聚光灯
人工智能经理、数据科学经理、分析经理、人工智能经理、数据工程经理
Ever since computers were first created, programmers have wanted them to be able to think for themselves. In fact, there’s an entire field of data science called machine learning dedicated to that goal!
As IBM explains, “Machine learning is a branch of artificial intelligence (AI) and computer science which focuses on the use of data and algorithms to imitate the way that humans learn, gradually improving its accuracy.”
人工智能和机器学习曾一度局限于科幻小说的范畴,如今,成千上万的公司都对人工智能和机器学习进行了大量投资,并成立了专门的团队,努力进一步开发这项技术。这些团队需要经验丰富的机器学习经理的重点领导,他们了解公司的业务目标,知道如何指导团队取得成功。
- 与尖端技术团队合作
- 制定计划,提高效率,实现业务目标
- 具有竞争力的薪酬和良好的技能发展机会
工作日程
- 机器学习经理从事全职工作,通常晚上、周末和节假日休息,但偶尔也需要加班。
典型职责
- 寻找可将机器学习 (ML) 应用于现有项目和流程的领域
- 与公司领导层和团队会面,解释概念,提出战略建议,审查潜在影响和效益
- 创建机器学习路线图,列出流程和问题,以及要使用的数学、资源和工具
- 按照计划实施多边主义倡议
- 领导 ML 团队,其中可能包括数据科学家、工程师和程序员
- 提高用户对如何采用 ML 以及他们可能需要了解的变化的认识
- 根据需要与移动设备管理团队合作,确保有效实施新的数据战略
- 生成和部署能够从大型数据集中提取有用信息的算法
- 客观评估不同的方法及其结果
- Use programming languages and tools like Python, R, and TensorFlow
- 开发预测模型验证的自动化流程
额外责任
- 根据指示与合作伙伴企业合作,分享有关变化的知识、见解或信息
- 建立强大的外部伙伴关系网络,加强学习
- 培训或指导团队成员和助理经理
- 咨询公司
- 电子商务/零售商店
- 金融部门
- 政府机构
- 医疗保健和制药公司
- 制造业
- 研究机构
- 科技公司
机器学习经理应处于巅峰状态,随时准备有效地领导团队实现与 ML 相关的组织目标。
他们必须具有创造力、职业道德和前瞻性思维,能够找到并利用一切机会整合和利用 ML 功能并提高绩效。在这个高科技竞争的时代,如果企业不能紧跟潮流,就可能很快落后并失去客户。
Machine learning is evolving rapidly and there are several notable trends to keep track of. Among them is the advancement of deep learning and deep neural networks inspired by the interconnected network of neurons in the human brain. Reinforcement learning is also a hot trend in robotics, training programs (aka agents) to interact with environments via trial and error.
随着 ML 模型变得越来越复杂,研究人员必须关注道德因素以及 ML 模型如何做出决策。其他趋势包括联合学习、迁移学习和预训练模型、AutoML、边缘计算和设备上的 ML 等概念,机器学习经理需要了解这些概念,才能跟上时代的步伐!
机器学习经理可能在很小的时候就爱上了技术。他们可能对数学、计算机编码和编程语言感兴趣。他们可能还喜欢分析解决问题,甚至喜欢阅读有关技术对企业影响的书籍。
团队合作是这一职业领域的重要组成部分,但机器学习经理是领导者,必须愿意在出现分歧时采取行动。他们的工作是确保适当的机器学习行为和决策。这种领导能力可能是通过学校的课外活动培养出来的。
- 机器学习经理一般需要数据或计算机科学或相关专业的硕士学位
- 工人并非一开始就能成为管理人员。管理人员需要几年的相关工作经验,包括至少几年的监管经验
- 许多经理人都是从企业内部晋升的,他们从初级或中级职位起步,担任过 ML 工程师、程序员,有时甚至还担任过业务职位。
- Common course topics include:
- 数据建模
- 深度学习
- 机器学习算法和技术
- 自然语言处理
- 神经网络
- Programming languages (R, Python, C++, Java) and Python libraries like NumPy, Pandas, Matplotlib, and Scikit-learn
- 强化学习
- 人工智能与 ML 之间的关系
- 统计与概率
- Students can learn programming languages like Python on their own, too!
- Check out courses offerings from Coursera, such as its Artificial Intelligence: an Overview Specialization
- 获得第三方认证也会有所帮助。可供选择的认证包括
- 学生应寻求开设数据科学、计算机科学、人工智能或机器学习专业的院校
- 寻找有实习机会或其他可以获得实践经验的项目,尤其是与人工智能和 ML 相关的项目。
- 考虑申请学士/硕士双学位课程,以节省完成硕士学位的时间
- 决定是否要学习在线课程或混合课程
- 经常比较学费和其他费用。查看奖学金和经济援助的选项
- 看看该专业是否与雇用毕业生的公司有合作关系!
- 注意校友的毕业和就业统计数据
- 高中生应选修数学(包括微积分)、英语、通信和信息技术课程(如果可能,尤其是人工智能和 ML 课程)
- 没有机会学习人工智能/ML 课程的高中生可以自学,开始打基础。考虑加入或组建计算机俱乐部!
- Knowledge of Python and SQL will come in handy later, and these can also be learned through self-study
- 申请计算机或数据科学或相关专业的本科课程,重点是机器学习。考虑申请学士/硕士双学位课程,以节省完成硕士课程的时间。
- 硕士学位可能不是每个职位都需要的,但它可以提高您的资历,并使您能够申请薪酬更高的初始职位。
- 寻找兼职工作,积累相关工作经验。您需要有多年的工作经验才能被考虑担任管理职位(包括监督他人和领导团队的经验)。
- 通过学校或自己申请相关的实习机会
- Read magazines and website articles related to machine learning. Consider doing ad hoc courses via Coursera or other sites for more structured learning
- 申请与在职的机器学习经理进行信息访谈

