இயந்திர கற்றல் வளர்ந்து வரும் துறையில் வேலைகள்

மெஷின் கற்றல் பொறியாளர் மற்றும் தரவு விஞ்ஞானி: மெஷின் கற்றல் துறையில் 2017 அமெரிக்க வளர்ந்து வரும் வேலைகள் அறிக்கை இரு வேலைகள். இயந்திர கற்றல் பொறியியலாளர்களுக்கான வேலைவாய்ப்பு 2012 மற்றும் 2017 க்கு இடையே 9.8 மடங்கு அதிகரித்துள்ளது மற்றும் தரவு விஞ்ஞானி வேலைகள் அதே ஐந்து ஆண்டு காலத்தில் 6.5 முறை அதிகரித்துள்ளது. போக்கு தொடர்ந்தால், இந்த ஆக்கிரமிப்புக்கள் பல வேலைவாய்ப்புகளை விட அதிகமாக இருக்கும் வேலைவாய்ப்பு கண்ணோட்டம் இருக்கும். எதிர்காலத்தை மிகவும் பிரகாசமாக கொண்டு, இந்த துறையில் நீங்கள் வேலை செய்ய முடியுமா?

இயந்திர கற்றல் என்றால் என்ன?

இயந்திர கற்றல் (எம்.எல்) இது போன்ற ஒலியை தான். இந்த தொழில்நுட்பம் கற்பித்தல் இயந்திரங்களை குறிப்பிட்ட பணிகளைச் செய்வதற்கு உட்படுத்துகிறது. என்ன செய்ய வேண்டும் என்று கணினிகள் சொல்கிறாய் என்று பாரம்பரிய குறியீட்டு போலல்லாமல், எம்.எல் அவர்கள் ஒரு மனித அல்லது விலங்கு செய்ய வேண்டும் போல, அவர்கள் தங்கள் சொந்த அதை கண்டுபிடிக்க முடியும் தரவு வழங்குகிறது. மந்திரம் போல் தெரிகிறது, ஆனால் அது இல்லை. இது கணினி விஞ்ஞானிகள் தொடர்பு மற்றும் தொடர்புடைய நிபுணத்துவம் மற்றவர்கள் ஈடுபடுத்துகிறது. இந்த தகவல் தொழில்நுட்ப வல்லுநர்கள், ஒரு சிக்கலைத் தீர்ப்பதற்கான நெறிமுறைகளின் தொகுப்புகள் என்று அழைக்கப்படும் நிரல்களை உருவாக்குகின்றனர், மேலும் இந்த தகவலை அடிப்படையாகக் கொண்ட கணிப்புகள் செய்ய அவர்களுக்குக் கற்பிக்கும் தரவரிசைகளை அவர்களுக்கு உணவாக அளிக்கிறார்கள்.

இயந்திர கற்றல் என்பது "நுண்ணறிவு நுண்ணறிவுகளின் துணைக்குறியீடு, அவை கணினிகள் வெளிப்படையாக செய்யப்படாத செயல்களை செய்வதற்கு உதவும்" (டிக்சன், பென். பல வருடங்களாக, இது மிகவும் சிக்கலானது, இன்னும் பொதுவானதாக உள்ளது, ஸ்டீவன் லெவி, இயந்திரத்தின் கற்றல் மற்றும் கூகிள் இயந்திரத்தின் பயிற்சியின் முக்கியத்துவம் பற்றி பேசுகிற ஒரு கட்டுரையில், "பல ஆண்டுகளாக, இயந்திர கற்றல் சிறப்பு, ஒரு உயரடுக்கு சில.

அந்த சகாப்தம் முடிந்துவிட்டது, சமீபத்திய ஆய்வில், ஒரு உயிரியல் மூளை இயங்குவதற்கு வழிவகுக்கும் "நரம்பியல் வலைகள்" மூலம் இயந்திரம் கற்றல், மனிதர்களின் சக்திகளால் கம்ப்யூட்டர்கள் உள்வாங்குவதற்கான உண்மையான பாதை, மற்றும் சில சந்தர்ப்பங்களில், சூப்பர் மனிதர்கள் லெவி, ஸ்டீவன். எப்படி கூகிள் தன்னை ஒரு மார்க்கெட்டிங் கற்றல் முதல் நிறுவனம் கம்பெனி என மாற்றுகிறது. ஜூன் 22, 2016).

