7 шагов: как стать инженером по машинному обучению в 2021 году

Внимание, спойлер. Стать инженером по машинному обучению может показаться труднодостижимой целью, но позвольте нам сказать вам правду - это не так сложно, как кажется. И да, мы говорим с вами - с человеком, который читает это, потому что ему интересно, кто такой инженер по машинному обучению, чем занимается инженер по машинному обучению, как стать инженером по машинному обучению и, что более важно, могут ли они могу снять это.

Итак, вы подумываете об обучении навыкам машинного обучения, и вы слышали, что стать инженером по машинному обучению - это лучший путь. Это очень хитроумно, потому что инженеры по машинному обучению - это швейцарский армейский нож в мире данных. Наличие этого обозначения означает, что вы можете создавать решения для сквозного машинного обучения, что является очень востребованным набором навыков, учитывая тот факт, что это самая быстрорастущая должность в мире с 2019 года. Но что на самом деле нужно для достижения обозначение инженера по машинному обучению?

Стать инженером по машинному обучению кажется непростой задачей, потому что нужно обладать универсальным набором навыков со знанием более чем одного языка программирования. Настоящий инженер по машинному обучению - единорог. Вот почему доступно множество инструментов машинного обучения, облегчающих задачу. Невозможно овладеть всеми навыками машинного обучения с одинаковой квалификацией. Так что, хотя устанавливать высокую планку - это нормально, не расстраивайтесь, если у вас нет опыта во всех навыках, которые может / может использовать инженер по машинному обучению. Каждый навык машинного обучения можно со временем оттачивать, работая над разнообразными проектами машинного обучения. Используйте план из семи шагов к карьере в сфере машинного обучения, чтобы спланировать свое обучение. Итак, без дальнейших действий, вот 7 шагов руководства, которое ответит на ваш вопрос о том, как стать инженером по машинному обучению.

Прежде чем мы забудем, мы хотим убедиться, что вы знаете о наших сквозных проектах по науке о данных и машинному обучению, которые призваны помочь любому профессионалу в середине карьеры начать свою карьеру в области машинного обучения. Итак, 7 шагов, чтобы стать инженером по машинному обучению!

1) Сейчас хорошее время, чтобы стать инженером по машинному обучению? (Обновление 2021 г.)

Перед тем, как сменить карьеру, важно продумать предстоящий путь. Может ли карьера в области машинного обучения предложить вам возможности для роста и стабильности? Насколько благоприятен рынок труда для навыков машинного обучения? Какова вероятность того, что вас возьмут на работу? На эти вопросы необходимо ответить, особенно после пандемии 2020 года, поскольку она оказала серьезное влияние на экономику и тенденции найма. Имея это в виду, давайте посмотрим на состояние индустрии машинного обучения в 2021 году и в последующий период.

Инженер по машинному обучению - шумиха реальна

Вы заметите, что независимо от того, что происходит в мире вокруг нас, машинное обучение присутствует в нашей жизни повсюду. Пытаемся ли мы читать наши электронные письма и отвечать на них, прокручиваем нашу новостную ленту в Facebook, наблюдаем за выпивкой на Netflix, делаем покупки на Amazon или разговариваем с Siri, чтобы назначить встречу - все, что мы делаем сегодня полагается на машинное обучение. За этой технологией стоит команда специалистов по обработке данных и инженеров по машинному обучению, которые не только создали интеллектуальные приложения, но и постоянно поддерживают их, чтобы эти приложения машинного обучения работали безупречно. Те, кто может создавать и развертывать модели машинного обучения, должны сыграть решающую роль в мире, основанном на данных, и это четко отражено на рынке вакансий в области науки о данных и машинного обучения.

