聚光灯

类似标题

人工智能经理、数据科学经理、分析经理、人工智能经理、数据工程经理

工作描述

自从计算机诞生以来,程序员们就一直希望它们能够独立思考。事实上,有一整个领域的 数据科学叫做机器学习!

正如 IBM 的解释机器学习是人工智能(AI)和计算机科学的一个分支,其重点是利用数据和算法模仿人类的学习方式,逐步提高学习的准确性"。

人工智能和机器学习曾一度局限于科幻小说的范畴,如今,成千上万的公司都对人工智能和机器学习进行了大量投资,并组建了专门的团队,努力进一步开发这项技术。这些团队需要经验丰富的机器学习经理的重点领导,他们了解公司的业务目标,知道如何指导团队取得成功。

职业生涯的回报
  • 与尖端技术团队合作
  • 制定计划,提高效率,实现业务目标
  • 具有竞争力的薪酬和良好的技能发展机会
内幕消息
工作职责

工作日程

  • 机器学习经理从事全职工作,通常晚上、周末和节假日休息,但偶尔也需要加班。

典型职责

  • 寻找可将机器学习 (ML) 应用于现有项目和流程的领域
  • 与公司领导层和团队会面,解释概念,提出战略建议,审查潜在影响和效益
  • 创建机器学习路线图,列出流程和问题,以及要使用的数学、资源和工具
  • 按照计划实施多边主义倡议 
  • 领导 ML 团队,其中可能包括数据科学家、工程师和程序员
  • 提高用户对如何采用 ML 以及他们可能需要了解的变化的认识
  • 根据需要与移动设备管理团队合作,确保有效实施新的数据战略
  • 生成和部署能够从大型数据集中提取有用信息的算法
  • 客观评估不同的方法及其结果
  • 使用编程语言和工具,如 Python、R 和 TensorFlow
  • 开发预测模型验证的自动化流程

额外责任

  • 根据指示与合作伙伴企业合作,分享有关变化的知识、见解或信息
  • 建立强大的外部伙伴关系网络,加强学习
  • 培训或指导团队成员和助理经理
工作中需要的技能

软技能

  • 分析性的
  • 商业敏锐度
  • 沟通技巧
  • 果断的
  • 注重细节
  • 伦理
  • 独立的 
  • 领导技能
  • 目标
  • 有组织的
  • 病人 
  • 解决问题
  • 团队合作

技术技能

不同类型的组织
  • 咨询公司
  • 电子商务/零售商店
  • 金融部门
  • 政府机构
  • 医疗保健和制药公司
  • 制造业
  • 研究机构
  • 科技公司
期望与牺牲

机器学习经理应处于巅峰状态,随时准备有效地领导团队实现与 ML 相关的组织目标。 

他们必须具有创造力、职业道德和前瞻性思维,能够找到并利用一切机会整合和利用 ML 功能并提高绩效。在这个高科技竞争的时代,如果企业不能紧跟潮流,就可能很快落后并失去客户。

当前趋势

机器学习发展迅速,有几个值得关注的趋势。其中包括深度学习和 深度神经网络深度学习和深度神经网络的发展受到了人脑神经元互连网络的启发。 强化学习也是机器人领域的一个热门趋势,它训练程序(又称代理)通过试错与环境互动。

随着 ML 模型变得越来越复杂,研究人员必须关注道德因素以及 ML 模型如何做出决策。其他趋势包括联合学习、迁移学习和预训练模型、AutoML、边缘计算和设备上的 ML 等概念,机器学习经理需要了解这些概念,才能跟上时代的步伐! 

从事这一职业的人在年轻时喜欢做什么样的事情......

机器学习经理可能在很小的时候就爱上了技术。他们可能对数学、计算机编码和编程语言感兴趣。他们可能还喜欢分析解决问题,甚至喜欢阅读有关技术对企业影响的书籍。 

团队合作是这一职业领域的重要组成部分,但机器学习经理是领导者,必须愿意在出现分歧时采取行动。他们的工作是确保适当的机器学习行为和决策。这种领导能力可能是通过学校的课外活动培养出来的。   

