اعلی مشین سیکھنے کی نوکریاں
مواد
- مشین کیا سیکھ رہی ہے؟
- مشینیں سیکھنے کا استعمال کرتے ہوئے صنعتیں
- مشین لرننگ کس طرح کام کی جگہ کو تبدیل کررہی ہے
- کیا آپ مشین لرننگ میں کیریئر چاہتے ہیں؟
- ملازمت کے عنوان اور آمدنی
- مشین لرننگ ملازمتوں کے لئے تقاضے
لنکڈین کی 2017 یو ایس ایمرجنگ جابس رپورٹ کے اوپری حصے میں مشین لرننگ کے میدان میں دو پیشے تھے: مشین لرننگ انجینئر اور ڈیٹا سائنسدان۔ مشین لرننگ انجینئرز کے لئے ملازمت میں 2012 سے 2017 کے درمیان 9.8 گنا اضافہ ہوا ہے اور اسی پانچ سال کی مدت کے دوران ڈیٹا سائنسدانوں کی ملازمتوں میں 6.5 گنا اضافہ ہوا ہے۔ اگر یہ سلسلہ جاری رہا تو ، ان پیشوں میں روزگار کے مواقع سامنے آئیں گے جو بہت سے دوسرے پیشوں سے آگے ہیں۔ انتہائی روشن مستقبل کے ساتھ ، کیا اس شعبے میں کوئی ملازمت آپ کے لئے صحیح ہوسکتی ہے؟
مشین کیا سیکھ رہی ہے؟
مشین لرننگ (ایم ایل) بالکل ایسا ہی ہے جیسے یہ لگتا ہے۔ اس ٹیکنالوجی میں مخصوص کاموں کو انجام دینے کے لئے تدریسی مشینیں شامل ہیں۔ روایتی کوڈنگ کے برخلاف جو ہدایات فراہم کرتی ہیں جو کمپیوٹر کو بتاتی ہیں کہ کیا کرنا ہے ، ایم ایل انھیں ایسا ڈیٹا مہیا کرتا ہے جس کی مدد سے وہ خود ہی اس کا پتہ لگاسکتا ہے ، جیسا کہ انسان یا جانور کرتے ہیں۔ جادو کی طرح آواز آتی ہے ، لیکن ایسا نہیں ہے۔ اس میں کمپیوٹر سائنسدانوں اور متعلقہ مہارت رکھنے والے دیگر افراد کا باہمی تعامل شامل ہے۔ یہ آئی ٹی پروفیشنل پروگرام تیار کرتے ہیں جس کو الگورتھم کہتے ہیں rules قواعد کے سیٹ جو کسی مسئلے کو حل کرتے ہیں — اور پھر انھیں ڈیٹا کے بڑے سیٹ تیار کرتے ہیں جو انہیں اس معلومات کی بنیاد پر پیش گوئیاں کرنا سیکھاتے ہیں۔
مشین لرننگ مصنوعی ذہانت کا ایک ذیلی سیٹ ہے جو کمپیوٹرز کو ان کاموں کو انجام دینے کے قابل بناتا ہے جن کے بارے میں انہیں واضح طور پر کرنے کا پروگرام نہیں بنایا گیا ہے۔ (ڈکسن ، بین۔ ایک ہنر سیکھنے کے ل You آپ کو مشین لرننگ ملازمت اتارنے کی ضرورت ہے۔ اس کا کیریئر فائنڈر۔ 18 جنوری ، 2017۔) اسٹیون لیوی ، ایک مضمون میں جو کمپنی کے انجینئروں کی مشین لرننگ اور تربیت کو گوگل کی ترجیح دینے کی بات کرتا ہے ، میں لکھتے ہیں ، "کئی سالوں سے ، مشین سیکھنے کو ایک خاص خصوصیت ، محدود سمجھا جاتا تھا۔ کچھ اشرافیہ کے لئے۔ اس دور کا خاتمہ ہوچکا ہے ، جیسے حالیہ نتائج سے پتہ چلتا ہے کہ مشینی تعلیم ، "عصبی جال" کے ذریعہ چلتی ہے جو حیاتیاتی دماغ کے چلنے کے طریقہ کار کی تقلید کرتی ہے ، اور انسانوں کی طاقتوں سے کمپیوٹروں کی آمیزش کی طرف حقیقی راہ ہے ، اور کچھ معاملات میں ، سپر انسان " لیوی ، اسٹیون۔ گوگل کیسے خود کو ایک مشین لرننگ فرسٹ کمپنی وائرڈ کے طور پر یاد کررہا ہے۔ 22 جون ، 2016)۔
