Was macht ein Machine Learning Engineer? Rollen, Verantwortlichkeiten & Fähigkeiten

Im Future of Work -Bericht 2019 von Robert Half erklärte Brandon Purell, Senior Analyst bei Forrester Research:

„Hundert Prozent des zukünftigen Erfolgs eines Unternehmens hängt von der Einführung von maschinellem Lernen ab. Damit Unternehmen im Zeitalter des Kunden erfolgreich sein können, müssen sie antizipieren, was Kunden wünschen, und dafür ist maschinelles Lernen unerlässlich.“

Da immer mehr Unternehmen die Tools der Data Science – KI und ML – erforschen und nutzen, steigt die Nachfrage nach qualifizierten Fachkräften in diesen Bereichen. Die Rolle eines Machine Learning Engineer ist eine der gefragtesten Data Science-Rollen in der Branche.

Heute werden wir uns eingehend mit der Rolle eines Machine Learning Engineer befassen und seine Kernaufgaben und -anforderungen verstehen.

Aufstieg des maschinellen Lernens

Im Wesentlichen ist die Rolle eines Machine Learning Engineer eine Verbindung zwischen zwei zentralen Rollen in der Branche – Data Scientists und Software Engineer.

Während der Schwerpunkt eines Data Scientists auf dem Experimentieren mit Big Data liegt, konzentriert sich ein Software Engineer hauptsächlich auf das Programmieren (Schreiben von Code). Beide Rollen sind grundsätzlich verschieden. Die Arbeit eines Datenwissenschaftlers ist analytischer – diese Analyseexperten verwenden eine Kombination aus mathematischen, statistischen, analytischen Fähigkeiten und ML-Tools, um riesige Datensätze zu sammeln, zu verarbeiten und zu analysieren, um Erkenntnisse zu gewinnen.

Im Gegenteil, Softwareingenieure sind erfahrene Programmierer/Programmierer, die skalierbare Programme schreiben und Softwaresysteme für Unternehmen entwerfen. Für sie scheint das gesamte Konzept von ML weit entfernt zu sein. Die von Data Scientists erstellten Modelle sind für Software-Ingenieure meist unverständlich – sie sind komplex, zeigen keine klaren Entwurfsmuster und sind nicht sauber (alles im Gegensatz zu dem, was Software-Ingenieure lernen!).

Genau aus diesem Grund benötigen Unternehmen einen Machine Learning Engineer – einen Fachmann, der das Beste aus beiden Welten an einen Tisch bringen kann. Organisationen wollten jemanden, der den Code der Data Scientists entmystifizieren und ihn nützlicher und zugänglicher machen kann. Machine Learning Engineers kombinieren die Gesetze und Regeln der Data Science-Welt mit denen der Programmierung, um Organisationen dabei zu helfen, die Vorteile von AI/ML-Technologien voll auszuschöpfen und gleichzeitig die Standardprogrammierpraktiken und -protokolle einzuhalten.

Was macht ein Machine Learning Engineer?

Die Arbeit eines Machine Learning Engineers ist der eines Data Scientists insofern sehr ähnlich, als beide Rollen die Arbeit mit riesigen Datenmengen beinhalten. Daher müssen sowohl Machine Learning Engineers als auch Data Scientists über hervorragende Datenmanagementfähigkeiten verfügen. Das ist jedoch die ganze Ähnlichkeit, die diese beiden Rollen teilen.

Data Scientists beschäftigen sich hauptsächlich damit, wertvolle Erkenntnisse zu gewinnen, um das Unternehmenswachstum durch datenorientierte Entscheidungsfindung voranzutreiben. Im Gegensatz dazu konzentrieren sich Machine Learning Engineers auf die Entwicklung selbstlaufender Software für die Vorhersagemodellautomatisierung.

In solchen Modellen verwendet die Software jedes Mal, wenn sie eine Funktion ausführt, die Ergebnisse dieser Operation, um zukünftige Operationen mit größerer Genauigkeit auszuführen. Dies macht den „Lern“-Prozess der Software aus. Die Empfehlungsmaschinen Netflix und Amazon sind die besten Beispiele für diese Art von intelligenter Software.

Üblicherweise arbeiten Machine Learning Engineers eng mit Data Scientists zusammen. Während Data Scientists aussagekräftige Erkenntnisse aus großen Datensätzen extrahieren und die Informationen an Unternehmensbeteiligte weitergeben, stellen Machine Learning Engineers sicher, dass die von Data Scientists verwendeten Modelle große Mengen an Echtzeitdaten aufnehmen können, um genauere Ergebnisse zu erzielen.

Aufgaben eines Machine Learning Engineers

• Data-Science-Prototypen untersuchen und konvertieren.
• Entwerfen und Entwickeln von Systemen und Schemata für maschinelles Lernen.
• Durchführung statistischer Analysen und Feinabstimmung von Modellen anhand von Testergebnissen.
• Verfügbare Datensätze für Schulungszwecke online finden.
• Um ML-Systeme und -Modelle nach Bedarf zu trainieren und neu zu trainieren.
• Um bestehende ML-Frameworks und -Bibliotheken zu erweitern und zu bereichern.
• Machine-Learning-Apps nach Kunden-/Auftraggeberanforderungen zu entwickeln.
• Geeignete ML-Algorithmen und -Tools erforschen, damit experimentieren und implementieren.
• Die Problemlösungsfähigkeiten und Anwendungsfälle von ML-Algorithmen zu analysieren und sie nach ihrer Erfolgswahrscheinlichkeit einzustufen.
• Untersuchen und Visualisieren von Daten zum besseren Verständnis und Identifizieren von Unterschieden in der Datenverteilung, die sich auf die Modellleistung bei der Bereitstellung in realen Szenarien auswirken könnten.