"உண்மையான உலகில்" எப்படி இயந்திர கற்றல் பயன்படுத்தப்படுகிறது? இந்த தொழில்நுட்பத்தை ஒரு தினசரி அடிப்படையில் நம்மில் பெரும்பாலோர் அதிகம் சிந்திக்காமல் விட்டுவிடுகிறார்கள். நீங்கள் Google அல்லது வேறொரு தேடு பொறியைப் பயன்படுத்தும்போது, ​​பக்கத்தின் மேல் உள்ள முடிவுகள் இயந்திர கற்றல் விளைவின் விளைவாக இருக்கும். முன்கூட்டியே உரை, அதே போல் சில நேரங்களில் ஒழுங்கற்ற சுயசரிதை அம்சம், உங்கள் ஸ்மார்ட் போன் உரைப்படுத்தும் பயன்பாட்டில், இயந்திர கற்றல் விளைவாக. நெட்ஃபிக்ஸ் மற்றும் ஸ்பிடிஃபீடில் பரிந்துரை செய்யப்பட்ட திரைப்படங்களும் பாடல்களும் இந்த விரைவாக வளர்ந்துவரும் தொழில்நுட்பத்தை எவ்வாறு பயன்படுத்துகிறது என்பதற்கு மேலதிகமாக உதாரணங்கள்.

மேலும் சமீபத்தில், Gmail இல் ஸ்மார்ட் பதிலை Google அறிமுகப்படுத்தியது. ஒரு செய்தியின் முடிவில், உள்ளடக்கத்தை அடிப்படையாகக் கொண்ட மூன்று பதில்களைக் கொண்ட ஒரு பயனரை இது வழங்குகிறது. Uber மற்றும் பிற நிறுவனங்கள் தற்போது சுய-வாகன ஓட்டிகளை சோதனை செய்கின்றன.

இயந்திர கற்றல் பயன்படுத்தி தொழில்கள்

இயந்திர கற்றல் பயன்பாடு தொழில்நுட்ப உலகத்திற்கு அப்பால் செல்கிறது. SAS, ஒரு பகுப்பாய்வு மென்பொருள் நிறுவனம், பல தொழிற்துறை இந்த தொழில்நுட்பத்தை ஏற்றுக்கொண்டதாக தெரிவிக்கிறது. நிதி சேவைகள் தொழில் முதலீட்டு வாய்ப்புகளை அடையாளம் காண ML பயன்படுத்துகிறது, முதலீட்டாளர்கள் வர்த்தகம் போது தெரியப்படுத்துங்கள், வாடிக்கையாளர்கள் உயர் ஆபத்து சுயவிவரங்கள் கொண்ட அடையாளம், மற்றும் மோசடி கண்டறிய. உடல்நலத்தில், அல்காரிதம்கள் அசாதாரணங்களைத் தேர்ந்தெடுப்பதன் மூலம் நோய்களைக் கண்டறிய உதவுகின்றன.

நீங்கள் எப்போதாவது கேள்வியைக் கேட்டிருக்கிறீர்களா? "நான் பார்த்த ஒவ்வொரு வலைப்பக்கத்திலும் காட்டும் வாங்கும் எண்ணத்தை ஏன் நான் நினைக்கிறேனோ?" மார்க்கெட்டிங் மற்றும் விற்பனைத் தொழில் நுகர்வோர் தங்கள் கொள்முதல் மற்றும் தேடல் வரலாற்றின் அடிப்படையில் பகுப்பாய்வு செய்ய அனுமதிக்கிறது. இந்த தொழில்நுட்பத்தின் போக்குவரத்துத் துறை தழுவல் பாதைகளில் சாத்தியமான சிக்கல்களைக் கண்டறிந்து அவற்றை இன்னும் திறம்பட செய்ய உதவுகிறது. எம்எல், எண்ணெய் மற்றும் எரிவாயு துறைக்கு புதிய ஆற்றல் ஆதாரங்களை (இயந்திர கற்றல்: அது என்ன, ஏன் அது மேட்டர்ஸ். SAS) அடையாளம் காணலாம்.

