作者——Kimberly Cook
如果你對(duì)進(jìn)入人工智能領(lǐng)域感興趣，但又不知道從哪里開(kāi)始，那么這篇文章你一定要看，它將會(huì)為你詳細(xì)的講解一些火爆的編程語(yǔ)言和技能以及面試問(wèn)題，薪水等多方面內(nèi)容。
隨著越來(lái)越多的公司采用人工智能技術(shù)，機(jī)器學(xué)習(xí)工程師——即開(kāi)發(fā)人工智能(AI)機(jī)器和能夠?qū)W習(xí)并應(yīng)用知識(shí)的高級(jí)程序員的需求量增大。 這些專(zhuān)業(yè)人員需要進(jìn)行編程以應(yīng)對(duì)復(fù)雜的數(shù)據(jù)集/算法，進(jìn)而訓(xùn)練人工智能機(jī)器。
雖然很多人擔(dān)心人工智能會(huì)取代他們的工作崗位。但在當(dāng)前這個(gè)階段，他們大可不必?fù)?dān)心。相反，人工智能的發(fā)展帶動(dòng)著機(jī)器學(xué)習(xí)工程師等一系列崗位增加。一部分原因是公司需要高技工程師來(lái)開(kāi)發(fā)和維護(hù)他們的產(chǎn)品。
為了幫助那些對(duì)這個(gè)領(lǐng)域感興趣的人更好地理解如何進(jìn)入機(jī)器學(xué)習(xí)的職業(yè)生涯，我們匯編了最重要的細(xì)節(jié)和資源放入這篇文章。我相信，它一定會(huì)成為你機(jī)器學(xué)習(xí)生涯中不可缺少的東西。
什么是機(jī)器學(xué)習(xí)？
根據(jù) TechRepublic 的作者 Hope Reese 和 Brandon Vigliarolo 的說(shuō)法，機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支，它賦予計(jì)算機(jī)系統(tǒng)從經(jīng)驗(yàn)中自動(dòng)學(xué)習(xí)和提高的能力，而不是被明確地編程所限制。在機(jī)器學(xué)習(xí)中，計(jì)算機(jī)使用大量的數(shù)據(jù)集，并應(yīng)用算法進(jìn)行訓(xùn)練和預(yù)測(cè)。
機(jī)器學(xué)習(xí)系統(tǒng)能夠快速應(yīng)用來(lái)自大型數(shù)據(jù)集的知識(shí)和訓(xùn)練來(lái)執(zhí)行人臉識(shí)別、語(yǔ)音識(shí)別、物體識(shí)別、翻譯和許多其他任務(wù)。
為什么機(jī)器學(xué)習(xí)工程師的需求會(huì)增加？
求職網(wǎng)站 Indeed 的一份報(bào)告顯示，2015年6月至2018年6月間，包括機(jī)器學(xué)習(xí)工程師在內(nèi)的人工智能人才招聘數(shù)量增長(zhǎng)了近100% 。 報(bào)告發(fā)現(xiàn)，在同一時(shí)間段內(nèi)，Indeed 上搜索這些關(guān)鍵詞的比例也增加了182%。
Indeed 產(chǎn)品高級(jí)副總裁拉吉·穆克吉(Raj Mukherjee)對(duì) TechRepublic 表示:'雇主對(duì)人工智能人才的需求越來(lái)越大。' '隨著企業(yè)繼續(xù)采用現(xiàn)有的解決方案或開(kāi)發(fā)自己的內(nèi)部技術(shù)，雇主對(duì)這些技能的需求可能會(huì)繼續(xù)上升。'
報(bào)告發(fā)現(xiàn)，就具體職位而言，94%包含人工智能或機(jī)器學(xué)習(xí)術(shù)語(yǔ)的招聘廣告都是針對(duì)機(jī)器學(xué)習(xí)工程師的。41%的機(jī)器學(xué)習(xí)工程師的職位在發(fā)布60天后仍然空缺。
Salesforce Einstein 的數(shù)據(jù)科學(xué)和軟件工程副總裁 Vitaly Gordon 告訴 TechRepublic，'軟件正在吞噬世界，機(jī)器學(xué)習(xí)正在吞噬軟件。機(jī)器學(xué)習(xí)工程是一門(mén)需要高質(zhì)量編碼、博士級(jí)機(jī)器學(xué)習(xí)工程師和具有商業(yè)智慧負(fù)責(zé)人的一門(mén)學(xué)科。找到這些稀有的人才，可以將一家公司從追隨者提升為所在領(lǐng)域的領(lǐng)導(dǎo)者，每個(gè)公司都在尋找這樣的人才。'
機(jī)器學(xué)習(xí)工程師可能會(huì)做什么？
機(jī)器學(xué)習(xí)工程師可以選擇許多不同的職業(yè)道路。以下是該領(lǐng)域的一些職位，以及他們所需要的技能，相關(guān)信息來(lái)自Udacity。
軟件工程師: 你需要掌握計(jì)算機(jī)科學(xué)基礎(chǔ)和編程、軟件工程和系統(tǒng)設(shè)計(jì)。
