艾伦·图灵在 1947 年说： “我们想要的是一台可以从经验中学习的机器。”
这就是机器学习的开始。在现代，机器学习是最受欢迎（如果不是最受欢迎的话！）的职业选择之一。根据 Indeed 的数据，机器学习工程师是 2019 年最好的工作，增长率为344% ，平均基本年薪为 146,085美元。
所以现在我们已经确定机器学习是未来，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，而无需专门针对该任务对其进行编程。 （简而言之，机器在没有人手的情况下自动学习！！！）这个过程首先为它们提供（不是字面上的！）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试图自动化的任务类型。
现在我们已经了解了机器学习的基础知识，让我们研究一下可以使用这些知识打造的各种职业道路。
机器学习的职业道路
机器学习非常流行（上面提到过！），因为它通过让机器自己学习来减少大量人力并提高机器性能。因此，机器学习中有许多受欢迎且薪水很高的职业道路，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
机器学习工程师是使用Python、 Java、Scala等编程语言和适当的机器学习库运行各种机器学习实验的工程师（废话！）。为此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操作的见解。然后，这些信息将用于公司高管做出业务决策。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主运行。简单来说，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（希望是非常聪明的！！！）。
2. 数据科学家
哈佛商业评论文章称数据科学家为“21 世纪最性感的工作” （这就是成为一名的动力！！）。
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来收集、分析和解释大量数据并产生可操作的见解。然后，这些信息将用于公司高管做出业务决策。
所以机器学习对于数据科学家来说是一项非常重要的技能，除了数据挖掘、统计研究技术等其他技能之外，还有大数据平台和工具的知识，例如Hadoop、Pig、 Hive、Spark 、数据科学家需要诸如SQL、 Python、Scala、Perl等编程语言。
3. NLP 科学家
首先，问题出现了“NLP Scientist 中的 NLP 是什么？”
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用我们自己的语言与人类交谈（需要朋友交谈？与你的机器交谈！）。
因此，NLP 科学家基本上帮助创建了一种机器，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句法、拼写和语法，这样机器才能获得相同的技能。
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，并产生可用于公司高管制定业务决策的可操作见解。 （简而言之，使用数据做出更好的业务决策）。
为了有效地做到这一点，商业智能开发人员需要了解关系数据库和多维数据库以及编程语言（如SQL、 Python、Scala、Perl等）。此外，了解各种业务分析服务（如 Power BI）会很棒！
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一样！！）。这方面的一个例子是像Netflix这样的视频租赁服务，它根据观众的喜好为观众提供电影选择，以创造“智能”的观众体验。
这意味着以人为中心的机器学习设计师开发各种系统，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。这允许机器“学习”个人的偏好，而无需手动考虑每个可能的用户场景的繁琐程序。