Emplois dans le nouveau domaine de l'apprentissage automatique

Au sommet du rapport 2017 sur les emplois émergents aux États-Unis de LinkedIn, il y avait deux professions dans le domaine de l'apprentissage automatique: ingénieur en apprentissage automatique et informaticien. L'emploi pour les ingénieurs en apprentissage automatique a été multiplié par 9,8 entre 2012 et 2017 et les emplois en données informatiques par 6,5 au cours de la même période de cinq ans. Si la tendance se maintient, les perspectives d'emploi de ces professions seront supérieures à celles de nombreuses autres. Avec un avenir aussi prometteur, un emploi dans ce domaine pourrait-il vous convenir?

Qu'est-ce que l'apprentissage automatique?

L'apprentissage machine (ML) est exactement ce que cela ressemble. Cette technologie implique l'apprentissage de machines pour effectuer des tâches spécifiques. Contrairement au codage traditionnel qui fournit des instructions indiquant aux ordinateurs quoi faire, ML leur fournit des données qui leur permettent de se débrouiller seuls, un peu comme le ferait un être humain ou un animal. Ça a l'air magique, mais ça ne l'est pas. Cela implique l’interaction d’informaticiens et d’autres personnes ayant une expertise connexe. Ces professionnels de l'informatique créent des programmes appelés algorithmes, c'est-à-dire des ensembles de règles qui résolvent un problème, puis leur fournissent des ensembles de données volumineux qui leur apprennent à faire des prédictions en fonction de ces informations.

L'apprentissage automatique est un "sous-ensemble de l'intelligence artificielle qui permet aux ordinateurs d'accomplir des tâches pour lesquelles ils n'ont pas été explicitement programmés" (Dickson, Ben. Les compétences dont vous avez besoin pour décrocher un emploi d'apprentissage automatique. Trouvez une carrière. 18 janvier 2017.) Steven Levy, dans un article qui décrit les priorités de Google en matière d’apprentissage automatique et de reconversion des ingénieurs de la société, écrit: "Pendant de nombreuses années, l’apprentissage automatique a été considéré comme une spécialité, limité à quelques élites.

Cette époque est révolue, car des résultats récents indiquent que l’apprentissage automatique, alimenté par des «réseaux neuronaux» imitant le fonctionnement d’un cerveau biologique, est la véritable voie à suivre pour doter les ordinateurs de pouvoirs humains et, dans certains cas, de super-humains »(Levy, Steven: Comment Google se reconstruit-elle comme une entreprise apprenante première de Wired (22 juin 2016).

Comment l'apprentissage par machine est-il utilisé dans le "monde réel"? La plupart d’entre nous rencontrons cette technologie quotidiennement sans y penser. Lorsque vous utilisez Google ou un autre moteur de recherche, les résultats qui apparaissent en haut de la page sont le résultat d'un apprentissage automatique. Le texte prédictif, ainsi que la fonctionnalité de correction automatique parfois décriée, sur l'application de messagerie texte de votre smartphone, sont également le résultat d'un apprentissage automatique. Les films et les chansons recommandés sur Netflix et Spotify sont un autre exemple de la manière dont nous utilisons cette technologie en pleine croissance sans nous en rendre compte.

Plus récemment, Google a introduit Smart Reply dans Gmail. À la fin d'un message, il présente à l'utilisateur trois réponses possibles en fonction du contenu. Uber et d'autres sociétés testent actuellement des voitures autonomes.

Industries utilisant l'apprentissage automatique

L’apprentissage automatique va bien au-delà du monde de la technologie. SAS, une entreprise de logiciels d'analyse, indique que de nombreux secteurs ont adopté cette technologie. Le secteur des services financiers utilise ML pour identifier les opportunités d'investissement, informer les investisseurs du moment opportun pour effectuer des opérations, identifier les clients présentant un profil de risque élevé et détecter la fraude. Dans les soins de santé, les algorithmes aident à diagnostiquer les maladies en détectant les anomalies.

Avez-vous déjà posé la question suivante: "Pourquoi une annonce pour ce produit que je pense acheter apparaît-elle sur chaque page Web que je visite?" ML permet au secteur du marketing et des ventes d’analyser les consommateurs en fonction de leurs historiques d’achat et de recherche. L'adaptation de cette technologie par l'industrie du transport détecte les problèmes potentiels sur les itinéraires et contribue à les rendre plus efficaces. Grâce à ML, l’industrie pétrolière et gazière peut identifier de nouvelles sources d’énergie (Machine Learning: Qu'est-ce que c'est et pourquoi est-ce important? SAS).

Comment l'apprentissage automatique change le lieu de travail

Les prédictions concernant la prise en charge de tous nos emplois par des machines existent depuis des décennies, mais ML en fera-t-il enfin une réalité? Les experts prévoient que cette technologie aura changé et continuera à modifier le lieu de travail. Mais en ce qui concerne la suppression de tous nos emplois? La plupart des experts ne pensent pas que cela se produira.

Bien que l’apprentissage automatique ne puisse pas prendre la place des êtres humains dans toutes les professions, il pourrait changer bon nombre des tâches qui leur sont associées. "Les tâches qui impliquent de prendre des décisions rapides basées sur des données conviennent bien aux programmes de BC; cela ne l'est pas si la décision dépend de longues chaînes de raisonnement, de connaissances diverses ou de bon sens", déclare Byron Spice. Spice est directeur des relations avec les médias chez Carnegie Mellon École d'informatique de l'Université (Spice, Byron. L'apprentissage automatique changera les emplois. Université Carnegie Mellon.

21 décembre 2017).