應(yīng)用型機(jī)器學(xué)習(xí)工程師: 你需要掌握計(jì)算機(jī)科學(xué)基礎(chǔ)和編程，應(yīng)用機(jī)器學(xué)習(xí)算法和庫(kù)。
核心機(jī)器學(xué)習(xí)工程師: 你需要掌握計(jì)算機(jī)科學(xué)基礎(chǔ)和編程，應(yīng)用機(jī)器學(xué)習(xí)算法和庫(kù)、數(shù)據(jù)建模和評(píng)估。
要成為一個(gè)機(jī)器學(xué)習(xí)工程師，最好學(xué)習(xí)哪些編程語(yǔ)言？
Python和R是機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)和分析領(lǐng)域最流行的編程語(yǔ)言。在2018年使用 Python進(jìn)行工作的工程師占比66%，比2017年增加了11% 。與此同時(shí)，R在2018年的市場(chǎng)份額為49% ，比2017年下降了14%。仍然不可忽視。
根據(jù)IBM的報(bào)道，在機(jī)器學(xué)習(xí)中，Python、Java 和R是眾多工程師首選的語(yǔ)言。其次是 c 、c、JavaScript、Scala和Julia。
在開(kāi)發(fā)機(jī)器學(xué)習(xí)應(yīng)用程序時(shí)，算法的訓(xùn)練和操作階段是不同的，正如ZDNet 所報(bào)道的那樣。 因此，有些人在訓(xùn)練階段使用一種語(yǔ)言，在操作階段使用另一種語(yǔ)言。
'對(duì)于'普通的機(jī)器學(xué)習(xí)'來(lái)說(shuō)，使用什么語(yǔ)言并不重要,'斯通公司的數(shù)據(jù)科學(xué)負(fù)責(zé)人路易斯·愛(ài)德華多·勒·馬森告訴 ZDNet。'但是，當(dāng)你需要為數(shù)以百萬(wàn)計(jì)的并發(fā)集群提供真正的在線(xiàn)學(xué)習(xí)算法和實(shí)時(shí)推理，并在不到500毫秒的時(shí)間內(nèi)做出響應(yīng)時(shí)，這個(gè)話(huà)題不僅涉及到語(yǔ)言，還涉及到架構(gòu)、設(shè)計(jì)、流控制、容錯(cuò)性和彈性。'
成為一名機(jī)器學(xué)習(xí)工程師還需要什么其他技能？
一般來(lái)說(shuō)，機(jī)器學(xué)習(xí)工程師必須熟練掌握計(jì)算機(jī)科學(xué)和編程、數(shù)學(xué)和統(tǒng)計(jì)、數(shù)據(jù)科學(xué)、深度學(xué)習(xí)和解決問(wèn)題。 下面是 Udacity 提供的一些所需技能的分類(lèi)：
計(jì)算機(jī)科學(xué)基礎(chǔ)與程序設(shè)計(jì)：數(shù)據(jù)結(jié)構(gòu)(堆棧、隊(duì)列、多維數(shù)組、樹(shù)、圖)、算法(搜索、排序、優(yōu)化、動(dòng)態(tài)編程)、可計(jì)算性和復(fù)雜性，以及計(jì)算機(jī)體系結(jié)構(gòu)(內(nèi)存、緩存、分布式處理等等)。
概率與統(tǒng)計(jì)：概率相關(guān)內(nèi)容(條件概率、貝葉斯規(guī)則，獨(dú)立性)和由此衍生的技術(shù)(貝葉斯網(wǎng)、馬爾可夫決策過(guò)程、隱馬爾可夫模型)。 統(tǒng)計(jì)測(cè)量(均值、中位數(shù)、方差) ，分布(均勻、正態(tài)、二項(xiàng)式) ，分析方法(方差分析、假設(shè)檢驗(yàn))。
數(shù)據(jù)建模和評(píng)估：尋找模式(相關(guān)性、聚類(lèi)、特征向量) ，預(yù)測(cè)性質(zhì)(分類(lèi)、回歸、異常檢測(cè)) ，并確定正確的準(zhǔn)確性 / 誤差度量(例如，分類(lèi)的對(duì)數(shù)損失或回歸的平方誤差之和)和評(píng)估策略(順序與隨機(jī)交叉驗(yàn)證等等)。
應(yīng)用機(jī)器學(xué)習(xí)算法和庫(kù)：機(jī)器學(xué)習(xí)算法的標(biāo)準(zhǔn)實(shí)現(xiàn)可以通過(guò)庫(kù)、包和 api (如 scikit-learn、 Theano、 Spark MLlib、 H2O 和 TensorFlow)獲得。 有效地應(yīng)用它們意味著選擇正確的模型(決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、多模型集合)和適合數(shù)據(jù)的學(xué)習(xí)過(guò)程(線(xiàn)性回歸、梯度下降法、遺傳算法、袋裝法、增強(qiáng)和其他特定模型的方法)，以及理解超參數(shù)如何影響學(xué)習(xí)。
