图灵（Alan Turing）在1947年说过：“我们想要的是一台可以从经验中学到的机器。”

那就是机器学习的开始。在现代，机器学习是最受欢迎的（即使不是最流行的）职业选择之一。根据Indeed的说法，机器学习工程师是2019年最佳工作，增长率为344％，平均基本年薪为146,085美元。

机器学习的职业道路

因此，既然我们已经确定机器学习是未来，那么出现的问题是……。“机器学习到底是什么？”

好吧，机器学习涉及使用人工智能使机器能够从经验中学习任务，而无需专门为该任务编程。（简而言之，机器无需人手即可自动学习！！！）此过程首先是向他们提供（不是字面意义上的）高质量数据，然后通过使用数据和不同算法构建各种机器学习模型来训练机器。算法的选择取决于我们拥有什么类型的数据以及我们要自动化的任务类型。

既然我们已经了解了机器学习的基础知识，那么让我们研究一下可以利用这些知识建立的各种职业道路。

机器学习的职业道路

机器学习非常流行（如上所述！），因为它可以使机器自行学习，从而减少了很多人力并提高了机器性能。因此，机器学习中有许多受欢迎且薪酬丰厚的职业道路，例如机器学习工程师，数据科学家，NLP科学家等。

1.机器学习工程师

机器学习工程师是一名工程师（duh！），使用适当的机器学习库，使用诸如Python，Java，Scala等编程语言来运行各种机器学习实验。所需的一些主要技能是编程，概率和统计，数据建模，机器学习算法，系统设计等。

一个常见的问题是“机器学习工程师与数据科学家有何不同？”

好吧，数据科学家分析数据以产生可行的见解。然后，这些信息将由公司高管用来制定业务决策。另一方面，机器学习工程师还分析数据以创建各种机器学习算法，这些算法可以在最少的人工监督下自动运行。用简单的话来说，数据科学家为人类创建所需的输出，而机器学习工程师为机器创建它们（希望非常聪明！！！）。

2.数据科学家

一个哈佛商业评论文章称为数据科学家为“21世纪最性感职位”（而这也成为一个奖励权！）。

数据科学家使用先进的分析技术，包括机器学习和预测建模，以收集，分析和解释大量数据并产生可行的见解。然后，这些信息将由公司高管用来制定业务决策。

因此，除了其他技能（例如数据挖掘，统计研究技术知识等）之外，机器学习对于数据科学家而言也是非常重要的技能。此外，大数据平台和工具（例如Hadoop，Pig，Hive，Spark，等等，而数据科学家则需要SQL，Python，Scala，Perl等编程语言。

3. NLP科学家

首先，出现的问题是“什么是NLP科学家中的NLP？”

好吧，NLP代表自然语言处理，它涉及赋予机器理解人类语言的能力。这意味着机器最终可以使用我们自己的语言与人类对话（需要与之交谈的人吗？与您的机器对话！）。

因此，NLP科学家基本上可以帮助创建一台机器，该机器可以学习语音模式并将口语翻译成其他语言。这意味着，除了机器学习之外，NLP科学家还应该精通至少一种语言的语法，拼写和语法，以便机器可以掌握相同的技能。

4.商业智能开发人员

商业智能开发人员使用数据分析和机器学习来收集，分析和解释大量数据，并产生可操作的见解，这些见解可被公司高管用来制定业务决策。（简单地说，就是使用数据来制定更好的业务决策）。

为了有效地做到这一点，商业智能开发人员需要具备关系数据库和多维数据库的知识，以及SQL，Python，Scala，Perl等编程语言的知识。此外，对各种商业分析服务（如Power BI）的了解也将是很棒的！

5.以人为本的机器学习设计师

以人为中心的机器学习与以人为中心的机器学习算法有关（好像从标题中看不出来！）。这样的一个例子是像Netflix这样的视频租赁服务，该服务根据其偏好为观众提供电影选择，以创建“智能”观众体验。

这意味着以人为中心的机器学习设计器开发了各种系统，这些系统可以基于信息处理和模式识别来执行以人为中心的机器学习。这使机器可以“学习”每个人的偏好，而无需手动解决每种可能的用户情况的繁琐程序。