எப்படி இயந்திர கற்றல் பணியிடத்தை மாற்றுகிறது

எங்களது வேலைகள் அனைத்தையும் எடுத்துக் கொண்டிருக்கும் எந்திரங்கள் பற்றிய கணிப்புகள் பல தசாப்தங்களாக சுற்றிவந்தன, ஆனால் எம்.எல்.ஏ. இந்த தொழில்நுட்பத்தை முன்வைத்துள்ள வல்லுநர்கள், பணியிடத்தை மாற்றுவதற்கும் தொடரும். ஆனால் எல்லா வேலைகளையும் எடுத்துக் கொள்ளும் வரை பெரும்பாலான நிபுணர்கள் இது நடக்கும் என்று நினைக்கவில்லை.

இயந்திர ஆய்வுகள் அனைத்து ஆக்கிரமிப்புகளிலும் மனிதகுலத்தின் இடத்தை எடுத்துக்கொள்ள முடியாது என்றாலும், அவற்றுடன் தொடர்புடைய பல பணி கடமைகளை அது மாற்றியமைக்கலாம். "தரவை அடிப்படையாகக் கொண்ட விரைவான முடிவுகள் எடுக்கும் பணிகள், எம்.எல் நிரல்களுக்கு நல்ல பொருத்தமாக இருக்கின்றன, ஆனால் முடிவான காரணம், மாறுபட்ட பின்னணி அறிவு அல்லது பொது அறிவு ஆகியவற்றின் முடிவு சார்ந்ததாக இருந்தால், பைரன் ஸ்பைஸ் கூறுகிறார்." ஸ்பைஸ் என்பது ஊடக உறவுகளின் இயக்குனர் கார்னெகி மெல்லன் பல்கலைக்கழகத்தின் கம்ப்யூட்டர் சயின்ஸ் ஸ்கூல் (ஸ்பைஸ், பைரன், மெஷின் கற்றல் வேலைகள் மாறும்.) கார்னி மெல்லன் பல்கலைக்கழகம்.

டிசம்பர் 21, 2017).

அறிவியல் இதழில், எரிக் பிரைன்ஜோல்ஃப்ஸன் மற்றும் டாம் மிட்செல் ஆகியோர் எழுதுவதாவது, "எல்.எல்.எல் திறன்களைப் பொறுத்து நெருக்கமாக இருக்கும் பணிக்கான தொழிலாளர் தேவை அதிகரிக்கும், ஆனால் இந்த முறைமைகளுக்கு பூர்த்தி செய்யக்கூடிய பணிகளை அதிகப்படுத்தலாம். ஒரு பணியில் மனிதர்களைக் காட்டிலும் அதிக செலவு குறைந்த செயல்திறன் மிக்க அமைப்பு முறையானது, இலாபத்தை அதிகரிக்கும் தொழில் முனைவோர் மற்றும் மேலாளர்கள் பெருகிய முறையில் மக்களுக்கு மாற்று இயந்திரங்களைத் தேடுகின்றனர்.இது பொருளாதாரம் முழுவதும், விளைவுகளை அதிகரிக்கிறது, விலைகளை குறைப்பது, தொழிலாளர் தேவைகளை மாற்றுவது, மற்றும் மறுசீரமைப்பு துறைகளில் (பிரைன்ஜோல்ஃப்ஸன், எரிக் மற்றும் மிட்செல், டாம்.

இயந்திர கற்றல் என்ன செய்ய முடியும்? பணியின் தாக்கங்கள். விஞ்ஞானம். டிசம்பர் 22, 2017).

நீங்கள் இயந்திர கற்றல் ஒரு தொழில் வேண்டுமா?

கணினி அறிவியலில் உள்ள தொழில்முறை கணினி அறிவியல், புள்ளியியல் மற்றும் கணிதத்தில் நிபுணத்துவம் தேவை. அந்தத் துறையில் பல பின்னணி கொண்ட இந்தத் துறையில் பலர் வந்துள்ளனர். கணினி அறிவியல், பல் மற்றும் கணினி பொறியியல், கணிதம், மற்றும் புள்ளியியல் (இயந்திர கற்றல் முதல் 16 பள்ளிகள் AdmissionTable.com) ஆகியவற்றோடு கூடுதலாக, கணினிக் கற்றல் ஒரு பெரிய தொழில்நுட்பத்தை வழங்கும் பல கல்லூரிகள், ஒரு பாடத்திட்டத்துடன் பல ஒழுங்குமுறை அணுகுமுறையை எடுக்கின்றன.

