Pekerjaan di Bidang Pembelajaran Mesin yang Muncul

Di bagian atas Laporan Pekerjaan Baru AS US LinkedIn 2017 terdapat dua pekerjaan di bidang Pembelajaran Mesin: Insinyur Pembelajaran Mesin dan Ilmuwan Data. Pekerjaan untuk insinyur pembelajaran mesin tumbuh 9,8 kali antara 2012 dan 2017 dan pekerjaan ilmuwan data meningkat 6,5 kali selama periode lima tahun yang sama. Jika tren ini berlanjut, pekerjaan ini akan memiliki pandangan pekerjaan yang melampaui banyak pekerjaan lainnya. Dengan masa depan yang begitu cerah, bisakah pekerjaan di bidang ini cocok untuk Anda?

Apa itu Pembelajaran Mesin?

Pembelajaran mesin (ML) persis seperti apa itu. Teknologi ini melibatkan mesin pengajaran untuk melakukan tugas tertentu. Tidak seperti pengkodean tradisional yang memberikan instruksi yang memberi tahu komputer apa yang harus dilakukan, ML memberi mereka data yang memungkinkan mereka mengetahuinya sendiri, seperti yang dilakukan manusia atau hewan. Kedengarannya seperti sulap, tetapi ternyata tidak. Ini melibatkan interaksi ilmuwan komputer dan orang lain dengan keahlian terkait. Profesional TI ini membuat program yang disebut algoritme - serangkaian aturan yang menyelesaikan masalah - dan kemudian memberi mereka kumpulan data besar yang mengajarkan mereka membuat prediksi berdasarkan informasi ini.

Pembelajaran mesin adalah "bagian dari kecerdasan buatan yang memungkinkan komputer melakukan tugas-tugas yang belum diprogram secara eksplisit untuk dilakukan" (Dickson, Ben. Keterampilan yang Anda Butuhkan untuk Mendapat Pekerjaan Pembelajaran Mesin. Ini Pencari Karir. 18 Januari 2017.) Menjadi semakin rumit, namun lebih umum, selama bertahun-tahun. Steven Levy, dalam sebuah artikel yang berbicara tentang prioritas Google untuk pembelajaran mesin dan pelatihan ulang para insinyur perusahaan, menulis, "Selama bertahun-tahun, pembelajaran mesin dianggap sebagai spesialisasi, terbatas untuk beberapa elit.

Era itu sudah berakhir, karena hasil baru-baru ini menunjukkan bahwa pembelajaran mesin, didukung oleh "jaring saraf" yang meniru cara otak biologis beroperasi, adalah jalan yang benar menuju menanamkan komputer dengan kekuatan manusia, dan dalam beberapa kasus, manusia super "(Levy, Steven. Bagaimana Google Membentuk Kembali Sendiri Sebagai Mesin Pembelajaran Pertama Perusahaan Wired. 22 Juni 2016).

Bagaimana pembelajaran mesin digunakan di "dunia nyata?" Sebagian besar dari kita menemukan teknologi ini setiap hari tanpa banyak memikirkannya. Saat Anda menggunakan Google atau mesin pencari lain, hasil yang muncul di bagian atas halaman adalah hasil dari pembelajaran mesin. Teks prediktif, serta fitur koreksi-otomatis yang kadang-kadang difitnah, pada aplikasi SMS ponsel pintar Anda, juga merupakan hasil dari pembelajaran mesin. Film dan lagu yang direkomendasikan di Netflix dan Spotify adalah contoh lebih lanjut tentang bagaimana kita menggunakan teknologi yang berkembang pesat ini tanpa menyadarinya.

Baru-baru ini, Google memperkenalkan Balas Cerdas di Gmail. Di akhir pesan, ini menyajikan kepada pengguna tiga kemungkinan balasan berdasarkan konten. Uber dan perusahaan lain saat ini sedang menguji mobil self-driving.

Industri Menggunakan Pembelajaran Mesin

Penggunaan pembelajaran mesin mencapai jauh melampaui dunia teknologi. SAS, sebuah perusahaan perangkat lunak analitis, melaporkan bahwa banyak industri telah mengadopsi teknologi ini. Industri jasa keuangan menggunakan ML untuk mengidentifikasi peluang investasi, memberi tahu investor kapan harus berdagang, mengenali klien mana yang memiliki profil berisiko tinggi, dan mendeteksi penipuan. Dalam perawatan kesehatan, algoritma membantu mendiagnosis penyakit dengan mengambil kelainan.