Erforderliche Fähigkeiten, um ein Machine Learning Engineer zu sein

• Fortgeschrittener Abschluss in Informatik/Mathematik/Statistik oder einer verwandten Disziplin.
• Fortgeschrittene Mathematik- und Statistikkenntnisse (lineare Algebra, Analysis, Bayes'sche Statistik, Mittelwert, Median, Varianz usw.)
• Robuste Datenmodellierungs- und Datenarchitekturfähigkeiten.
• Programmiererfahrung in Python, R, Java, C++ etc.
• Kenntnisse von Big-Data-Frameworks wie Hadoop, Spark, Pig, Hive, Flume etc.
• Erfahrung in der Arbeit mit ML-Frameworks wie TensorFlow und Keras.
• Erfahrung in der Arbeit mit verschiedenen ML-Bibliotheken und -Paketen wie Scikit Learn, Theano, Tensorflow, Matplotlib, Caffe usw.
• Starke schriftliche und mündliche Kommunikation
• Hervorragende zwischenmenschliche und kooperative Fähigkeiten.

Gehalt eines Ingenieurs für maschinelles Lernen

Laut dem Indeed-Bericht 2019 – The Best jobs in the US & India – nimmt Machine Learning Engineer mit einem Durchschnittsgehalt von 146.085 $ die Spitzenposition in der Liste ein. Interessanter ist, dass die Rolle eines ML-Ingenieurs seit 2015 einen satten Anstieg von 344 % verzeichnet hat!

Quelle

Glassdoor behauptet, dass das durchschnittliche Jahresgehalt eines Ingenieurs für maschinelles Lernen in Indien Rs beträgt. 7,95,677. Obwohl das Gehalt eines Machine Learning Engineers wie bei jedem anderen Job über dem nationalen Durchschnitt liegt, hängt es von der Unternehmensgröße und dem Ruf, dem Standort, den Fähigkeiten, dem Bildungshintergrund und natürlich der Berufserfahrung ab.

Hier ist eine Gehaltstabelle von ML-Ingenieuren in einigen der führenden Unternehmen der Branche:

• Microsoft – Rs. 14.62.000 – 22.44.000 LPA
• Accenture – Rs. 10.11.000 – 15.28.000 LPA
• Quantiphi – Rs. 8,50,481LPA
• Tata Beratungsdienste – Rs. 4,12,706LPA
• Infosys – Rs. 3.77.000 – 6.69.000 LPA

Lesen Sie mehr über das Gehalt für maschinelles Lernen in Indien.

Warum steigt die Nachfrage nach Machine Learning Engineers?

In den letzten zehn Jahren hat die Nachfrage nach Machine Learning Engineers sogar den Bedarf an Data Scientists übertroffen. Im LinkedIn US Job Report 2017 belegte Machine Learning Engineer den Spitzenplatz mit einem verzeichneten Wachstum von 9,8 Mal in fünf Jahren (2012-17).

Quelle

Der weltweite Markt für maschinelles Lernen wird Prognosen zufolge bis 2025 39.986,7 Millionen US-Dollar überschreiten und zwischen 2017 und 2025 mit einer CAGR von 49,7 % wachsen. Diese Statistiken machen deutlich, dass der ML-Markt in einem beispiellosen Tempo wächst. Angesichts des wachsenden Wettbewerbs müssen Unternehmen talentierte ML-Ingenieure zusammen mit anderen Data-Science-Experten einstellen, um auf dem Markt fest verankert zu bleiben.

Da maschinelles Lernen in der modernen Industrie schnell an Bedeutung gewinnt, werden seine Anwendungen und Anwendungsfälle so vielfältig wie Big Data selbst.

Unternehmen und Organisationen nutzen ML zur Spam- und Betrugserkennung; für Bild- und Spracherkennungssysteme; um intelligente persönliche Assistenten (Siri, Alexa) und autonome Autos zu entwickeln; um Smart Homes und Power IoT zu ermöglichen; um genaue Verkehrsvorhersagen zu generieren; um Social-Media-Dienste und Online-Einkaufs-/Anzeigedienste zu personalisieren; um Suchmaschinenergebnisse zu verfeinern und vieles mehr.

Fazit

Bald wird es weitere erstaunliche Durchbrüche geben, die durch maschinelles Lernen erzielt wurden, und Ingenieure für maschinelles Lernen werden weiterhin ein wesentlicher Bestandteil all dieser ML-Vorgänge sein.

Sie können unser PG-Diplom in maschinellem Lernen und KI einsehen , das praktische Workshops, persönlichen Mentor aus der Industrie, 12 Fallstudien und Aufgaben, IIIT-B-Alumni-Status und mehr bietet.