives d'emploi qui surpassent de nombreuses autres professions. Avec un avenir si brillant, un travail dans ce domaine pourrait-il vous convenir?
Qu'est-ce que l'apprentissage automatique?
L'apprentissage automatique (ML) est ce que cela ressemble. Cette technologie implique des machines d'enseignement pour effectuer des tâches spécifiques. Contrairement au codage traditionnel qui fournit des instructions qui indiquent aux ordinateurs ce qu'il faut faire, ML leur fournit des données qui leur permettent de le comprendre par eux-mêmes, comme le ferait un être humain ou un animal. Ça a l'air magique, mais ça ne l'est pas. Il implique l'interaction d'informaticiens et d'autres personnes possédant des compétences connexes. Ces professionnels de l'informatique créent des programmes appelés algorithmes (ensembles de règles qui résolvent un problème), puis les nourrissent de grands ensembles de données leur apprenant à faire des prédictions à partir de ces informations.
L'apprentissage automatique est un «sous-ensemble de l'intelligence artificielle qui permet aux ordinateurs d'effectuer des tâches pour lesquelles ils n'ont pas été explicitement programmés» (Dickson, Ben., «Job Skills Finder», 18 janvier 2017). Au fil des années, Steven Levy, dans un article qui parle de la priorité accordée par Google à l'apprentissage automatique et à la reconversion des ingénieurs de l'entreprise, écrit: «Pendant de nombreuses années, l'apprentissage automatique a été considéré comme une spécialité limitée. à quelques élites.
Cette ère est révolue, car les résultats récents indiquent que l'apprentissage automatique, alimenté par des «réseaux neuronaux» qui imitent le fonctionnement d'un cerveau biologique, est le véritable chemin vers l'acquisition des ordinateurs avec les pouvoirs humains et, dans certains cas, avec les humains superbes »( Levy, Steven: comment Google se remettra-t-il d'une première entreprise câblée en apprentissage automatique, 22 juin 2016).
Comment l'apprentissage automatique est-il utilisé dans le "monde réel"? La plupart d'entre nous rencontrons cette technologie quotidiennement sans trop y penser. Lorsque vous utilisez Google ou un autre moteur de recherche, les résultats qui apparaissent en haut de la page sont le résultat d'un apprentissage automatique. Le texte prédictif, ainsi que la fonction de correction automatique, parfois décriée, sur l'application SMS de votre téléphone intelligent, sont également le résultat de l'apprentissage automatique. Les films et chansons recommandés sur Netflix et Spotify sont d'autres exemples de la façon dont nous utilisons cette technologie en pleine croissance tout en la notant à peine.
Plus récemment, Google a introduit Smart Reply dans Gmail. À la fin d'un message, il présente à l'utilisateur trois réponses possibles en fonction du contenu. Uber et d'autres entreprises testent actuellement des voitures autonomes.
Industries utilisant l'apprentissage automatique
L'utilisation de l'apprentissage automatique dépasse de loin le monde de la technologie. SAS, une société de logiciels d'analyse, signale que de nombreuses industries ont adopté cette technologie. Le secteur des services financiers utilise le BA pour identifier les opportunités d'investissement, informer les investisseurs du moment de la transaction, identifier les clients présentant des profils à haut risque et détecter les fraudes. En santé, les algorithmes aident à diagnostiquer les maladies en détectant les anomalies.
Avez-vous déjà posé la question, "pourquoi une annonce pour ce produit que je pense acheter apparaît sur chaque page Web que je visite?" ML permet au secteur du marketing et des ventes d'analyser les consommateurs en fonction de leur historique d'achat et de recherche. L'adaptation de cette technologie par l'industrie du transport permet de détecter les problèmes potentiels sur les routes et de les rendre plus efficaces. Grâce à ML, l'industrie pétrolière et gazière peut identifier de nouvelles sources d'énergie (Machine Learning: What It Is et Why It Matters, SAS).
Comment l'apprentissage automatique change le lieu de travail
Les prédictions sur les machines qui reprennent tous nos emplois existent depuis des décennies, mais le ML en fera-t-il finalement une réalité? Les experts prévoient que cette technologie a et continuera de modifier le milieu de travail. Mais en ce qui concerne tous nos emplois? La plupart des experts ne pensent pas que cela va arriver.
Bien que l'apprentissage automatique ne puisse pas remplacer l'être humain dans toutes les professions, il pourrait modifier de nombreuses tâches associées à ces professions. «Les tâches qui impliquent de prendre des décisions rapides basées sur des données conviennent bien aux programmes de ML, mais pas si la décision dépend de longues chaînes de raisonnement, de connaissances diverses ou de bon sens», explique Byron Spice, directeur des relations médias chez Carnegie Mellon. Université d'informatique de l'Université (Spice, Byron.) L'apprentissage automatique changera d'emploi, Université Carnegie Mellon.
21 décembre 2017).
Dans Science Magazine, Erik Brynjolfsson et Tom Mitchell écrivent, "la demande de travail est plus susceptible de tomber pour des tâches qui sont des substituts proches des capacités de ML, alors qu'il est plus susceptible d'augmenter pour les tâches qui sont des compléments pour ces systèmes. les entrepreneurs et les gestionnaires qui maximisent les profits chercheront de plus en plus à remplacer les machines par des personnes, ce qui peut avoir des effets dans l'ensemble de l'économie, stimuler la productivité, faire baisser les prix, modifier la demande de main-d'œuvre, et la restructuration des industries (Brynjolfsson, Erik et Mitchell, Tom.