"اصلی دنیا" میں مشین لرننگ کا استعمال کس طرح ہوتا ہے؟ ہم میں سے بیشتر لوگ اس ٹیکنالوجی کو روزانہ کی بنیاد پر بغیر زیادہ سوچا سمجھے آتے ہیں۔ جب آپ گوگل یا دوسرا سرچ انجن استعمال کرتے ہیں تو ، صفحہ کے اوپری حصے میں آنے والے نتائج مشین سیکھنے کا نتیجہ ہوتے ہیں۔ پیش گوئی کرنے والی عبارت ، نیز آپ کے سمارٹ فون کی ٹیکسٹنگ ایپ پر بعض اوقات غلط نامہ خود بخود خصوصیت بھی مشین سیکھنے کا نتیجہ ہیں۔ نیٹ فلکس اور اسپاٹائف پر تجویز کردہ فلمیں اور گان اس کی مزید مثال ہیں کہ ہم اس تیزی سے بڑھتی ہوئی ٹکنالوجی کو کس طرح استعمال کرتے ہیں جبکہ بمشکل اس پر غور کررہے ہیں۔ ابھی حال ہی میں ، گوگل نے جی میل میں اسمارٹ جواب پیش کیا تھا۔ ایک پیغام کے اختتام پر ، وہ صارف کو پیش کرتا ہے جس میں تین ممکنہ جوابات ہیں جن کی بنیاد پر مواد موجود ہے۔ اوبر اور دیگر کمپنیاں فی الحال سیلف ڈرائیونگ کاروں کی جانچ کر رہی ہیں۔
مشینیں سیکھنے کا استعمال کرتے ہوئے صنعتیں
مشین لرننگ کا استعمال ٹیک دنیا سے بہت دور تک پہنچ جاتا ہے۔ ایک تجزیاتی سافٹ ویئر کمپنی ایس اے ایس کی رپورٹ ہے کہ بہت ساری صنعتوں نے اس ٹیکنالوجی کو اپنایا ہے۔ مالیاتی خدمات کی صنعت ایم ایل کا استعمال کرتے ہوئے سرمایہ کاری کے مواقع کی نشاندہی کرتی ہے ، سرمایہ کاروں کو یہ بتائے کہ تجارت کب کرنا ہے ، پہچاننا ہے کہ کس کلائنٹ میں زیادہ خطرہ والا پروفائل ہے اور دھوکہ دہی کا پتہ لگانا ہے۔ صحت کی دیکھ بھال میں ، الگورتھم اسامانیتاوں کو اٹھا کر بیماریوں کی تشخیص میں مدد کرتے ہیں۔
کیا آپ نے کبھی یہ سوال پوچھا ہے کہ ، "اس مصنوع کے لئے ایک اشتہار کیوں ہے جس کے بارے میں میں اپنے ویب صفحے پر جانے کے بارے میں سوچ رہا ہوں؟" ایم ایل مارکیٹنگ اور سیلز انڈسٹری کو صارفین کی خریداری اور تلاش کی تاریخ کی بنیاد پر تجزیہ کرنے کی اجازت دیتا ہے۔ اس ٹکنالوجی کی نقل و حمل کی صنعت کی موافقت راستوں پر امکانی مشکلات کا پتہ لگاتی ہے اور ان کو زیادہ موثر بنانے میں مدد دیتی ہے۔ ایم ایل کا شکریہ ، تیل اور گیس کی صنعت توانائی کے نئے ذرائع کی شناخت کر سکتی ہے (مشین لرننگ: یہ کیا ہے اور اس سے کیا فرق پڑتا ہے۔ ایس اے ایس)۔
