Hvordan få en jobb i AI eller Maskinlæring

I midten av 1980-tallet håpet datavennere å omforme databehandling og datamaskinens evne til å forstå og samhandle med verden. Det var en stor infusjon av interesse, entusiasme og penger på den tiden, men AI endret ikke verden som vi visste det da. Over tid ble AI funnet å være egnet for et relativt smalt sett med databehandlingsoppgaver, for eksempel å skape brukbare konfigurasjoner for komplekse beregninger. Men jeg har heller ikke slått verden i brann eller omdefinert sine grenser og form.

Over 30 år senere nyter AI generelt og maskinlæring en spektakulær renessanse. Disse teknologiene blir vellykket anvendt for å håndtere alle slags interessante problemer i databehandling, og nyter et bredt spekter av suksess. Bemerkelsesverdige prestasjoner for maskinlæring inkluderer e-postfiltrering, inntrengingsdeteksjon, optisk tegngjenkjenning og datasyn. Maskininnlæring og AI har vist seg å være svært effektive når det gjelder bruk av datastatistikk for å bruke dataanalyse for å gjøre spådommer og spottrendninger.

Maskinlæring er varmt, varmt, varmt

Fordi noen selskaper bygger eller bruker teknologier som benytter maskinlæring og AI , det har vært betydelig etterspørsel etter dyktige og kunnskapsrike forskere og utviklere. Men hvis noe forklarer en plutselig, kraftig økning i etterspørselen etter slike mennesker, er det den stadig mer omfattende bruk av prediktiv analyse på tvers av mange virksomhetsområder. De fleste av Fortune 500, og mange andre selskaper og organisasjoner utenfor den brette, bruker nå prediktiv analyse for å søke konkurransefortrinn, eller forbedre deres generelle evne til å levere varer og tjenester til kunder, kunder eller borgere.

Personer som er utdannet i maskinlæring, har nå stor etterspørsel i hele ansettelsesspekteret. Det forklarer de seksfifrede lønnene som i økende grad er normen for de som lander slike jobber. Selvfølgelig, for mange som allerede jobber i IT eller som er på vei i den retningen, reiser det spørsmålet om "hvordan kan jeg få en jobb i AI eller maskinlæring?" Svarene er enkle, om noe arbeidskrevende og tidkrevende.

Den tradisjonelle tilnærmingen: Få en grad

Feltet er spennende for mange som kanskje også har en bachelorgrad i datavitenskap, ingeniørvitenskap eller lignende disiplin under deres belter. Faktisk er det vanskelig å finne et anerkjent utdannet datavitenskapsprogram som ikke inkluderer maskininnlæring blant sine målrettede fagområder. Hvis du vil sikte på at stjernene tar ruter mot maskinlæring, vil jeg anbefale å konsultere enten Quoras tråder på de beste universitetsskolene for maskinlæring eller US News & World Reports liste over de beste kunstige intelligensene Programmer som gode steder å begynne å lete etter kandidatskoler.

Få mest mulig ut av MOOC-tilbud

For de som ikke kan bryte seg bort fra livet og arbeide for å forfølge en heltidsgrad på campus, massivt åpne nettkurs, aka MOOCs, tilbyr en rekke alternativer. MOOCs kan omfatte faktiske grad programmer på anerkjente universiteter, sertifikat programmer som gir rikelig trening, men gir ikke en fullverdig grad, eller kortlagt læreplaner i maskinlæring eller AI som dekker bakken i så mye dybde som man kanskje ønsker å lære emnet.

Et raskt søk på maskinlæring ved MOOC-søkemotoren produserer millioner av treff som inkluderer følgende:

Udacity tilbyr hundrevis av kurs av varierende lengde, kompleksitet og dybde på dette området.

• edXs maskinlæringstilbud inkluderer et sertifikatprogram fra Microsoft, samt mange utdanningsnivåer og læreplaner fra kjente høyskoler og universiteter.
• MIT tilbyr en mengde onlinekurs i dette området, for betalt for høyskolekreditt eller gratis online-revisjon.
• Stanford tilbyr også en samling av maskininnlæringskurs for kreditt eller revisjon.
• Praktisk er hvor læringen blir ekte

Det er ingen erstatning for å rulle opp ermene og grave inn i utviklingsarbeid hvis du virkelig vil forstå AIs prinsipper og maskinlæring. Forvent deg å tilbringe deg med musen og tastaturet, da du starter lite med leketøy datasett og grunnleggende applikasjoner, så jobber du opp til mer seriøse, virkelige problemløsninger og løsninger. Capstone-prosjektet for Microsoft Professional Program i Data Science (ikke en grad) går for eksempel i fire uker, og utfordrer deg til å utvikle en løsning på et datasett ved hjelp av maskinlæring for å teste dine ferdigheter.

Enhver som graver seg inn i dette emnet skal forutsi å bruke opptil 15 timer i uken på programmeringsoppgaver, i tillegg til å delta på forelesninger, fullføre leseoppgaver, skrive papirer og alle andre oppgaver som moderne læring krever av studenter i dag.

Når du er klar til å rock, la verden få vite

Når du er ferdig med denne graden, oppnådd sertifikatet eller slått av en betydelig del av læreplanene, kan du begynne å posisjonere deg selv til nåværende eller potensielle arbeidsgivere som noen med ferdigheter og kunnskaper i maskinlæring og AI . Med mindre du har plukket opp noen praktisk, virkelig opplevelse i å nå denne profesjonelle milepælen, forblir du ydmyk om dine ferdigheter og evner i denne arenaen. Advarsler til side, utsiktene til de som kan se seg selv gjennom tid, innsats og utgifter for å mestre maskinlæring og AI, skal være lyse.

9 Deltidsjobber med fordeler

Ansattes fordeler er ofte en viktig grunn til at arbeidstakere velger et gitt selskap. En høy lønn og god kultur kutter ikke alltid det - ansatte vil ha grunnleggende omslag som helseforsikring og 401 (k) planer, samt andre nyttige fordeler. På mange bedrifter er det bare heltidsansatte som jobber minst 40 timer i uken er berettiget til ytelser.

(Karriere)

Unngå disse 10 setningene for et bedre CV

Alle vet at et CV er en av de viktigste komponentene i et jobbsøknad. Det mange som kanskje ikke skjønner er at det ikke bare er dine tidligere posisjoner og prestasjoner, men også ordene du bruker til å beskrive disse prestasjonene, som kan gjøre en forskjell i hvordan ansettelsesansvarlig eller rekrutterer ser deg.

(Karriere)