Dans Science Magazine, Erik Brynjolfsson et Tom Mitchell écrivent: "La demande de main-d'œuvre est plus susceptible de chuter pour des tâches qui se substituent de près aux capacités de ML, alors qu'elle est plus susceptible d'augmenter pour des tâches qui sont complémentaires pour ces systèmes. Le système dépasse le seuil où il devient plus rentable que les humains, les entrepreneurs et les gestionnaires à maximisation des profits chercheront de plus en plus à remplacer les machines par des machines, ce qui peut avoir des effets sur l’ensemble de l’économie, accroissant la productivité, baissant les prix, modifiant la demande de travail, et la restructuration des industries (Brynjolfsson, Erik et Mitchell, Tom.

Que peut faire l'apprentissage machine? Conséquences sur les effectifs. Science. 22 décembre 2017).

Voulez-vous une carrière dans l'apprentissage automatique?

Les carrières dans l'apprentissage automatique nécessitent une expertise en informatique, en statistiques et en mathématiques. Beaucoup de gens viennent dans ce domaine avec une expérience dans ces domaines. Beaucoup de collèges qui offrent une majeure en apprentissage machine adoptent une approche multidisciplinaire avec un programme qui inclut, outre l'informatique, l'ingénierie électrique et informatique, les mathématiques et les statistiques (Top 16 des écoles pour l'apprentissage automatique. AdmissionTable.com).

Pour ceux qui travaillent déjà dans le secteur des technologies de l’information, la transition vers un poste de blanchiment de capitaux n’est pas un grand pas en avant. Vous avez peut-être déjà de nombreuses compétences dont vous avez besoin. Votre employeur peut même vous aider à faire cette transition. Selon l’article de Steven Levy, "il n’existe actuellement pas beaucoup d’experts en ML, de sorte que des entreprises comme Google et Facebook recyclent des ingénieurs dont la compétence réside dans le codage traditionnel".

Bien que de nombreuses compétences que vous avez développées en tant que professionnel de l'informatique soient transférées à l'apprentissage automatique, cela peut être un peu difficile. J'espère que vous êtes resté éveillé pendant vos cours de statistiques universitaires parce que ML s'appuie sur une solide connaissance de ce sujet, ainsi que sur les mathématiques. Levy écrit que les codeurs doivent être prêts à abandonner le contrôle total qu'ils ont sur la programmation d'un système.

Vous n'êtes pas en manque de chance si votre employeur technologique ne fournit pas le ML pour le recyclage de Google et de Facebook. Les collèges et universités, ainsi que des plateformes d'apprentissage en ligne telles qu'Udemy et Coursera, proposent des cours qui enseignent les bases de l'apprentissage automatique. Il est toutefois essentiel de compléter votre expertise en prenant des cours de statistiques et de mathématiques.

Titres de poste et gains

Les principaux titres d'emploi que vous rencontrerez lors de la recherche d'un emploi dans ce domaine incluent ingénieur en apprentissage automatique et informaticien.

Les ingénieurs en apprentissage automatique "dirigent les opérations d'un projet d'apprentissage automatique et sont responsables de la gestion de l'infrastructure et des pipelines de données nécessaires à la production de code." Les scientifiques de données sont du côté des données et de l'analyse du développement d'algorithmes, plutôt que du côté du codage. Ils collectent, nettoient et préparent également des données (Zhou, Adelyn. «Appellations d'emploi en intelligence artificielle: qu'est-ce qu'un ingénieur en apprentissage automatique?», Forbes, 27 novembre 2017).

Glassdoor.com rapporte que les ingénieurs et les experts en données de ML gagnent un salaire de base moyen de 120 931 $. Les salaires varient de 87 000 $ à 158 000 $ (Salaires de Machine Learning Engineer. Glassdoor.com. 1 mars 2018). Bien que Glassdoor regroupe ces titres, il existe quelques différences entre eux.

Conditions requises pour les travaux d'apprentissage machine

Les ingénieurs de ML et les scientifiques de données effectuent des tâches différentes, mais ils se chevauchent beaucoup. Les offres d'emploi pour les deux postes ont souvent des exigences similaires. De nombreux employeurs préfèrent un baccalauréat, une maîtrise ou un doctorat en informatique ou en génie, en statistique ou en mathématiques.

Pour être un professionnel de l'apprentissage automatique, vous aurez besoin d'une combinaison de compétences techniques (compétences acquises à l'école ou au travail) et de compétences générales. Les compétences générales sont des capacités qu’ils n’apprennent pas en classe, mais naissent ou acquièrent au cours de leurs expériences. Encore une fois, les compétences requises des ingénieurs de ML et des experts en données se chevauchent beaucoup.

Les offres d'emploi révèlent que les personnes qui occupent des postes d'ingénierie ML doivent être familiarisées avec les frameworks d'apprentissage automatique tels que TensorFlow, Mlib, H20 et Theano. Ils ont besoin d'une solide expérience en codage, y compris une expérience avec des langages de programmation tels que Java ou C / C ++ et des langages de script tels que Perl ou Python. L'expertise en statistiques et l'utilisation de progiciels statistiques pour analyser de grands ensembles de données font également partie des spécifications.

Une variété de compétences générales vous permettra de réussir dans ce domaine. Parmi eux figurent la flexibilité, l'adaptabilité et la persévérance. Développer un algorithme nécessite beaucoup d'essais et donc beaucoup de patience. Il faut tester un algorithme pour voir si cela fonctionne et, sinon, en développer un nouveau.

Excellentes compétences en communication sont essentielles. Les professionnels du machine learning, qui travaillent souvent en équipe, ont besoin de compétences exceptionnelles en écoute, en communication et en relations interpersonnelles pour collaborer avec les autres. Ils doivent également présenter leurs résultats à leurs collègues. Ils doivent en outre être des apprenants actifs pouvant intégrer de nouvelles informations dans leur travail. Dans un secteur où l'innovation est valorisée, il faut être créatif pour exceller.