机器学习（ML）是促进信息技术发展的重要行业。创建自主解决方案的做法正渗透进日常生活的方方面面。

　　Indeed.com在其报告中将机器学习行业评价为最佳行业。如何融入这一领域？需要具备什么技能？本文这就为您解答上述问题。

机器学习工程师：工作意义

　　机器学习工程师创建无需第三方干预即可运行的独立软件。你还记得YouTube或亚马逊的各种推荐吗？这不过是机器学习的一个实例。

　　另一个例子是Brights的Microsoft Face Tracking（微软面部跟踪）应用。该应用程序有助于根据用户先前的选择确定最适合用户的Microsoft产品。

　　实际上，机器学习工程师的典型工作通常包括：

• 实现解决方案

• 做实验收集数据 

• 最终确定和改进解决方案，从而获得最佳性能

• 开发各种问题的解决方案，形成数据库和服务器系统之间的持续交互。
  

机器学习工程师所需技术、知识及其他  

　　机器学习工程师的工作职责、所需知识和资质要求因公司而异。同时，无论在哪家公司，成功设计和自学系统都需要两套技能。我们分别考察一下这两套技能。

数据科学 

　　要开发机器学习算法，你必须处理大量数据，理解并系统化这些数据，然后得出正确的结论。所以，请关注现有最好的那些数据科学工具。

软件工程 

　　机器学习专家必须能够设计系统、了解各种数据结构、理解可计算性和计算机系统结构。

成为机器学习工程师的步骤

　　1、确定你的目标。了解目的有助于你选择学习计划。此外，实现目标可激励你克服任何职业道路都免不了遇到的各种困难。

　　2、学习主流编程语言。无论如何，缺乏编程知识就无法进入这一行。再学点计算机科学基础知识也会有所助益。缺少了学习编程的这一阶段，你将无法在生产中快速有效地实现机器学习解决方案。

　　3、学会处理大量信息。这有助于实验、分析收到的信息并找到最佳解决方案。

　　4、不断学习。学会理解机器学习的思想和意义。描述特定工具，并谨记是哪些工具完全取决于你想从事哪个领域的工作。

　　5、将所学知识应用到实践当中。无论哪一行，尤其是机器学习，都必须将知识付诸实践。实践经验也是求职过程中的一大优势。

可以不编程就学会机器学习吗？

　　任何情况下，机器学习工程师都必须懂得主流编程语言，接受这一事实就好。会2~3种应用广泛的编程语言可以帮你敲开很多公司的大门。

　　拥有丰富的数学和统计学知识有助于处理数据、进行测试和做实验。但是，如果没有出色的编程基础，你就无法在生产中做出机器学习决策。 

　　软件工程基础知识也很重要，因为具备这一知识可以快速有效地实现很多决策。  

机器学习工程师好就业吗？

　　LinkedIn的报告显示，在美国，机器学习工作岗位在2020年增长了35%。从公共部门到娱乐行业，多个不同领域都亟需机器学习专业人士。根据预测，直到2029年，空缺职位只会增加，不会减少。

参考阅读

机器学习：安全还是威胁？

利用机器学习发起攻击的九种方式

如何利用人工智能做好端点防护

人机合智：安全运营中的人工智能

解决AI安全问题：NIST人工智能风险管理框架

人工智能与机器学习对网络安全的正面和负面影响