Инженер по машинному обучению - довольно популярная должность в настоящее время, и та, которая должна стать еще более популярной после 2021 года. Glassdoor оценила ее как 17-е место в своих 50 лучших вакансиях в Америке на 2021 год, указав 2977 новых вакансий в области машинного обучения. Всемирный экономический форум сообщил, что искусственный интеллект, машинное обучение и автоматизация позволят создать 97 миллионов новых рабочих мест к 2025 году. По данным LinkedIn по состоянию на 8 февраля, во всем мире насчитывается более 106 тысяч рабочих мест, в которых машинное обучение считается обязательным навыком, и более 51K только в США. В период с 2015 по 2018 год количество рабочих мест в области машинного обучения и искусственного интеллекта выросло на 344% (Indeed.com) - намного быстрее, чем в среднем по всем остальным техническим должностям. По данным Gartner, стоимость бизнеса, созданного с помощью ИИ и машинного обучения, достигнет 3,9 трлн долларов в 2022 году.

Но выдержат ли эти статистические данные после непредсказуемых поворотов пандемической ситуации в 2020 году? Одним словом, да; Инженеры по машинному обучению, кажется, относительно хорошо пережили шторм. Инженеры по машинному обучению вошли в список 15 самых востребованных вакансий LinkedIn на 2021 год, и мы можем видеть, что это продолжится и после 2021 года. Одной из причин роста рынка труда в сфере ИИ и машинного обучения можно отнести пандемию COVID-19, на которую приходится большая часть предприятия были вынуждены впервые войти в цифровую сферу, в то время как другие предприятия пытались укрепить и сохранить свои позиции. С ростом числа потребителей, тратящих больше денег и времени в Интернете, машинное обучение вышло на первый план и стало важной технологией для построения мира после COVID.

2) Что такое инженер по машинному обучению?

Прежде чем приступить к изучению навыков машинного обучения, сначала давайте разберемся, кто на самом деле является инженером по машинному обучению. Инженер по машинному обучению - инженер-программист по профессии, он находится на стыке инженеров-программистов и специалистов по обработке данных, но специализируется на машинном обучении. В центре внимания инженеров ML выходит за рамки программирования машин для выполнения конкретных задач. Они несут ответственность за сквозную реализацию и оптимизацию алгоритмов машинного обучения. Конечным результатом работы инженера машинного обучения является рабочий программный продукт (а не визуализации или аналитические идеи, созданные в процессе), а «аудиторией» этого вывода являются другие части программного обеспечения, которые работают с минимальным вмешательством человека или без него. Инженер машинного обучения отвечает за обработку теоретических моделей науки о данных и их масштабирование для производственных уровней, чтобы они могли принимать значительный объем данных в реальном времени. Чтобы лучше понять, кто такой инженер по машинному обучению, давайте посмотрим, чем занимается инженер по машинному обучению изо дня в день.

Чем занимается инженер по машинному обучению?

Внедряйте статистический анализ и машинное обучение в высокодоступные и высокопроизводительные системы производственного уровня, чтобы упростить доступ для пользователей.
Автоматизируйте процесс разработки функций, обучения моделей и оценки.
Расширьте рамки и библиотеки машинного обучения.
Разрабатывайте API или веб-сервисы для предоставления результатов модели внутренним командам, заинтересованным сторонам или пользователям.
Обучайте и переобучайте системы машинного обучения по мере необходимости.
Преобразуйте модели машинного обучения, определенные специалистами по данным, из таких сред, как записные книжки Python и R, в аналитические приложения.

3) инженер по машинному обучению против специалиста по данным

Вы можете слышать, что термины специалист по данным и инженер по машинному обучению используются как синонимы, но это две разные должности. Говоря на высоком уровне, мы пытаемся различать ученых и инженеров, и совершенно очевидно, что это разные рабочие роли. Роль инженера машинного обучения очень близка к роли специалиста по данным, потому что оба работают с большими объемами данных и требуют навыков для выполнения сложного моделирования данных. Но на этом сходство между двумя рабочими ролями заканчивается, и это вызывает дебаты на тему ученый-специалист по данным или инженер по машинному обучению.