ஏற்கனவே தகவல் தொழில்நுட்ப துறையில் ஈடுபட்டுள்ளவர்களுக்கு, ஒரு எம்.எல் வேலைக்கு மாற்றம் மிகவும் தூரத்தில் இல்லை. உங்களுக்கு தேவையான பல திறமைகளை ஏற்கனவே நீங்கள் பெற்றிருக்கலாம். இந்த மாற்றத்தை உங்கள் முதலாளி உங்களுக்கு உதவலாம். ஸ்டீவன் லேவியின் கட்டுரையின் படி, "இப்போது எம்.எல்.ஆர் வல்லுநர்கள் நிறைய பேர் இல்லை, அதனால் Google மற்றும் பேஸ்புக் போன்ற நிறுவனங்கள் பொறியியலாளர்களை மறுசீரமைக்கின்றன, அவற்றின் நிபுணத்துவம் பாரம்பரிய குறியீட்டுக்களில் உள்ளது."

ஒரு தொழில்முறை வல்லுநராக நீங்கள் உருவாக்கிய பல திறமைகளை இயந்திர கற்றல்க்கு மாற்றும் போது, ​​அது சற்று சவாலானதாக இருக்கலாம். வட்டம், உங்கள் கல்லூரி புள்ளியியல் வகுப்புகளின் போது நீங்கள் விழித்திருந்தீர்கள், ஏனென்றால் எம்.எல். லேடி, கோடர்கள் ஒரு அமைப்பை நிரலாக்கத்தில் கொண்டுள்ள மொத்த கட்டுப்பாட்டை விட்டுக்கொடுக்க தயாராக இருக்க வேண்டும் என்று எழுதுகிறார்.

உங்களுடைய தொழில்நுட்ப முதலாளிகளுக்கு ML மற்றும் Retrieving Google ஐ வழங்குவதில் நீங்கள் அதிர்ஷ்டம் இல்லை. கல்லூரிகள் மற்றும் பல்கலைக்கழகங்கள், அதே போல் Udey மற்றும் Coursera போன்ற ஆன்லைன் கற்றல் தளங்களில், இயந்திர கற்றல் அடிப்படைகளை கற்று வகுப்புகள் வழங்குகின்றன. இருப்பினும், உங்கள் நிபுணத்துவத்தை புள்ளிவிவரங்கள் மற்றும் கணித வகுப்புகளை எடுத்துக் கொள்வது முக்கியம்.

வேலை தலைப்புகள் மற்றும் வருவாய்கள்

இந்த துறையில் ஒரு வேலை தேடும் போது நீங்கள் காணும் முதன்மை வேலைப் பட்டங்கள் இயந்திர கற்றல் பொறியாளர் மற்றும் தரவு விஞ்ஞானி ஆகியவை அடங்கும்.

இயந்திர கற்றல் பொறியியலாளர்கள் "ஒரு இயந்திர கற்றல் திட்டத்தின் செயல்பாடுகளை இயக்கின்றனர் மற்றும் உற்பத்திக்கு குறியீடு கொண்டு வர தேவையான உள்கட்டமைப்பு மற்றும் தரவு குழாய்களை நிர்வகிப்பதற்கான பொறுப்பு." தரவு விஞ்ஞானிகள் தரவு மற்றும் பகுப்பாய்வு பக்கத்தின் குறியீட்டு பக்கத்தை விட மேம்பட்ட வழிமுறைகளை கொண்டுள்ளனர். அவர்கள் சேகரித்து, சுத்தப்படுத்தி, தரவை தயாரிக்கவும் (Zhou, Adelyn. "செயற்கை நுண்ணறிவு வேலை தலைப்புகள்: ஒரு இயந்திர கற்றல் பொறியியலாளர் என்றால் என்ன?" ஃபோர்ப்ஸ் நவம்பர் 27, 2017).

இந்த வேலைகளில் பணிபுரியும் நபர்களிடமிருந்து பயனர் சமர்ப்பிப்புகளை அடிப்படையாகக் கொண்டு, Glassdoor.com ML இன்ஜினியர்கள் மற்றும் தரவு விஞ்ஞானிகள் சராசரியான அடிப்படை சம்பளத்தை $ 120,931 சம்பாதிப்பதாக தெரிவித்துள்ளது. குறைந்தபட்சம் $ 87,000 முதல் $ 158,000 வரை (இயந்திர கற்றல் பொறியியலாளர் சம்பளம், Glassdoor.com, March 1, 2018) சம்பளம். கண்ணாடி டயர்டு இந்த தலைப்புகள் குழுக்கள் என்றாலும், அவர்களுக்கு இடையே சில வேறுபாடுகள் உள்ளன.