需要的教育和培训
  • 机器学习经理一般需要数据或计算机科学或相关专业的硕士学位
  • 工人并非一开始就能成为管理人员。管理人员需要几年的相关工作经验,包括至少几年的监管经验
  • 许多经理人都是从企业内部晋升的,他们从初级或中级职位起步,担任过 ML 工程师、程序员,有时甚至还担任过业务职位。
  • 常见课程主题 包括。
    • 数据建模
    • 深度学习
    • 机器学习算法和技术
    • 自然语言处理
    • 神经网络
    • 编程语言(R、Python、C++、Java)和 Python 库,如 NumPy, Pandas, MatplotlibScikit-learn
    • 强化学习
    • 人工智能与 ML 之间的关系
    • 统计与概率
  • 学生可以学习以下编程语言 Python等编程语言!
  • 查看以下机构提供的课程 Coursera提供的课程,如 人工智能:专业概述
  • 获得第三方认证也会有所帮助。可供选择的认证包括
在大学中需要注意的事项
  • 学生应寻求开设数据科学、计算机科学、人工智能或机器学习专业的院校
  • 寻找有实习机会或其他可以获得实践经验的项目,尤其是与人工智能和 ML 相关的项目。
  • 考虑申请学士/硕士双学位课程,以节省完成硕士学位的时间
  • 决定是否要学习在线课程或混合课程
  • 经常比较学费和其他费用。查看奖学金和经济援助的选项
  • 看看该专业是否与雇用毕业生的公司有合作关系! 
  • 注意校友的毕业和就业统计数据 
高中和大学里的事情
  • 高中生应选修数学(包括微积分)、英语、通信和信息技术课程(如有可能,尤其是人工智能和 ML 课程)
  • 没有机会学习人工智能/ML 课程的高中生可以自学,开始打基础。考虑加入或组建计算机俱乐部!
  • 了解 PythonSQL以后会派上用场,这些知识也可以通过自学获得
  • 申请计算机或数据科学或相关专业的本科课程,重点是机器学习。考虑申请学士/硕士双学位课程,以节省完成硕士课程的时间。
    • 硕士学位可能不是每个职位都需要的,但它可以提高您的资历,并使您能够申请薪酬更高的初始职位。
  • 寻找兼职工作,积累相关工作经验。您需要有多年的工作经验才能被考虑担任管理职位(包括监督他人和领导团队的经验)。
  • 通过学校或自己申请相关的实习机会
  • 阅读杂志和 网站文章阅读与机器学习相关的杂志和网站文章。考虑通过 Coursera或其他网站进行更有条理的学习
  • 申请与在职的机器学习经理进行信息访谈 
典型线路图
机器学习管理器路线图
如何找到你的第一份工作
  • 查看就业门户网站,如 Indeed.com, LinkedIn, Glassdoor, 怪物, CareerBuilder, SimplyHiredZipRecruiter
  • 不要指望从管理级别做起!除非您已经拥有几年的相关工作经验,否则您需要先申请初级职位
  • 考虑搬迁到靠近 科技中心城市如奥斯汀、达拉斯、罗利、圣荷西或夏洛特
  • 与同学保持联系,利用你的人际网络获得工作建议。大多数工作仍然是通过人际关系找到的 
  • 询问您的导师、前主管和/或同事是否愿意作为您的个人推荐人。未经事先许可,不要透露他们的个人联系信息
  • 查看一些 机器学习相关简历范例面试问题包括 "机器学习的不同类型有哪些?"等基础知识或 "您如何知道为分类问题选择哪种机器学习算法?"等更高级的主题。
  • 练习进行 模拟面试与学校的就业中心(如果有的话)
  • 面试时着装得体展示您对人工智能/移动语言领域的热情和知识
如何爬梯子
  • 要成为机器学习经理,需要多年的教育和工作经验。一旦成为经理,你的职位已经相当高了,但仍有晋升和加薪的机会
  • 高级职位包括高级机器学习经理、机器学习总监或机器学习主管。
  • 管理人员还可能寻求跨职能领导或行业专业化职位。有些人则选择转向纯粹的研发职位 
  • 让你的上司知道你对职业发展感兴趣,并征求他们的建议
  • 大多数 ML 经理都拥有研究生学位,但对于那些没有研究生学位的人来说,获得硕士学位将是提升资历和资质的绝佳途径。
  • 在任何可能有用的地方纳入 ML,为组织增加价值。与领导层和利益相关者沟通,确保他们理解 ML 的目标和优势  
  • 有效领导团队,确保项目按计划和预算进行
  • 跟踪人工智能和 ML 的发展趋势和挑战。了解最新的软件
  • 对于那些在规模较小的机构工作的人来说,你可能需要申请到规模更大或不同类型的机构工作,以获得更高的薪水或实现更高的职业目标。
    • 例如,在政府机构工作的管理人员可能会在私营科技公司获得更丰厚的薪酬
  • 完成高级第三方认证也会有所帮助。可供选择的认证包括
  • 当然,具有深厚商业背景的人工智能经理人可能会成为创业者,推出自己的人工智能或人工智能相关业务,而不是为别人工作! 
    • 斯坦福大学教授吴恩达(Andrew Ng)是一位著名的人工智能企业家,也是 Coursera 和 Google Brain 的联合创始人,他的净资产为 ~1.22 亿美元!
B计划

机器学习是一个令人着迷的领域,但要获得经理职位,需要多年的教育和工作经验。有许多相关的职业选择值得考虑,其中一些可能需要较少的时间才能获得资格。同样,其中一些职位也可以作为日后成为机器学习经理的垫脚石!  

  • 人工智能提示工程师
  • 大数据工程师
  • 商业智能开发人员
  • 计算机程序员
  • 计算机系统分析员
  • 数据库架构师
  • 数据科学家
  • 信息安全分析师
  • 数学家
  • 机器学习工程师
  • 机器人工程师
  • 软件架构师
  • 网络开发员

新闻联播

在线课程和工具