В Интернете существует несколько определений для обеих должностей, но эти два специалиста работают в сотрудничестве друг с другом, чтобы обеспечить быстрое и эффективное предоставление ценности для бизнеса. Специалист по анализу данных обычно производит значимые выводы в форме отчетов или диаграмм, в то время как инженер по машинному обучению разрабатывает самоуправляемое программное обеспечение для автоматизации моделей прогнозирующего машинного обучения. Роль инженера машинного обучения - это часть работы специалиста по данным. Инженер по машинному обучению действует как мост между задачей специалиста по построению модели и разработкой надежных платформ, систем и сервисов машинного обучения, готовых к работе.

Основное различие между специалистом по анализу данных и инженером по машинному обучению заключается в том, что специалист по анализу данных спрашивает: «Какой алгоритм машинного обучения лучше всего подходит для решения данной бизнес-задачи?» и пытается найти ответ на вопрос, проверяя различные гипотезы. Напротив, инженер машинного обучения спрашивает: «Какая система лучше всего решает проблему?» и находит решение, создавая автоматизированный процесс, который можно использовать для ускорения проверки гипотез. Инженер по машинному обучению вводит данные в модели машинного обучения, определенные специалистами по данным. И специалисты по данным, и инженеры по машинному обучению имеют жизненно важное значение на протяжении всего жизненного цикла проекта больших данных и работают вместе, гармонично дополняя друг друга.

Data Scientist vs Machine Learning Engineer - выявление различий

Инженеры по машинному обучению прогнозируют и делают прогнозы на основе исторических данных с использованием различных моделей машинного обучения. Специалист по анализу данных имеет дело со сложными данными реального мира, чтобы получить действенные идеи. Применяет машинное обучение для создания реальных продуктов на основе данных
Работа инженера по машинному обучению носит экспериментальный характер, а работа специалиста по данным - исследовательская.
Ключевые навыки, необходимые для инженера машинного обучения: знание контролируемых / неконтролируемых алгоритмов машинного обучения, NLP, компьютерного зрения, глубокого обучения, знание Python, Tensorflow, Keras, PyTorch и т. Д., Обработка данных, API, развертывание алгоритмов, масштабирование в облаке и Основные математические и статистические концепции машинного обучения. Ключевые навыки, необходимые для специалиста по данным: - Статистические навыки, языки программирования, платформы больших данных, машинное обучение и визуализация данных.
Основная проблема для инженеров машинного обучения связана со сложностью алгоритма и его масштабируемостью. Таким образом, инженер машинного обучения должен знать, как настраивать параметры. Основная проблема для специалистов по анализу данных связана с недоступностью данных.
Средняя зарплата инженера по машинному обучению: 112691 доллар, а средняя зарплата специалиста по анализу данных: 129000 долларов.

4) Изучите навыки машинного обучения

Навыки, необходимые инженеру по машинному обучению, разнообразны. Чтобы создавать, развертывать и оценивать модели машинного обучения, инженеры машинного обучения работают с языками программирования, фреймворками машинного обучения, инструментами и библиотеками. Давайте подробно рассмотрим каждый из навыков машинного обучения, которые инженеры машинного обучения используют в своей повседневной работе.

В мире машинного обучения языки программирования - это строительные блоки, которые инженеры машинного обучения используют для разработки алгоритмов машинного обучения. Существует множество языков программирования, таких как C ++, Java, Python, R, Clojure или даже Scala. Выберите любой язык программирования и овладевайте им. Помните, незнание языка программирования никогда не помешает вашей карьере в области машинного обучения, потому что любой язык программирования можно выучить достаточно быстро.

Мы предлагаем вам сосредоточиться на изучении Python, поскольку он фактически стал языком программирования для сообщества машинного обучения. Вы найдете тысячи строк кода Python, которые можно вдохновить на разработку систем машинного обучения. Фактически, большинство инструментов и фреймворков машинного обучения (Keras, Tensorflow, Pandas, Sci-Py, Num-Py, Sci-Kit), используемых инженерами машинного обучения для разработки систем машинного обучения, имеют открытый исходный код. Помимо обучения программированию, вам необходимо знать основы основ информатики, такие как компьютерная архитектура, структуры данных, алгоритмы поиска и сортировки, а также способы вычисления сложности алгоритмов.