مشین لرننگ کس طرح کام کی جگہ کو تبدیل کررہی ہے
مشینوں کے بارے میں ہماری تمام ملازمتوں کو سنبھالنے کے بارے میں پیش گوئیاں کئی دہائیوں سے جاری ہیں ، لیکن کیا آخر ایم ایل اس کو حقیقت بنائے گا؟ ماہرین کی پیش گوئی ہے کہ اس ٹکنالوجی نے کام کی جگہ کو بدلا ہے اور رہے گا۔ لیکن جہاں تک ہماری ساری نوکریوں کو چھیننا ہے؟ زیادہ تر ماہرین نہیں سوچتے کہ ایسا ہوگا۔
اگرچہ مشین لرننگ تمام پیشوں میں انسانوں کی جگہ نہیں لے سکتی ہے ، لیکن اس سے ان سے وابستہ کئی ملازمت کے فرائض کو تبدیل کیا جاسکتا ہے۔ بائرن اسپائس کا کہنا ہے کہ "جو کام ڈیٹا کی بنیاد پر فوری فیصلے کرنے میں شامل ہیں وہ ایم ایل پروگراموں کے ل a اچھ fitے فٹ ہیں not لہذا اگر یہ فیصلہ استدلال ، متنوع پس منظر کے علم یا عام فہم کی طویل زنجیروں پر منحصر ہوتا ہے۔" بائرن اسپائس کا کہنا ہے کہ مسالا کارنیگی میلن میں میڈیا تعلقات کے ڈائریکٹر ہیں۔ یونیورسٹی کا اسکول آف کمپیوٹر سائنس (اسپائس ، بائرن۔ مشین لرننگ نوکریاں بدل دے گا۔ کارنیگی میلن یونیورسٹی۔ 21 دسمبر ، 2017)۔
سائنس میگزین میں ، ایرک برنجولفسن اور ٹام مچل لکھتے ہیں ، "ایم ایل کی صلاحیتوں کے قریبی متبادل ہونے والے کاموں کے لئے مزدوری کی طلب میں کمی کا امکان زیادہ ہوتا ہے ، جبکہ ان سسٹمز کی تکمیل کرنے والے کاموں میں اضافے کا امکان زیادہ ہوتا ہے۔ ہر بار ایک ایم ایل نظام اس دہلیز کو عبور کرتا ہے جہاں یہ انسانوں کے مقابلے میں زیادہ سے زیادہ سرمایہ کاری مؤثر بن جاتا ہے ، منافع بخش زیادہ سے زیادہ کاروباری افراد اور منیجر تیزی سے لوگوں کے لئے مشینیں تبدیل کرنے کی کوشش کریں گے۔ اس سے پوری معیشت میں اثرات مرتب ہوسکتے ہیں ، پیداواری صلاحیت میں اضافہ ہوسکتا ہے ، قیمتیں کم ہوسکتی ہیں ، اور مزدوری کی طلب میں ردوبدل ، اور تنظیم نو کی صنعتوں (برائن گالفسن ، ایرک اور مچل ، ٹام۔ مشین لرننگ کیا کر سکتی ہے؟ ورک فورس کے مضمرات۔ سائنس۔ 22 دسمبر ، 2017)۔
کیا آپ مشین لرننگ میں کیریئر چاہتے ہیں؟
مشین لرننگ میں کیریئر کے لئے کمپیوٹر سائنس ، شماریات ، اور ریاضی میں مہارت کی ضرورت ہوتی ہے۔ بہت سے لوگ ان شعبوں میں پس منظر کے ساتھ اس میدان میں آتے ہیں۔ بہت سارے کالج جو مشین لرننگ میں اہم پیش کرتے ہیں وہ ایک نصاب کے ساتھ کثیر الشعبہی طریقہ اختیار کرتے ہیں جس میں کمپیوٹر سائنس ، الیکٹریکل اور کمپیوٹر انجینئرنگ ، ریاضی اور اعدادوشمار کے علاوہ (مشین لرننگ کے لئے ٹاپ 16 اسکول۔ ایڈمیشن ٹیبل ڈاٹ کام) شامل ہیں۔
