機械学習分野における社内競争について:博士号を取得しないと就職する資格はないのでしょうか?

機械学習分野における社内競争について:博士号を取得しないと就職する資格はないのでしょうか?

[[390714]]

機械学習は複雑化していますか?

「博士号なしで機械学習の仕事を得るのはますます難しくなっているのか?」最近、Reddit で話題の投稿が大きな議論を巻き起こしました。

個々の研究者や実務家にとって、機械学習の分野が確かに人気を集めていることは間違いありません。近年、誰もが機械学習に取り組んでいるようで、この分野で博士号を取得する人の数も劇的に増加しています。

一方で、AI技術の急速な発展と実装により、機械学習に関連する多数の職種と仕事内容が生まれ、他方では、大量の人材の流入により、この分野の雇用基準が継続的に引き上げられています...

人工知能が次の「陥没穴」職業になるだろうと言う人もいます。この波の中で私たちは自分自身とどう向き合えばいいのでしょうか?

博士号と機械学習の仕事の関係

投稿者の説明によると、機械学習に従事する研究者が多すぎるため、博士号がないと仕事を見つけるのは難しいかもしれないと考えているようです。この点について、あるネットユーザーは「機械学習関連の仕事の成長率が機械学習博士の成長率より遅いか速いかによって決まる。しかし、すべての機械学習の仕事に博士号が必要なわけではない。例えば、機械学習エンジニアは開発よりも機械学習モデルの基礎と展開に重点を置いている」と述べた。

「同時に、自動化ツールや AutoML プラットフォームが開発されており、現在博士号取得者を雇用している多くの企業は、高度に専門化された研究者を必要としなくなる可能性があります。将来的には、ML 分野で働く博士号取得者は、自動化された ML プラットフォームを構築する企業で働くようになるでしょう。」

機械学習のすべての仕事に博士号が必要なわけではありません。機械学習の分野にはさまざまな仕事や企業が存在するため、一般化するのは実のところ困難です。最終結果は、実行される作業の種類によって異なります。

CNN、Transformers などに代わる新しい機械学習手法を作成し、主な出力を特許や公開論文にします。

さまざまなデータセットで機械学習モデルを使用しているだけで、主な出力はデータ製品です (開発中にたまたま機械学習が使用されていました)。

前者の場合、チームには研究を進めるために協力できる博士号取得者が数人必要です。後者の場合、必ずしもそうではありません (ただし、理想的にはプログラマーは論文を読む能力も持っている必要があります)。

学歴だけではない

おそらく誰もが、教育レベルが高ければ就職がしやすくなると考えているのでしょう。しかし、博士号を持っていない人の就職状況はどうでしょうか?あるネットユーザーは「現在の仕事も以前の仕事も博士号が必要だった。私は博士号を持っていないが、どちらの会社も私を採用してくれた。私の友人の会社も博士号が必要だったが、彼も博士号を持っていない」とコメントした。

「企業は、チーム内のスキルギャップを埋めて仕事を成し遂げるのに役立つと思われる人材を採用しますが、だからといって博士号を持っていることが有利ではないというわけではありません。CICD の経験があることは有利であり、ドメイン知識を持っていることも有利です。企業が採用したい従業員のタイプは、その人がチームにもたらす価値によって決まります。」

「私はデータ サイエンティストを雇いますが、彼らが博士号を持っているかどうかは気にしません。博士号を持つ人と持たない人を混ぜた方がよいのです。博士号を持つ人は、業界で ML を多用するような仕事にあまり乗り気ではないようです。彼らはより学術的で、創造性に欠ける傾向があります。これは、彼らが学術界や確立されたベスト プラクティスにもっと依存している可能性があり、同じ年齢でも業界での経験が豊富な人の方がより実用的である可能性があるためです。そのため、博士号を持つ人と持たない人を混ぜることは非常に有益です。」

もっと具体的に言えば、人材採用の観点から言えば、博士号を持っていない優秀な人材が世の中にはたくさんいるのは確かですが、なぜ人事部門は博士号を持つ人材の豊富なプールから直接選抜するのではなく、こうした人材を探すことにもっと力を入れなければならないのでしょうか。

「興味深いのは、この問題が議論されるたびに、彼らが出会った博士号取得者の種類について、信頼性のない証拠をたくさん挙げようとする議論が常に起こることです。しかし、機械学習で良い仕事を探すと、博士号取得者が第一候補であることに気づきます。」

<<:  手動設計は不要、検索損失関数をゼロから作成

>>:  AIとIoTの相互運用性に対する需要は2021年も増加し続ける

推薦する

Go 向けに設計された機械学習ライブラリ Gorgonia: TensorFlow や Theano のライバル

[[184558]] Gorgonia は、Go での機械学習を容易にし、多次元配列を含む数式の記述...

ナレッジグラフの紹介と応用

[[376661]]人間は知識を獲得する過程で、物事の本質にますます注意を払うようになります。人工知...

インターネット上の無料データサイエンス、機械学習、人工知能のMOOCベスト20

21 世紀において、伝統的な教育は人生において必要な段階ではなく、選択肢となっています。インターネ...

美容業界に参入しよう! AIはフェイスリフト手術も可能

この記事は公開アカウント「Reading Core Technique」(ID: AI_Discov...

...

...

自動運転車の未来はどうなるのか?マッキンゼーは言う

自動運転車は徐々に現実のものとなりつつありますが、まだ多くの疑問が残っています。消費者は本当に運転の...

機械学習におけるモデル展開とは何ですか?

機械学習におけるモデルのデプロイメントとは、機械学習モデルを既存の運用環境に統合し、入力を受け入れて...

情報抽出における画期的な進歩! NLP は大規模に実装されようとしているのでしょうか?

AI におけるブレークスルーには、一般的に 3 つの種類があります。学術ランキングで上位を占め、学...

...

真実に近いですか? LK-99型超伝導はCu_2S構造相転移によって引き起こされる可能性が高く、中国科学院物理研究所の論文もここにあります。

昨日、北京大学量子材料センター(ICQM)の郭開珍、賈爽らがarXivに提出した論文には、同チームが...

...

自動運転車は交通事故のほとんどをなくすことはできないかもしれない

統計によると、交通事故のほぼ主な原因は運転者の過失です。そのため、自動化は長い間、セキュリティにおけ...

人工知能のルーツを解読する

[[384631]] ◇コンピューティングパワーアルゴリズムの重要な基盤として、人工知能チップと人...

DockerとFlaskをベースにしたディープラーニングモデルのデプロイメント!

モデルの展開は、ディープラーニング アルゴリズムの実装において常に重要な部分です。ディープラーニング...