En la parte superior del Informe de empleos emergentes de 2017 en EE. UU. De LinkedIn se encontraban dos ocupaciones en el campo del aprendizaje automático: ingeniero de aprendizaje automático y científico de datos. El empleo de los ingenieros de aprendizaje automático creció 9,8 veces entre 2012 y 2017 y los trabajos de científicos de datos aumentaron 6,5 veces durante el mismo período de cinco años. Si la tendencia continúa, estas ocupaciones tendrán perspectivas de empleo que superarán a muchas otras ocupaciones. Con un futuro tan brillante, ¿podría ser adecuado para usted un trabajo en este campo?
¿Qué es el aprendizaje automático?
El aprendizaje automático (ML) es exactamente lo que parece. Esta tecnología implica enseñar a las máquinas a realizar tareas específicas. A diferencia de la codificación tradicional que proporciona instrucciones que le dicen a las computadoras qué hacer, ML les proporciona datos que les permiten resolverlo por sí mismos, al igual que lo haría un ser humano o un animal. Suena a magia, pero no lo es. Implica la interacción de científicos informáticos y otros con experiencia relacionada. Estos profesionales de TI crean programas llamados algoritmos, conjuntos de reglas que resuelven un problema, y ??luego les proporcionan grandes conjuntos de datos que les enseñan a hacer predicciones basadas en esta información.
El aprendizaje automático es un «subconjunto de inteligencia artificial que permite a las computadoras realizar tareas para las que no han sido programadas explícitamente» (Dickson, Ben. Habilidades que necesita para conseguir un trabajo de aprendizaje automático . It Career Finder. 18 de enero de 2017). Se ha vuelto más complicado, pero más común, a lo largo de los años. Steven Levy, en un artículo que habla de la priorización de Google del aprendizaje automático y la reentrenamiento de los ingenieros de la empresa, escribe: «Durante muchos años, el aprendizaje automático se consideró una especialidad, limitada a unos pocos de élite.
Esa era terminó, ya que los resultados recientes indican que el aprendizaje automático, impulsado por «redes neuronales» que emulan la forma en que funciona un cerebro biológico, es el verdadero camino para imbuir a las computadoras con los poderes de los humanos y, en algunos casos, de los superhumanos «( Levy, Steven. Cómo Google se está rehaciendo como una primera empresa de aprendizaje automático conectada. 22 de junio de 2016).
¿Cómo se usa el aprendizaje automático en el «mundo real»? La mayoría de nosotros nos encontramos con esta tecnología a diario sin pensarlo mucho. Cuando usa Google u otro motor de búsqueda, los resultados que aparecen en la parte superior de la página son el resultado del aprendizaje automático. El texto predictivo, así como la función de autocorrección a veces difamada, en la aplicación de mensajes de texto de su teléfono inteligente, también son el resultado del aprendizaje automático. Las películas y canciones recomendadas en Netflix y Spotify son otros ejemplos de cómo usamos esta tecnología de rápido crecimiento sin apenas darnos cuenta.Más recientemente, Google introdujo Smart Reply en Gmail. Al final de un mensaje, presenta al usuario tres posibles respuestas basadas en el contenido. Uber y otras empresas están probando vehículos autónomos.
Industrias que utilizan el aprendizaje automático
El uso del aprendizaje automático va mucho más allá del mundo tecnológico. SAS, una empresa de software analítico, informa que muchas industrias han adoptado esta tecnología. La industria de servicios financieros utiliza ML para identificar oportunidades de inversión, informar a los inversores cuándo negociar, reconocer qué clientes tienen perfiles de alto riesgo y detectar fraudes. En el cuidado de la salud, los algoritmos ayudan a diagnosticar enfermedades al detectar anomalías.
¿Alguna vez se ha preguntado «por qué aparece un anuncio de ese producto que estoy pensando en comprar en cada página web que visito?» ML permite a la industria de marketing y ventas analizar a los consumidores en función de sus historiales de compra y búsqueda. La adaptación de esta tecnología por parte de la industria del transporte detecta problemas potenciales en las rutas y ayuda a hacerlas más eficientes. Gracias al ML, la industria del petróleo y el gas puede identificar nuevas fuentes de energía ( Machine Learning: What It Is and Why It Matters . SAS).
Cómo el aprendizaje automático está cambiando el lugar de trabajo
Las predicciones sobre las máquinas que se hacen cargo de todos nuestros trabajos han existido durante décadas, pero ¿ML finalmente lo hará realidad? Los expertos pronostican que esta tecnología ha alterado y seguirá alterando el lugar de trabajo. ¿Pero en cuanto a quitarnos todos nuestros trabajos? La mayoría de los expertos no creen que eso suceda.
Si bien el aprendizaje automático no puede reemplazar a los seres humanos en todas las ocupaciones, podría cambiar muchas de las tareas laborales asociadas con ellos. «Las tareas que implican tomar decisiones rápidas basadas en datos son una buena opción para los programas de aprendizaje automático; no así si la decisión depende de largas cadenas de razonamiento, conocimientos básicos diversos o sentido común», dice Byron Spice. Spice es director de relaciones con los medios en Carnegie Mellon Facultad de Ciencias de la Computación de la Universidad (Spice, Byron. El aprendizaje automático cambiará el trabajo . Universidad Carnegie Mellon.
21 de diciembre de 2017).
