¿Qué tipo de empresas necesitan / necesitarán ingenieros de Machine Learning?

Será más fácil de entender si sabes para qué el aprendizaje automático es más útil. Creo que su principal fortaleza radica en tomar grandes cantidades de datos y convertir esos datos en información valiosa y procesable. Entonces, ¿quién puede beneficiarse más del aprendizaje automático? ¡Las empresas con más datos, por supuesto!

Esto significaría que las empresas como Google, Facebook, Apple, Twitter, etc. estarían en mejores condiciones de aprovechar a los investigadores que pueden aplicar el aprendizaje automático. Creo que debido a que la tecnología de sensores se está volviendo más barata y más efectiva año tras año, la cantidad de compañías que tienen conjuntos de datos en expansión solo aumentará con el tiempo. Por lo tanto, se reducirá a las empresas con datos que tienen los recursos para almacenar esos datos y emplear científicos de datos (estos tipos no son baratos).

Debido a que Internet of Things IoT pondrá a disposición de más empresas más datos y se espera que la computación en la nube haga que el aprendizaje automático sea más ubicuo, habrá una demanda de recursos de aprendizaje automático. IoT se suma a muchas otras aplicaciones bien entendidas para ML, como motores de recomendación y mantenimiento predictivo.

Habrá empleos de ML en Fortune 500, aunque es probable que muchos de ellos sean estadísticos capacitados y científicos de datos, y algunos desarrolladores emprendedores interesados ​​en algo más que Javascript, NodeJS y el resto.

¿Pero eso significa trabajos de ingeniería de ML?

Sí, pero no tantos como la adopción podría indicar. A medida que ML se mude a negocios más pequeños, dependerán de recursos de ingeniería autodidactas y de medio tiempo, y tal vez de algunos consultores. La computación en la nube hará posible este enfoque.

Las empresas medianas buscarán ingeniería de ML como parte de iniciativas en ciencia de datos, ingeniería de productos, gestión de calidad de servicio, ITSM, retención de clientes. Algunos buscarán a Deloitte o EY para proporcionar esto; otros pueden ver el recurso lo suficientemente crítico como para convertirlo en un puesto de personal.

No está claro si ML sobrevivirá mucho más allá de esto, la tercera ola de IA. Podría integrarse completamente en una categoría más amplia o emergente.

Además del F500, habrá oportunidades para los empresarios que incorporen esta experiencia en negocios más pequeños, de bajo perfil y ágiles. Eso tiene una carrera escrita por todas partes, si no riqueza, pero probablemente evolucionará en algo más heterogéneo: habilidad inteligente.

A corto plazo, creo que algunas empresas de cualquier tipo comprenderán la gran cantidad de posibilidades que el aprendizaje automático puede ofrecer y, por lo tanto, contratarán o desarrollarán aplicaciones de aprendizaje automático internas.

A largo plazo, muchos trabajos cambiarán por completo y utilizarán el aprendizaje automático a diario. Un buen ejemplo son las finanzas. Muchos análisis financieros se basan en métodos obsoletos. Utilizarán métodos de aprendizaje automático para mejorar su eficiencia.

Financieros, médicos, contratistas militares, industrias eléctricas y petroleras, más, pero no puedo pensar en ellos en este momento.

More Interesting

¿Podemos usar el modelo oculto de Markov para inferir las variables ocultas del universo?

¿Debo saber Python y R para aprender Machine Learning?

¿Son el aprendizaje automático / aprendizaje profundo / ciencia de datos, realmente ciencia espacial para que un tipo promedio entienda e implemente?

Dado lo éticamente y empáticamente incompetentes que son los humanos, ¿cuándo comenzaremos a entrenar el aprendizaje automático en grandes conjuntos de datos de decisiones éticas?

¿Ya es posible aprender las reglas de un juego como Monopoly utilizando un aprendizaje no supervisado?

¿Cuáles son los mejores algoritmos para el conjunto de datos de preservación de la privacidad?

¿Por qué las computadoras no pueden superar de manera confiable a los humanos en reconocimiento facial?

¿Vale la pena probar PCA en sus datos antes de alimentar a SVM?

Quiero escribir un trabajo de investigación sobre análisis de sentimientos, pero no sé nada sobre el análisis de sentimientos. ¿Cómo debo proceder?

Cómo usar un árbol de decisión para construir datos sintéticamente

¿Hay algún programa en desarrollo que pueda escuchar un idioma y comenzar a aprenderlo, como en Star Trek?

¿Qué es el procesamiento del lenguaje natural?

¿Cuáles son los mejores recursos en línea para mejorar los algoritmos de aprendizaje automático?

¿Los ingenieros de aprendizaje automático en Google tienden a publicar artículos?

¿Cómo funcionan los árboles de decisión para la regresión?