- 查看Indeed.com、LinkedIn、Glassdoor、Monster、CareerBuilder、SimplyHired 或ZipRecruiter等招聘门户网站
- 不要指望从管理级别做起!除非您已经拥有几年的相关工作经验,否则您需要先申请初级职位
- Consider relocating close to a tech hub city like Austin, Dallas, Raleigh, San Jose, or Charlotte
- 与同学保持联系,利用你的人际网络获得工作建议。大多数工作仍然是通过人际关系找到的
- 询问您的导师、前主管和/或同事是否愿意作为您的个人推荐人。未经事先许可,不要透露他们的个人联系信息
- Check out some Machine Learning-related resume examples and sample interview questions, including basics like “What Are the Different Types of Machine Learning?” or more advanced topics such as “How Will You Know Which Machine Learning Algorithm to Choose for Your Classification Problem?”
- 在学校的就业中心(如果有的话)进行模拟面试练习
- Dress appropriately for interviews and show your enthusiasm for and knowledge of the AI/ML field
- 要成为机器学习经理,需要多年的教育和工作经验。一旦成为经理,你的职位已经相当高了,但仍有晋升和加薪的机会
- 高级职位包括高级机器学习经理、机器学习总监或机器学习主管。
- 管理人员还可能寻求跨职能领导或行业专业化职位。有些人则选择转向纯粹的研发职位
- 让你的上司知道你对职业发展感兴趣,并征求他们的建议
- 大多数 ML 经理都拥有研究生学位,但对于那些没有研究生学位的人来说,获得硕士学位将是提升资历和资质的绝佳途径。
- 在任何可能有用的地方纳入 ML,为组织增加价值。与领导层和利益相关者沟通,确保他们理解 ML 的目标和优势
- 有效领导团队,确保项目按计划和预算进行
- 跟踪人工智能和 ML 的发展趋势和挑战。了解最新的软件
- 对于那些在规模较小的机构工作的人来说,你可能需要申请到规模更大或不同类型的机构工作,以获得更高的薪水或实现更高的职业目标。
- 例如,在政府机构工作的管理人员可能会在私营科技公司获得更丰厚的薪酬
- 完成高级第三方认证也会有所帮助。可供选择的认证包括
- 当然,具有深厚商业背景的人工智能经理人可能会成为创业者,推出自己的人工智能或人工智能相关业务,而不是为别人工作!
- Consider Stanford professor Andrew Ng, a prominent ML entrepreneur and co-founder of Coursera and Google Brain, who has a net worth of ~$122 million!
网站
- ACM
- Now 人工智能研究所
- 人工智能专业人员协会
- 亚马逊网络服务
- 计算语言学协会
- 计算机械协会
- 人工智能促进会
- Atomium
- 巴德
- 必应人工智能
- 数据创新中心
- 人类兼容人工智能中心
- 编码器
- 大数据、伦理与社会理事会
- 课堂
- DARPA
- 数据营
- 数据机器人公司
- 数据科学中心
- 数据科学道场
- DeepLearning.AI
- 深度思维
- 教育学院
- 伦理网
- Fast.ai
- GitHub
- 谷歌人工智能
- IFTF - 未来研究所
- 人工智能与机器学习伦理研究所
- 电气与电子工程师学会
- 国际模式识别协会
- 国际神经网络学会
- Kaggle
- KDnuggets
- 机器智能研究所
- 机器学习精通
- 微软
- 麻省理工学院-CSAIL 计算机科学与人工智能实验室
- 国家人工智能安全委员会
- NIST
- 经合组织人工智能政策观察站
- OpenAI
- 开放数据研究所
- 人工智能合作伙伴关系
- 普华永道
- RightsCon
- 机器人产业协会
- Salesforce - 爱因斯坦人工智能
- Software.org
- 斯坦福大学 HAI
- 技术政策实验室
- 张量流
- Topcoder
- 优德娱乐
- 乌德姆
- 犯罪司法所人工智能和机器人中心
书籍
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, by Aurélien Géron
- Machine Learning For Dummies, by John Paul Mueller
- The Hundred-Page Machine Learning Book, by Andriy Burkov
机器学习是一个令人着迷的领域,但要获得经理职位,需要多年的教育和工作经验。有许多相关的职业选择值得考虑,其中一些可能需要较少的时间就能胜任。同样,其中一些职位也可以作为日后成为 ML 经理的垫脚石!
- 人工智能提示工程师
- 大数据工程师
- 商业智能开发人员
- 计算机程序员
- 计算机系统分析员
- 数据库架构师
- 数据科学家
- 信息安全分析师
- 数学家
- 机器学习工程师
- 机器人工程师
- 软件架构师
- 网络开发员
新闻联播

特色工作

在线课程和工具

Annual Salary Expectations
New workers start around $156K. Median pay is $184K per year. Highly experienced workers can earn around $229K.