軟件工程和系統(tǒng)設(shè)計(jì)：機(jī)器工程師通常致力于開(kāi)發(fā)適合于更大的產(chǎn)品和服務(wù)生態(tài)系統(tǒng)的軟件。這意味著他們需要了解不同部分如何協(xié)同工作，以及與各部分進(jìn)行通信(使用庫(kù)調(diào)用、 REST api 和數(shù)據(jù)庫(kù)查詢(xún))，并為你的部分構(gòu)建其他人可以使用的接口。這包括了解系統(tǒng)設(shè)計(jì)和軟件工程最佳實(shí)踐(包括需求分析、系統(tǒng)設(shè)計(jì)、模塊化、版本控制、測(cè)試和文檔)。
機(jī)器學(xué)習(xí)工程師的平均工資是多少？
美國(guó)機(jī)器學(xué)習(xí)工程師的平均工資是134,449美元。根據(jù)來(lái)自 Indeed 的數(shù)據(jù)，就人工智能相關(guān)工作而言，它在薪水方面排在第三位，僅次于分析總監(jiān)（$140,837）和首席科學(xué)家（$138,271）。
人工智能和機(jī)器學(xué)習(xí)工程師工作最熱門(mén)的市場(chǎng)在哪里？
根據(jù)Indeed（http://blog.indeed.com/2018/08/23/artificial-intelligence-report/）的數(shù)據(jù)，幾乎12%的人工智能工作崗位都是在紐約找到的。紐約也是美國(guó)所有大都市中數(shù)據(jù)工程師、數(shù)據(jù)科學(xué)家和分析師職位需求最集中的城市，為位于那里的媒體、時(shí)尚和銀行業(yè)中心提供技術(shù)支持。
在人工智能工作集中度方面，紐約市排在舊金山(10%)、圣何塞(9%)、華盛頓(8%)、波士頓(6%)和西雅圖(6%)之后。 圣何塞的機(jī)器學(xué)習(xí)工程師職位最多，算法工程師、計(jì)算機(jī)視覺(jué)工程師和研究工程師的職位也最多。
有哪些典型的機(jī)器學(xué)習(xí)工程師面試問(wèn)題？
那些申請(qǐng)機(jī)器學(xué)習(xí)工作的人在面試中可能會(huì)遇到許多不同類(lèi)型的問(wèn)題，測(cè)試他們?cè)跀?shù)學(xué)和統(tǒng)計(jì)學(xué)、數(shù)據(jù)科學(xué)、深度學(xué)習(xí)、編程和解決問(wèn)題方面的技能。
一些機(jī)器學(xué)習(xí)工程師在面試中可能會(huì)被問(wèn)到的問(wèn)題包括：
在過(guò)去的幾年里你在做什么?
你熟悉哪些人工智能和機(jī)器學(xué)習(xí)工具?你對(duì)它們的熟練程度如何?
你是怎樣做到緊跟不斷變化的技術(shù)?
如何清理和準(zhǔn)備數(shù)據(jù)以確保其質(zhì)量和相關(guān)性?
如何處理數(shù)據(jù)集中丟失或損壞的數(shù)據(jù)?
使用機(jī)器學(xué)習(xí)的倫理含義是什么?
Capital One負(fù)責(zé)機(jī)器學(xué)習(xí)的常務(wù)副總裁戴夫卡斯蒂略(Dave Castillo)告訴TechRepublic，求職者在面試時(shí)向招聘經(jīng)理提出問(wèn)題也很重要。
'面試是一種雙向?qū)υ?huà)，'卡斯蒂略說(shuō)，'候選人問(wèn)我們的問(wèn)題和我們問(wèn)的問(wèn)題同樣重要。'我們不僅要確保候選人是公司的正確選擇，而且公司也是候選人的正確選擇。
我在哪里可以找到從事機(jī)器學(xué)習(xí)的資源?
機(jī)器學(xué)習(xí)工程師有不同的職業(yè)道路。學(xué)習(xí)Python、R或Java等編程語(yǔ)言是一個(gè)很好的起點(diǎn)。對(duì)于機(jī)器學(xué)習(xí)的細(xì)節(jié)，有大量的在線(xiàn)開(kāi)放課程(mooc)，包括Coursera（https://www.coursera.org/learn/machine-learning）；edX（https://www.edx.org/learn/machine-learning）上的課程
以及Udacity上（https://www.udacity.com/course/machine-learning-engineer-nanodegree%E2%80%94nd009t）提供的學(xué)位。
你還可以通過(guò)在真實(shí)數(shù)據(jù)上(如Kaggle)進(jìn)行實(shí)踐來(lái)獲得實(shí)踐經(jīng)驗(yàn)。加入當(dāng)?shù)亟M織，向該領(lǐng)域的其他人學(xué)習(xí)也會(huì)有所幫助。
聯(lián)系客服