ان لوگوں کے لئے جو پہلے سے ہی انفارمیشن ٹکنالوجی کی صنعت سے وابستہ ہیں ، ایم ایل ملازمت میں منتقلی زیادہ اچھال نہیں ہے۔ آپ کے پاس پہلے سے ہی بہت سے مہارتوں کی ضرورت ہے۔ یہاں تک کہ آپ کا آجر اس منتقلی میں آپ کی مدد کرسکتا ہے۔ اسٹیون لیوی کے مضمون کے مطابق ، "فی الحال بہت سارے لوگ ایسے نہیں ہیں جو ایم ایل کے ماہر ہیں لہذا گوگل اور فیس بک جیسی کمپنیاں انجینئروں کی تربیت کررہی ہیں جن کی مہارت روایتی کوڈنگ میں ہے۔"
اگرچہ آپ نے آئی ٹی پروفیشنل کی حیثیت سے تیار کردہ بہت سے ہنر مشین سیکھنے میں منتقل کردیں گے ، لیکن اس سے قدرے مشکل ہوسکتی ہے۔ امید ہے کہ ، آپ اپنے کالج کے اعدادوشمار کی کلاسوں کے دوران جاگتے رہے کیونکہ ایم ایل اس مضمون کے ساتھ ساتھ ریاضی کی بھی مضبوط گرفت پر انحصار کرتا ہے۔ لیوی لکھتے ہیں کہ کوڈرز کو کسی بھی پروگرام کو ختم کرنے کے ل the مکمل کنٹرول ترک کرنے کے لئے تیار رہنا چاہئے۔
اگر آپ کا ٹیک آجر ایم ایل کی تربیت دینے والے گوگل اور فیس بک کی سہولت فراہم نہیں کررہا ہے تو آپ قسمت سے باہر نہیں ہیں۔ کالجز اور یونیورسٹیاں نیز اوڈییمی اور کورسیرا جیسے آن لائن سیکھنے کے پلیٹ فارم ، ایسی کلاسیں پیش کرتے ہیں جو مشین لرننگ کی بنیادی باتیں سکھاتے ہیں۔ تاہم ، اعدادوشمار اور ریاضی کی کلاسز لے کر اپنی مہارت کو بڑھانا بہت ضروری ہے۔
ملازمت کے عنوان اور آمدنی
اس شعبے میں ملازمت کی تلاش کرتے وقت آپ کے ابتدائی ملازمت کے عنوانات سامنے آئیں گے جن میں مشین لرننگ انجینئر اور ڈیٹا سائنسدان شامل ہیں۔
مشین لرننگ انجینئر "مشین لرننگ پروجیکٹ کی کاروائیاں چلاتے ہیں اور کوڈ کو پیداوار میں لانے کے لئے درکار بنیادی ڈھانچے اور ڈیٹا پائپ لائنوں کے انتظام کے ذمہ دار ہیں۔" ڈیٹا سائنسدان کوڈنگ سائیڈ کے بجائے ، الگورتھم تیار کرنے کے اعداد و شمار اور تجزیہ کی طرف ہیں۔ وہ ڈیٹا اکٹھا ، صاف اور تیار کرتے ہیں (چاؤ ، عدیلین۔ "مصنوعی ذہانت کے نوکری کے عنوان: مشین لرننگ انجینئر کیا ہے؟" فوربس۔ 27 نومبر ، 2017)۔
ان ملازمتوں میں کام کرنے والے افراد سے صارف کی گذارشات کی بنیاد پر ، گلاس ڈور ڈاٹ کام نے اطلاع دی ہے کہ ایم ایل انجینئر اور ڈیٹا سائنسدان اوسطا base بیس تنخواہ $ 120،931 حاصل کرتے ہیں۔ تنخواہوں میں $ 87،000 کی کم سے کم تک کی حد تک (158،000 (مشین لرننگ انجینئر کی تنخواہ۔ گلاسڈور ڈاٹ کام۔ 1 مارچ ، 2018) ہیں۔ اگرچہ گلاسڈور ان عنوانات کو گروپ کرتا ہے ، لیکن ان کے درمیان کچھ اختلافات موجود ہیں۔
