0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

机器学习准入门槛降低,机器学习工程师职位或将消失

电子工程师 来源:工程师李察 2019-02-16 08:53 次阅读

机器学习工程师团队负责人、Looker的首席产品官,以自己十几年的从业经历,以及对当下机器学习领域的观察和思考,认为未来机器学习准入门槛不断降低的前提下,“ML工程师”这个title将会消失。

我们可能正处在一个不再需要机器学习领域正规教育的变革阶段。

Looker首席产品官Nick Caldwell,是一位机器学习从业者,有着管理ML团队十多年的经验,而他最近有点被刺激到。

他的一名初级前端工程师决定利用黑客马拉松时间,去探索机器学习。通过fast.ai的在线课程,这位初级工程师获得了快速设置和部署TensorFlow模型的基础知识。

刚开始做的东西还比较搞笑,比如给人脸上贴胡子。但是在几天之内,他就做出了有实际应用价值的项目,并创建了一个可以在公司内部生产系统中可实施的ML模型。几周后,已经能够看到改模型对运营目标产生了可衡量的影响。

Nick在大学的时候,曾经认真系统的学过ML,并且在刚毕业就从事机器学习相关的工作,但是这位初级工程师的经历,让他开始重新审视他自己,以及机器学习这个领域。

他发现,机器学习已经进入到一个准入门槛非常低的阶段。他甚至怀疑,这位初级前端工程师可以使用现代工具包,在五天内获得他职业生涯的前五年的积累,虽然这话说的有点夸张。

他还认为,现在开始对学位、专业性方面的要求没有那么高了,当下的机器学习工具包,正在成为标准开发工具箱的一部分。

在20世纪90年代,想要尝试使用神经网络的工程师,通常需要从最简单的概念开始逐步延伸,对每一层的数学和原理都要理解和掌握。

今天,即使是初学者也可以使用Google Cloud AutoML等工具,几乎可以毫不费力的创建AI模型的各个方面,并产生有影响力的结果。

所有的复杂性都被抽掉了,但这是技术发展的规律,因为抽象适用于越来越强大的工具。现在已经没人为了学编程而去学习计算机构造,就好像没有人为了开车而去了解汽车的设计原理。

使用这些“一站式”工具包的现代开发人员,可能无法解释模型的数学原理,但不妨碍他做出可用性非常高的模型和产品。

fast.ai的创始人、前Kaggle总裁杰里Jeremy Howard,在最近的推文中说:“我从未接受过正式的技术教育,我实际上没有参加任何讲座或教程,我认为那都是在浪费时间。“

机器学习当前趋势的影响十分惊人。回想一下,传统雇用工程师、特别是在ML工程师的流程:首先我们需要应聘者至少是学士学位;其次还会在意有没有项目经验,最后可能还要求有一定的工作经验。

但从Nick的经历来看,如果把工程师定义为“拥有帮助客户解决问题、以及提出解决方案能力的人才”,那么他过去几年里亲自合作过的最好的ML工程师,都是自学成才的,并且工作经验不足5年!

因此Nick心中产生了疑问:在当前这么容易就能够学习ML,并产生非凡成果的时代,我们是否真的需要聘请一位“专业”ML工程师呢?是否真的需要卡ta的学位、工作经验呢?甚至说,我们是否真的有必要专门去应聘一位“机器学习工程师”呢?

他最终认为,我们必须重新思考如何寻找人才。用开源神经网络库Keras创建者FrançoisChollet的话说:“最好的人是90%+自我教育,无论他们是否拥有斯坦福大学的学位;计算机科学的学位的附加价值越来越微不足道。“

可能大多数招聘经理都认为这种态度太过极端。但时代在变,Nick现在的做法是:从Kaggle比赛中寻找ML候选人,查看ta的GitHub项目页,然后才是看他有没有大学学位。

Nick坚定的认为,是时候取消对CS学位的要求,并预言未来机器学习工程师这个title终将消失。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 工程师
    +关注

    关注

    59

    文章

    1565

    浏览量

    68401
  • 机器
    +关注

    关注

    0

    文章

    776

    浏览量

    40667
  • 机器学习
    +关注

    关注

    66

    文章

    8344

    浏览量

    132288

原文标题:机器学习准入门槛降低,机器学习工程师职位或将消失

文章出处:【微信号:aicapital,微信公众号:全球人工智能】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    具身智能与机器学习的关系

    (如机器人、虚拟代理等)通过与物理世界虚拟环境的交互来获得、发展和应用智能的能力。这种智能不仅包括认知和推理能力,还包括感知、运动控制和环境适应能力。具身智能强调智能体的身体和环境在智能发展中的重要性。 2. 机器
    的头像 发表于 10-27 10:33 227次阅读

