应用机器学习技能的十大技术岗位
如果你刚开始接触人工智能(AI)和机器学习,那么你可能想知道哪类技术工作会需要用到这些技能。有些职位(尤其是数据科学家)越来越依赖于机器学习,这就意味着你必须至少了解一些基础概念,才能充分利用各种机会。
简单地说,机器学习的核心是利用数据输入进行“学习”(即提高效率和输出)的算法。在这个领域工作,通常需要基于“训练”数据集和期望输出值建立一个模型;然后程序会尽力达到该输出值,并根据反馈调整算法。
机器学习有几种不同的类型,包括监督学习、非监督学习和强化学习。如今,技术人员将其应用于许多领域,包括(但肯定不限于)自动驾驶(例如,帮助自动驾驶汽车识别障碍物)和内容过滤(随着时间的推移,一种算法可以非常好地标记可疑文本)。
据Burning Glass(该公司收集并分析了全国数百万份工作招聘信息)称,未来10年,机器学习类工作将以惊人的速度增长39.3%。对于大量使用该技术的职位,目前的平均工资是10.7万美元。所以想要找到机器学习的工作,最重要的不一定是要有更高的学位,因为绝大多数职位只要求有本科学位就够了。
以下是Burning Glass列出的需要机器学习技能的顶级技术人员职位的详细分类:
应用机器学习的的技术岗位
来源:Burning Glass
如你所见,如果你对数据科学家或数据工程师的职位感兴趣,那么你想要的工作很有可能就需要这些技能。对于软件开发人员和工程师来说,需要这些技能的工作比例在未来十年也将显著上升。
机器学习也将极大地影响其他工作。很明显,在这个关键时刻,经理和高管也需要熟悉这些概念和技能。“ A.I. 不会取代经理人,而不使用A.I.的经理人会被其使用者所取代,”IBM云和数据平台高级副总裁Rob Thomas最近在接受CNBC采访时表示。
如果你是机器学习的新手(通常是AI),那么《黑客正午》(Hacker Noon)从程序员的角度对人工智能进行了有益的AI分解。KDNuggets还概述了基本术语和所涉及的技术。与此类似,Microsoft的AI学校也提供了课程,从文本分析和对象识别到自定义神经网络模型,应有尽有。
一旦你弄清楚了一些基本概念,你就可以去OpenAI的“Gym”,这是一个用于开发和比较强化算法的工具包,还有一套用于训练人工智能(A.I.)和机器学习(ML)的模型和工具。OpenAI包含了一套关于深度强化学习的广泛且便捷的教程,这是许多机器学习工作中的关键要素。
最后,如果你有计算机科学背景,并且熟悉数据结构和算法,可以去看看Bloomberg的机器学习基础(Foundations of Machine Learning),这是一个免费的在线课程。
感谢阅读!
作者:Nick Kolakowski
AI聘
找到工作再付费
的
Career VIP求职项目 是AI聘旗下面向广大北美
数据类、软件开发类求职者的一站式求职解决方案,作为美国数据应用学院的独家求职服务合作伙伴,以及国际数据工程和科学协会的会员单位,已经成功帮助数百求职者找到了理想的工作岗位。
服务内容涵盖了
全方位背景评估、求职方案设计、背景和能力提升、个人简历修改、全程面试辅导、岗位内推在内的求职整体环节。应用人工智能和大数据技术,精准进行岗位匹配和竞争力分析,让申请人在最短时间内完成短板补充,达到面试要求的能力水平,并通过内推等资源网络为申请人提供职场机会扩展,最终实现成功求职。
欢迎扫描下方二维码,添加“北美求职导师”微信,预约免费咨询。
本周求职讲座 扫码免费报名
往期回顾
围观
热文
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。