Pernahkah Anda mengajukan pertanyaan, "mengapa iklan untuk produk itu saya pikir akan muncul di setiap halaman web yang saya kunjungi?" ML memungkinkan industri pemasaran dan penjualan untuk menganalisis konsumen berdasarkan riwayat pembelian dan pencarian mereka. Adaptasi industri transportasi terhadap teknologi ini mendeteksi potensi masalah pada rute dan membantu membuatnya lebih efisien. Berkat ML, industri minyak dan gas dapat mengidentifikasi sumber energi baru (Pembelajaran Mesin: Apa Artinya dan Mengapa Itu Penting. SAS).

Bagaimana Machine Learning Mengubah Tempat Kerja

Prediksi tentang mesin yang mengambil alih semua pekerjaan kita telah ada selama beberapa dekade, tetapi akankah ML akhirnya mewujudkannya? Para ahli memperkirakan teknologi ini telah dan akan terus mengubah tempat kerja. Tapi sejauh mengambil semua pekerjaan kita? Kebanyakan ahli tidak berpikir itu akan terjadi.

Sementara pembelajaran mesin tidak dapat menggantikan manusia di semua pekerjaan, itu bisa mengubah banyak tugas pekerjaan yang terkait dengan mereka. "Tugas yang melibatkan pengambilan keputusan cepat berdasarkan data sangat cocok untuk program ML; tidak demikian halnya jika keputusan bergantung pada rantai panjang penalaran, beragam latar belakang pengetahuan atau akal sehat," kata Byron Spice. Spice adalah Direktur Hubungan Media di Carnegie Mellon Fakultas Ilmu Komputer Universitas (Spice, Byron. Pembelajaran Mesin Akan Mengubah Pekerjaan. Universitas Carnegie Mellon.

21 Desember 2017).

Dalam Science Magazine, Erik Brynjolfsson dan Tom Mitchell menulis, "permintaan tenaga kerja lebih cenderung jatuh untuk tugas-tugas yang merupakan pengganti dekat untuk kemampuan ML, sedangkan lebih mungkin untuk meningkatkan tugas-tugas yang melengkapi sistem ini. Setiap kali ML sistem melintasi ambang batas di mana ia menjadi lebih hemat biaya daripada manusia dalam suatu tugas, pengusaha dan manajer yang memaksimalkan laba akan semakin berupaya untuk mengganti mesin dengan manusia. Hal ini dapat memiliki efek di seluruh perekonomian, meningkatkan produktivitas, menurunkan harga, menggeser permintaan tenaga kerja, dan restrukturisasi industri (Brynjolfsson, Erik dan Mitchell, Tom.

Apa Yang Dapat Dilakukan Pembelajaran Mesin? Implikasi Tenaga Kerja. Ilmu. 22 Desember 2017).

Apakah Anda Ingin Berkarir dalam Pembelajaran Mesin?

Karir dalam pembelajaran mesin membutuhkan keahlian dalam ilmu komputer, statistik, dan matematika. Banyak orang datang ke bidang ini dengan latar belakang di bidang itu. Banyak perguruan tinggi yang menawarkan jurusan pembelajaran mesin mengambil pendekatan multi-disiplin dengan kurikulum yang mencakup, di samping ilmu komputer, teknik listrik dan komputer, matematika, dan statistik (Top 16 Sekolah untuk Pembelajaran Mesin. AdmissionTable.com).

Bagi mereka yang sudah terlibat dalam Industri Teknologi Informasi, transisi ke pekerjaan ML bukanlah lompatan yang jauh. Anda mungkin sudah memiliki banyak keterampilan yang Anda butuhkan. Majikan Anda bahkan dapat membantu Anda melakukan transisi ini. Menurut artikel Steven Levy, "saat ini tidak ada banyak orang yang ahli dalam ML sehingga perusahaan seperti Google dan Facebook melatih kembali insinyur yang keahliannya terletak pada pengkodean tradisional."

Sementara banyak keterampilan yang Anda kembangkan sebagai profesional TI akan ditransfer ke pembelajaran mesin, itu mungkin sedikit menantang. Mudah-mudahan, Anda tetap terjaga selama kelas statistik perguruan tinggi Anda karena ML bergantung pada pemahaman yang kuat tentang subjek itu, serta matematika. Levy menulis bahwa para pembuat kode harus bersedia menyerahkan kendali total yang mereka miliki atas pemrograman suatu sistem.