En Science Magazine, Erik Brynjolfsson y Tom Mitchell escriben, «es más probable que la demanda de mano de obra disminuya para las tareas que son sustitutos cercanos de las capacidades del AA, mientras que es más probable que aumente para las tareas que son complementarias de estos sistemas. Cada vez que un AA El sistema cruza el umbral en el que se vuelve más rentable que los humanos en una tarea, los empresarios y gerentes que maximizan las ganancias buscarán cada vez más sustituir las máquinas por las personas. Esto puede tener efectos en toda la economía, aumentando la productividad, bajando los precios, cambiando la demanda laboral, y reestructuración de industrias (Brynjolfsson, Erik y Mitchell, Tom. ¿Qué puede hacer el aprendizaje automático? Implicaciones para la fuerza laboral . Ciencias. 22 de diciembre de 2017).
¿Quieres una carrera en aprendizaje automático?
Las carreras en aprendizaje automático requieren experiencia en informática, estadística y matemáticas. Mucha gente viene a este campo con experiencia en esos campos. Muchas universidades que ofrecen una especialización en aprendizaje automático adoptan un enfoque multidisciplinario con un plan de estudios que incluye, además de ciencias de la computación, ingeniería eléctrica e informática, matemáticas y estadística (las 16 mejores escuelas para el aprendizaje automático . AdmissionTable.com).
Para aquellos que ya están involucrados en la industria de la tecnología de la información , la transición a un trabajo de ML no es un gran salto. Es posible que ya tenga muchas de las habilidades que necesita. Su empleador puede incluso ayudarlo a realizar esta transición. Según el artículo de Steven Levy, «actualmente no hay mucha gente que sea experta en ML, por lo que empresas como Google y Facebook están capacitando a ingenieros cuya experiencia reside en la codificación tradicional».
Si bien muchas de las habilidades que desarrolló como profesional de TI se transferirán al aprendizaje automático, puede ser un poco desafiante. Con suerte, te mantuviste despierto durante tus clases de estadística universitaria porque ML se basa en una sólida comprensión de ese tema, así como de las matemáticas. Levy escribe que los codificadores deben estar dispuestos a ceder el control total que tienen sobre la programación de un sistema.
No está fuera de suerte si su empleador de tecnología no proporciona la capacitación de ML que brindan Google y Facebook. Los colegios y universidades, así como las plataformas de aprendizaje en línea como Udemy y Coursera, ofrecen clases que enseñan los conceptos básicos del aprendizaje automático. Sin embargo, es crucial que completes tu experiencia tomando clases de matemáticas y estadísticas.
Títulos de trabajo y ganancias
Los títulos de trabajo principales con los que se encontrará al buscar un trabajo en este campo incluyen ingeniero de aprendizaje automático y científico de datos.
Los ingenieros de aprendizaje automático «ejecutan las operaciones de un proyecto de aprendizaje automático y son responsables de administrar la infraestructura y las canalizaciones de datos necesarias para llevar el código a producción». Los científicos de datos están en el lado de los datos y el análisis del desarrollo de algoritmos, en lugar del lado de la codificación. También recopilan, limpian y preparan datos (Zhou, Adelyn. «Títulos de trabajo de inteligencia artificial: ¿Qué es un ingeniero de aprendizaje automático?» Forbes. 27 de noviembre de 2017).
Según los envíos de usuarios de personas que trabajan en estos trabajos, Glassdoor.com informa que los ingenieros de ML y los científicos de datos ganan un salario base promedio de $ 120,931. Los sueldos oscilan entre un mínimo de 87.000 dólares y un máximo de 158.000 dólares ( sueldos de ingeniero de aprendizaje automático . Glassdoor.com. 1 de marzo de 2018). Aunque Glassdoor agrupa estos títulos, existen algunas diferencias entre ellos.
Requisitos para los trabajos de aprendizaje automático
Los ingenieros de ML y los científicos de datos realizan trabajos diferentes, pero hay mucha superposición entre ellos. Los anuncios de trabajo para ambos puestos suelen tener requisitos similares. Muchos empleadores prefieren títulos de licenciatura, maestría o doctorado en ciencias de la computación o ingeniería, estadística o matemáticas.
Para ser un profesional del aprendizaje automático, necesitará una combinación de habilidades técnicas (habilidades aprendidas en la escuela o en el trabajo) y habilidades sociales. Las habilidades blandas son las propias habilidades que no aprenden en el aula, sino que nacen o adquieren a través de la experiencia de la vida. Nuevamente, existe una gran superposición entre las habilidades requeridas para los ingenieros de ML y los científicos de datos.
Los anuncios de trabajo revelan que aquellos que trabajan en trabajos de ingeniería de ML deben estar familiarizados con los marcos de aprendizaje automático como TensorFlow, Mlib, H20 y Theano. Necesitan una sólida formación en codificación, incluida la experiencia con lenguajes de programación como Java o C / C ++ y lenguajes de scripting como Perl o Python. La pericia en estadística y la experiencia en el uso de paquetes de software estadístico para analizar grandes conjuntos de datos también se encuentran entre las especificaciones.
Una variedad de habilidades sociales le permitirá tener éxito en este campo. Entre ellos se encuentran la flexibilidad, la adaptabilidad y la perseverancia. Desarrollar un algoritmo requiere mucho ensayo y error y, por lo tanto, paciencia. Uno debe probar un algoritmo para ver si funciona y, si no, desarrollar uno nuevo.
Excelentes habilidades de comunicación son esenciales. Los profesionales del aprendizaje automático, que a menudo trabajan en equipo, necesitan habilidades superiores para escuchar , hablar e interpersonales para colaborar con otros, y también deben presentar sus hallazgos a sus colegas. Además, deben ser aprendices activos que puedan incorporar nueva información en su trabajo. En una industria donde se valora la innovación, uno debe ser creativo para sobresalir.
Tabla de contenidos