При изучении любого языка программирования это ключевые моменты, которые нужно изучить:

Освойте способность создавать специализированные структуры данных, такие как двоичные деревья, связанные списки или префиксные деревья.
Освойте способность использовать высокооптимизированные векторизованные операции, а не циклы.
Обработка исключений.
Работа со структурами данных, такими как списки, карты, наборы, словари, и практический опыт того, когда какую структуру данных использовать.

Бесплатный доступ к примерам решенного кода Python и R можно найти здесь (они готовы к использованию для ваших проектов Data Science и ML)

Экосистему машинного обучения невозможно представить без Linux. Хотя Windows и Mac также являются отличными альтернативами, но требуется, чтобы успешный инженер по машинному обучению знал, как установить Linux и другие необходимые пакеты python для ML, как работать с файловой системой Linux и как перемещать или копировать данные из ОС Linux. Будь то скорость или гибкость, в Linux есть все, что нужно инженеру машинного обучения.

Гайки и болты, взятые из области вероятности и статистики, необходимы инженеру по машинному обучению. Большинство распространенных алгоритмов машинного обучения являются расширением процедуры статистического моделирования. По этой причине необходимо изучить основные концепции вероятности и статистики, такие как сеть Байеса, скрытые марковские модели, условная вероятность, типы распределения, проверка гипотез, ANOVA и др.

Вы найдете несколько существующих API-интерфейсов машинного обучения, библиотек и пакетов, таких как Spark MLib, Sci-Kit learn, Tensorflow, Keras, H2O, Theano и т. Д., Которые предоставляют стандартные реализации почти для всех алгоритмов машинного обучения. Однако применение любого из методов машинного обучения требует выбора правильной модели (SVM, KNN, деревья решений и т. Д.), Выбора правильного метода обучения и глубокого понимания настройки гиперпараметров, чтобы понять, как параметры влияют на процесс обучения. алгоритма. Инновационные проекты машинного обучения ProjectPro - отличный способ познакомиться с различными типами проблем машинного обучения и их нюансами.

Цель инженера по машинному обучению - обучить наиболее эффективную модель машинного обучения, используя структуру набора данных. Инженер машинного обучения также должен знать, как выбрать правильную стратегию оценки и меры ошибок для модели машинного обучения.

Проекты машинного обучения ProjectPro построены на тщательно подобранной схеме обучения, чтобы помочь вам освоить все необходимые навыки, необходимые для того, чтобы стать инженером по машинному обучению в отрасли. Это означает, что вы можете получить новую работу инженера по машинному обучению до конца этого года.

5) Создайте портфель машинного обучения

Самая слабая сторона большинства резюме по машинному обучению - это отсутствие опыта работы над разнообразными проектами машинного обучения. Если это ваше резюме, сосредоточьтесь на создании потрясающего портфолио, добавив несколько интересных проектов машинного обучения. Каждому инженеру машинного обучения необходимо онлайн-портфолио, демонстрирующее их способность применять машинное обучение к реальным проблемам. В идеале портфолио машинного обучения может состоять из проектов фрилансеров, над которыми вы работали, или любых других интересных проектов машинного обучения, с которыми вы приобрели практический опыт.

Чтобы стать инженером по машинному обучению, особенно тем, кто только начинает работать в этой отрасли, вам необходимо создать успешный портфель машинного обучения. Один из способов сделать это - ProjectPro, «универсальная платформа для реализации проектов в области науки о данных и машинного обучения». Если вы новичок в обучении машинному обучению, добавьте в свое портфолио разнообразный набор проектов, демонстрирующих ваш опыт в области машинного обучения, таких как НЛП, нейронные сети, распределенные вычисления, моделирование и оценка данных, обучение с подкреплением, а также практические знания. инструментов и технологий машинного обучения, таких как Python, R, TensorFlow, Keras и т. д. Все интересные проекты машинного обучения - будь то для рекрутеров или для получения опыта - количество.