مشین لرننگ ملازمتوں کے لئے تقاضے
ایم ایل انجینئر اور ڈیٹا سائنسدان مختلف نوکریاں کرتے ہیں ، لیکن ان کے مابین بہت زیادہ اوورلیپ ہوتا ہے۔ دونوں عہدوں کے لئے ملازمت کے اعلانات میں اکثر ایسی ہی ضروریات ہوتی ہیں۔ بہت سے آجر کمپیوٹر سائنس یا انجینئرنگ ، شماریات ، یا ریاضی میں بیچلرز ، ماسٹرز ، یا ڈاکٹریٹ کی ڈگریوں کو ترجیح دیتے ہیں۔
مشین لرننگ پروفیشنل ہونے کے ل you ، آپ کو تکنیکی مہارت — اسکول میں یا نوکری پر سیکھی گئی مہارتوں soft اور نرم مہارتوں کا مرکب درکار ہوگا۔ نرم ہنریں ایک کی قابلیت ہیں جو وہ کلاس روم میں نہیں سیکھتیں بلکہ اس کی بجائے زندگی کے تجربے کے ساتھ پیدا ہوتی ہیں یا حاصل کرتی ہیں۔ ایک بار پھر ، ایم ایل انجینئروں اور ڈیٹا سائنسدانوں کے لئے مطلوبہ مہارتوں کے مابین ایک وورلیپ کا ایک بہت بڑا سودا ہے۔
ملازمت کے اعلانات سے انکشاف ہوا ہے کہ ایم ایل انجینئرنگ کی ملازمتوں میں کام کرنے والے افراد کو مشین لرننگ فریم ورک جیسے ٹینسرفلو ، ملیب ، ایچ 20 اور تھیانو سے واقف ہونا چاہئے۔ انہیں کوڈنگ میں ایک مضبوط پس منظر کی ضرورت ہے جس میں جاوا یا C / C ++ جیسی پروگرامنگ زبانوں اور اسکرپٹنگ زبانیں جیسے پرل یا ازگر جیسے تجربے شامل ہیں۔ اعداد و شمار کے بڑے سیٹوں کا تجزیہ کرنے کے لئے شماریاتی سوفٹ ویئر پیکجوں کے استعمال سے متعلق اعدادوشمار اور تجربے میں مہارت بھی ان خصوصیات میں شامل ہے۔
مختلف قسم کی نرم مہارتیں آپ کو اس میدان میں کامیاب ہونے دیتی ہیں۔ ان میں لچک ، موافقت اور استقامت شامل ہیں۔ الگورتھم کو تیار کرنے میں بہت ساری آزمائش اور غلطی کی ضرورت ہوتی ہے ، اور اسی وجہ سے ، صبر کریں۔ کسی کو الگورتھم کی جانچ کرنی ہوگی اور یہ دیکھنے کے ل it کہ یہ کام کرتا ہے اور ، اگر نہیں تو ، نیا تیار کریں۔
مواصلات کی بہترین مہارتیں ضروری ہیں۔ مشینی سیکھنے کے پیشہ ور افراد ، جو اکثر ٹیموں پر کام کرتے ہیں ، دوسروں کے ساتھ تعاون کرنے کے لئے اعلی سننے ، بولنے اور باہمی مہارت کی ضرورت ہوتی ہے ، اور انہیں اپنے نتائج اپنے ساتھیوں کے سامنے پیش کرنا بھی ضروری ہے۔ انہیں ، اس کے علاوہ ، فعال سیکھنے والے ہونا چاہئے جو اپنے کام میں نئی معلومات شامل کرسکتے ہیں۔ ایسی صنعت میں جہاں بدعت کی قدر کی جاتی ہو ، ایک کو بہتر بنانے کے لئے تخلیقی ہونا چاہئے۔