    【「时间序列与机器学习」阅读体验】时间序列的信息提取

    个重要环节,目标是从给定的时间序列数据中提取出有用的信息和特征,以支持后续的分析和预测任务。 特征工程(Feature Engineering)是数据转换为更好地表示潜在问题的特征,从而提高机器
    发表于 08-17 21:12

    【《时间序列与机器学习》阅读体验】+ 时间序列的信息提取

    提高机器学习模型效果与性能的过程。 而我对特征工程的理解就是从一堆数据里找出能表示这堆数据的最小数据集,而这个找出特征数据的过程就是信息提取。 随后给出了一系列定义,包括特征的最小最大缩放、特征的标准化
    发表于 08-14 18:00

    【「时间序列与机器学习」阅读体验】+ 鸟瞰这本书

    的交织中不断成长。 读者对这本书的评价普遍很高。他们称赞作者用通俗易懂的语言复杂的概念解释得透彻清晰,即使是初学者也能轻松入门。同时,书中丰富的案例和详细的步骤指导也让读者快速积累经验,提高实战技能。甚至有读者表示,这本书已经成为时间序列分析、
    发表于 08-12 11:28

    【「时间序列与机器学习」阅读体验】+ 简单建议

    细微差异导致的错误,这无疑增加了调试的难度。因此,我个人建议,书中若能在关键代码段旁边添加二维码,链接到可在线运行验证的代码环境,极大地提升读者的学习效率和体验。这样一来,读者不仅可以快速验证代码的正确性,还能在互动中加深对
    发表于 08-12 11:21

    机器学习中的数据预处理与特征工程

    机器学习的整个流程中,数据预处理与特征工程是两个至关重要的步骤。它们直接决定了模型的输入质量,进而影响模型的训练效果和泛化能力。本文将从数据预处理和特征工程的基本概念出发,详细探讨这
    的头像 发表于 07-09 15:57 267次阅读

    机器学习算法原理详解

    机器学习作为人工智能的一个重要分支,其目标是通过让计算机自动从数据中学习并改进其性能,而无需进行明确的编程。本文深入解读几种常见的机器
    的头像 发表于 07-02 11:25 662次阅读

    深度学习与传统机器学习的对比

    在人工智能的浪潮中,机器学习和深度学习无疑是两大核心驱动力。它们各自以其独特的方式推动着技术的进步,为众多领域带来了革命性的变化。然而,尽管它们都属于机器
    的头像 发表于 07-01 11:40 1085次阅读

    SnapAI和机器学习引入Snapchat

    Snap首席执行官伊万·斯皮格近日宣布,公司加大投资力度,人工智能和机器学习技术深度引入其主打社交应用Snapchat,以进一步提升用户吸引力。斯皮格直言,公司在
    的头像 发表于 05-21 09:31 464次阅读

    请问PSoC™ Creator IDE可以支持IMAGIMOB机器学习吗?

    。 我发现IMAGIMOB 是一个很好的解决方案来满足我的需求,但现在的问题是, PSoC™ Creator 不支持 IMAGIMOB! PSoC™ Creator 可以支持机器学习 IMAGIMOB 吗?
    发表于 05-20 08:06

    机器学习入门:基本概念介绍

    机器学习(GraphMachineLearning,简称GraphML)是机器学习的一个分支,专注于利用图形结构的数据。在图形结构中,数据以图的形式表示,其中的节点(
    的头像 发表于 05-16 08:27 456次阅读
    图<b class='flag-5'>机器</b><b class='flag-5'>学习</b><b class='flag-5'>入门</b>:基本概念介绍

    机器学习怎么进入人工智能

    ,人工智能已成为一个热门领域,涉及到多个行业和领域,例如语音识别、机器翻译、图像识别等。 在编程中进行人工智能的关键是使用机器学习算法,这是一类基于样本数据和模型训练来进行预测和判断的算法。下面
    的头像 发表于 04-04 08:41 226次阅读

    FPGA在深度学习应用中取代GPU

    、笔记本电脑机架式服务器上训练神经网络时,这不是什么大问题。但是,许多部署深度学习模型的环境对 GPU 并不友好,比如自动驾驶汽车、工厂、机器人和许多智慧城市环境,在这些环境中硬件必须忍受热、灰尘、湿度
    发表于 03-21 15:19

    如何使用TensorFlow构建机器学习模型

    在这篇文章中,我逐步讲解如何使用 TensorFlow 创建一个简单的机器学习模型。
    的头像 发表于 01-08 09:25 892次阅读
    如何使用TensorFlow构建<b class='flag-5'>机器</b><b class='flag-5'>学习</b>模型

    什么是特征工程机器学习的特征工程详解解读

    One-hot 编码对于用机器学习模型能够理解的简单数字数据替换分类数据很有用。
    发表于 12-28 17:14 281次阅读
    什么是特征<b class='flag-5'>工程</b>?<b class='flag-5'>机器</b><b class='flag-5'>学习</b>的特征<b class='flag-5'>工程</b>详解解读