Que peut faire l'apprentissage automatique? Implications de la main-d'œuvre. Science. 22 décembre 2017).
Voulez-vous une carrière dans l'apprentissage automatique?
Carrières dans l'apprentissage automatique nécessitent une expertise en informatique, statistiques et mathématiques. Beaucoup de gens viennent dans ce domaine avec une expérience dans ces domaines. Beaucoup de collèges qui offrent une majeure en apprentissage automatique adoptent une approche multidisciplinaire avec un programme qui comprend, en plus de l'informatique, le génie électrique et informatique, les mathématiques et les statistiques (Top 16 écoles pour l'apprentissage automatique.
Pour ceux qui sont déjà impliqués dans l'industrie des technologies de l'information, la transition vers un emploi de ML n'est pas un bond en avant. Vous avez peut-être déjà plusieurs des compétences dont vous avez besoin. Votre employeur peut même vous aider à faire cette transition. Selon l'article de Steven Levy, «actuellement, il n'y a pas beaucoup de gens qui sont experts en ML, donc des entreprises comme Google et Facebook sont des ingénieurs de recyclage dont l'expertise réside dans le codage traditionnel.
Bien que de nombreuses compétences que vous avez acquises en tant que professionnel de l'informatique soient transférées à l'apprentissage automatique, cela peut être un peu difficile. J'espère que vous êtes resté éveillé pendant vos cours de statistiques à l'université parce que ML compte sur une bonne compréhension de ce sujet, ainsi que sur les mathématiques. Levy écrit que les codeurs doivent être prêts à abandonner le contrôle total qu'ils ont sur la programmation d'un système.
Vous n'êtes pas hors de la chance si votre employeur de technologie ne fournit pas la réapprovisionnement ML Google et Facebook sont. Les collèges et les universités, ainsi que les plateformes d'apprentissage en ligne comme Udemy et Coursera, offrent des cours qui enseignent les rudiments de l'apprentissage automatique. Cependant, il est crucial de compléter votre expertise en prenant des statistiques et des cours de mathématiques.
Emplois et gains
Les principaux emplois que vous rencontrerez dans la recherche d'un emploi dans ce domaine sont l'ingénieur en apprentissage automatique et le chercheur de données.
Les ingénieurs en apprentissage automatique «exécutent les opérations d'un projet d'apprentissage automatique et sont responsables de la gestion de l'infrastructure et des pipelines de données nécessaires pour amener le code à la production». Les scientifiques de données sont du côté des données et de l'analyse des algorithmes de développement, plutôt que du côté du codage. Ils collectent, nettoient et préparent les données (Zhou, Adelyn.) «Les métiers de l'intelligence artificielle: qu'est-ce qu'un ingénieur en apprentissage automatique?», Forbes, 27 novembre 2017).
Sur la base des soumissions d'utilisateurs de personnes travaillant dans ces emplois, Glassdoor.com signale que les ingénieurs de ML et les scientifiques de données gagnent un salaire de base moyen de 120 931 $. Les salaires varient de 87 000 $ à un maximum de 158 000 $ (Salaires de Machine Learning Engineer: 1 juillet 2018). Bien que ces groupes soient regroupés dans les groupes Glassdoor, il existe certaines différences entre eux.
Exigences pour les emplois d'apprentissage automatique
Les ingénieurs de ML et les scientifiques de données font des travaux différents, mais il y a beaucoup de chevauchement entre eux. Les annonces d'emploi pour les deux postes ont souvent des exigences similaires. De nombreux employeurs préfèrent un baccalauréat, une maîtrise ou un doctorat en informatique ou en génie, en statistique ou en mathématiques.
Pour être un professionnel de l'apprentissage automatique, vous aurez besoin d'une combinaison de compétences techniques - les compétences acquises à l'école ou au travail - et de compétences générales. Les compétences non techniques sont des capacités que l'on n'apprend pas en classe, mais qui naissent ou acquièrent par l'expérience de vie. Encore une fois, il y a beaucoup de chevauchement entre les compétences requises pour les ingénieurs ML et les spécialistes des données.
Les annonces d'emploi révèlent que ceux qui travaillent dans des emplois d'ingénierie ML doivent être familiers avec les frameworks d'apprentissage machine tels que TensorFlow, Mlib, H20 et Theano. Ils ont besoin d'une solide formation en codage, y compris une expérience avec des langages de programmation tels que Java ou C / C ++ et des langages de script tels que Perl ou Python. L'expertise en statistiques et l'expérience de l'utilisation de progiciels statistiques pour l'analyse de grands ensembles de données font également partie des spécifications.
Une variété de compétences non techniques vous permettra de réussir dans ce domaine. Parmi eux sont la flexibilité, l'adaptabilité et la persévérance. Développer un algorithme nécessite beaucoup d'essais et d'erreurs, et donc de patience. Il faut tester un algorithme pour voir si cela fonctionne et, sinon, en développer un nouveau.
D'excellentes compétences en communication sont essentielles. Les professionnels de l'apprentissage automatique, qui travaillent souvent en équipe, ont besoin de compétences supérieures en matière d'écoute, d'expression orale et de relations interpersonnelles pour collaborer avec d'autres, et doivent également présenter leurs conclusions à leurs collègues. Ils devraient, en outre, être des apprenants actifs qui peuvent intégrer de nouvelles informations dans leur travail. Dans une industrie où l'innovation est valorisée, il faut être créatif pour exceller.