இயந்திர கற்றல் வேலைகளுக்கான தேவைகள்

ML பொறியாளர்கள் மற்றும் தரவு விஞ்ஞானிகள் வெவ்வேறு வேலைகள் செய்கிறார்கள், ஆனால் அவற்றுக்கு இடையில் ஒருமித்து நிறைய இருக்கிறது. இரு பதவிகளுக்கு வேலை அறிவிப்புகள் பெரும்பாலும் இதே போன்ற தேவைகளை கொண்டுள்ளன. பல முதலாளிகள் கணினி அறிவியல் அல்லது பொறியியல், புள்ளியியல், அல்லது கணிதத்தில் இளங்கலை, முதுகலை அல்லது முனைவர் பட்டப்படிப்பை விரும்புகிறார்கள்.

ஒரு தொழில்முறை கற்றல் தொழில்முறை, நீங்கள் தொழில்நுட்ப திறன்கள்-பள்ளியில் அல்லது வேலை மற்றும் மென்மையான திறன்களை கற்று கொள்ள வேண்டும். மென்மையான திறமைகள் வகுப்பறையில் கற்றுக் கொள்ளாத ஒரு திறமைகளாகும், ஆனால் அதற்கு பதிலாக வாழ்க்கை அனுபவங்கள் மூலம் பிறக்கின்றன அல்லது பெறப்படுகின்றன. மீண்டும், எம்எல் பொறியாளர்கள் மற்றும் தரவு விஞ்ஞானிகளுக்கான தேவையான திறமைகளுக்கு இடையே ஒரு பெரும் இடைவெளி உள்ளது.

எம்.எல் பொறியியல் பொறியியலில் பணிபுரியும் தொழிலாளர்கள், டென்சர்ஃப்லோ, மிலிப், H20 மற்றும் தியோனோ போன்ற இயந்திர கற்றல் கட்டமைப்பை நன்கு அறிந்திருப்பதாக வேலை அறிவிப்புகள் தெரிவிக்கின்றன. ஜாவா அல்லது சி / சி ++ மற்றும் பெர்ல் அல்லது பைத்தான் போன்ற ஸ்கிரிப்டிங் மொழிகளான நிரலாக்க மொழிகளான அனுபவம் உள்ளிட்ட குறியீட்டுக்களில் அவர்கள் வலுவான பின்னணி வேண்டும். புள்ளியியல் மற்றும் தரவுத்தள தொகுப்புகளைப் பயன்படுத்தி அனுபவம் வாய்ந்த மென்பொருளான தொகுப்புகளை பகுப்பாய்வு செய்வதற்கான நிபுணத்துவம் ஆகியவை குறிப்புகள் உள்ளன.

மென்மையான திறமைகள் பல்வேறு நீங்கள் இந்த துறையில் வெற்றி பெற அனுமதிக்கும். அவர்கள் மத்தியில் நெகிழ்வு, ஒத்திசைவு, மற்றும் விடாமுயற்சி உள்ளன. ஒரு வழிமுறையை உருவாக்குவது நிறைய சோதனை மற்றும் பிழை, எனவே, பொறுமை தேவைப்படுகிறது. ஒருவர் வேலை செய்வதைப் பார்க்க ஒரு படிமுறை சோதிக்க வேண்டும், இல்லையெனில், புதிய ஒன்றை உருவாக்கவும்.

சிறந்த தகவல்தொடர்பு திறன்கள் அவசியம். அலைவரிசைகளில் பணியாற்றும் மெஷின் கம்ப்யூட்டர் வல்லுநர்கள், மற்றவர்களுடன் ஒத்துழைக்க அதிக கேட்பது, பேசும் மற்றும் தனிப்பட்ட திறமைகள் தேவை, அவற்றின் கண்டுபிடிப்புகள் தங்கள் சக ஊழியர்களுக்கும் வழங்க வேண்டும். மேலும், கூடுதலாக, தங்கள் வேலையில் புதிய தகவல்களை இணைத்துக்கொள்ளக்கூடிய ஆர்வமுள்ள பயிற்றுவிப்பாளர்களாக இருக்க வேண்டும். கண்டுபிடிப்பு மதிப்பிடப்பட்ட ஒரு தொழிலில், ஒரு எக்செல் படைப்பாளி இருக்க வேண்டும்.