6) Найдите лучшие вакансии для машинного обучения

Существует множество отличных порталов вакансий, таких как LinkedIn, Indeed и Glassdoor, где вам следует потратить некоторое время на поиск подходящей работы по машинному обучению на основе ваших навыков. Помимо этого, существуют специальные порталы вакансий, такие как список вакансий ML, разработанные специально для машинного обучения. И, да, не забудьте прочитать полное описание вакансии в машинном обучении, потому что иногда описание вакансии может показаться не идеальным для ваших навыков, но когда вы читаете полное описание вакансии в машинном обучении, только вы знаете, что это работа вашей мечты. так долго искал.

7) Превосходное собеседование по машинному обучению

Независимо от того, пытаетесь ли вы привлечь клиентов в качестве внештатного инженера по машинному обучению или ищете работу по машинному обучению на полную ставку, вот несколько рекомендаций, которым следует следовать при подготовке к собеседованию по машинному обучению:

Вопросы на собеседовании с машинным обучением работают несколько иначе, чем некоторые другие вопросы собеседования, на которые вы, возможно, отвечали ранее. Выберите язык программирования, предпочтительно Python или R, освоите его и приготовьтесь отвечать на любые практические вопросы, написав код на удобном для вас языке. Вот список вопросов на собеседовании по машинному обучению, с которых вы можете начать.

Да, прелесть инженеров машинного обучения в том, что они могут выполнять комплексную разработку решения для машинного обучения. Но у каждого инженера машинного обучения есть свои сильные стороны, интересы и специальные навыки. Скорее всего, менеджер по найму спросит вас, предпочитаете ли вы работать над проблемами НЛП, любите строить модели глубокого обучения или любите компьютерное зрение. Не бойтесь делиться своими особенностями и показывать, насколько вы специализируетесь на одном навыке по сравнению с другим.

Компании попросят вас во время собеседования нарисовать на доске бизнес-вариант использования, чтобы понять ваш мыслительный процесс и насколько хорошо вы кодируете и анализируете реальные бизнес-проблемы. Убедитесь, что вы готовы к решению индивидуального проекта машинного обучения. Менеджеры по найму определят бизнес-проблему, над которой они уже работают, и могут попросить вас предложить для нее оптимальное решение машинного обучения. Например, предположим, что если вы даете интервью в Wayfair, они могут задать вам общие вопросы, например: Как нам оптимизировать бюджет на телевизионную рекламу?. Менеджер по найму ожидает, что вы зададите другие соответствующие вопросы и начнете обсуждение различных источников данных, которые могут вам понадобиться, метрик, которые вам нужно будет отслеживать, а затем поговорите об алгоритмах машинного обучения, которые вы можете реализовать для решения данной проблемы. Лучший способ подготовиться к задаче с данными на доске и пройти собеседование по машинному обучению - это попрактиковаться в различных проектах машинного обучения и познакомиться с как можно большим количеством наборов данных и концепций машинного обучения.

Начиная

Модель машинного обучения с точностью 98%, запертая в блокноте Jupyter, бесполезна! Станьте инженером по машинному обучению и разверните его в производственной среде! Все великие инженеры по машинному обучению начинают одинаково - с интересных идей для проектов по машинному обучению. Вопрос в том, с чего начать? Как перейти от идеи инновационного проекта машинного обучения к ее успешной реализации? В ProjectPro мы проведем вас через первые шаги изучения и обучения модели машинного обучения в различных областях, чтобы вы получили знания обо всех основных инструментах, навыках, структурах и технологиях машинного обучения для построения успешной карьеры в сфере машинного обучения. с долголетием.

Нажмите здесь, чтобы просмотреть список из 50+ решенных комплексных проектных решений в области машинного обучения и больших данных

Первоначально опубликовано на https://www.dezyre.com.