Anda tidak beruntung jika perusahaan teknologi Anda tidak menyediakan pelatihan ulang ML untuk Google dan Facebook. Sekolah Tinggi dan Universitas, serta platform pembelajaran online seperti Udemy dan Coursera, menawarkan kelas-kelas yang mengajarkan dasar-dasar pembelajaran mesin. Namun, penting untuk melengkapi keahlian Anda dengan mengambil statistik dan kelas matematika.

Judul dan Penghasilan Pekerjaan

Judul pekerjaan utama yang akan Anda temui ketika mencari pekerjaan di bidang ini termasuk insinyur pembelajaran mesin dan ilmuwan data.

Insinyur pembelajaran mesin "menjalankan operasi proyek pembelajaran mesin dan bertanggung jawab untuk mengelola infrastruktur dan jalur pipa data yang diperlukan untuk membawa kode ke produksi." Ilmuwan data berada pada sisi data dan analisis pengembangan algoritma, bukan sisi pengkodean. Mereka juga mengumpulkan, membersihkan, dan menyiapkan data (Zhou, Adelyn. "Judul Pekerjaan Inteligensi Buatan: Apa Itu Insinyur Pembelajaran Mesin?" Forbes. 27 November 2017).

Berdasarkan pengajuan pengguna dari orang yang bekerja di pekerjaan ini, Glassdoor.com melaporkan bahwa insinyur ML dan ilmuwan data mendapatkan gaji pokok rata-rata $ 120.931. Gaji berkisar dari yang terendah $ 87.000 hingga yang tertinggi $ 158.000 (Mesin Belajar Gaji. Glassdoor.com. 1 Maret 2018). Meskipun Glassdoor mengelompokkan judul-judul ini, ada beberapa perbedaan di antara mereka.

Persyaratan untuk Pekerjaan Pembelajaran Mesin

Insinyur ML dan ilmuwan data melakukan pekerjaan yang berbeda, tetapi ada banyak tumpang tindih di antara mereka. Pengumuman pekerjaan untuk kedua posisi sering memiliki persyaratan yang serupa. Banyak pengusaha lebih suka gelar sarjana, master, atau doktoral dalam ilmu atau teknik komputer, statistik, atau matematika.

Untuk menjadi profesional pembelajaran mesin, Anda akan membutuhkan kombinasi keterampilan teknis - keterampilan yang dipelajari di sekolah atau di tempat kerja - dan keterampilan lunak. Soft skill adalah kemampuan seseorang yang tidak mereka pelajari di kelas, tetapi sebaliknya dilahirkan dengan atau diperoleh melalui pengalaman hidup. Sekali lagi, ada banyak tumpang tindih antara keterampilan yang dibutuhkan untuk insinyur ML dan ilmuwan data.

Pengumuman pekerjaan mengungkapkan bahwa mereka yang bekerja di pekerjaan teknik ML harus terbiasa dengan kerangka pembelajaran mesin seperti TensorFlow, Mlib, H20 dan Theano. Mereka membutuhkan latar belakang yang kuat dalam pengkodean termasuk pengalaman dengan bahasa pemrograman seperti Java atau C / C ++ dan bahasa scripting seperti Perl atau Python. Keahlian dalam statistik dan pengalaman menggunakan paket perangkat lunak statistik untuk menganalisis set data yang besar juga di antara spesifikasi.

Berbagai soft skill akan memungkinkan Anda untuk berhasil di bidang ini. Diantaranya adalah fleksibilitas, kemampuan beradaptasi, dan ketekunan. Mengembangkan suatu algoritma membutuhkan banyak percobaan dan kesalahan, dan karenanya, kesabaran. Seseorang harus menguji suatu algoritma untuk melihat apakah itu berfungsi dan, jika tidak, kembangkan yang baru.

Keterampilan komunikasi yang baik sangat penting. Profesional pembelajaran mesin, yang sering bekerja dalam tim, membutuhkan keterampilan mendengarkan, berbicara, dan interpersonal yang unggul untuk berkolaborasi dengan orang lain, dan juga harus mempresentasikan temuan mereka kepada kolega mereka. Selain itu, mereka harus menjadi pembelajar aktif yang dapat memasukkan informasi baru ke dalam pekerjaan mereka. Dalam industri di mana inovasi dihargai, kita harus kreatif untuk unggul.