קדימה אל תחכו, התקשרו : 072-3944399

חפש קורס:

צור קשר






מגייסים אנשי Machine Learning?
מה זה בדיוק?

מה זה Machine Learning ?

במאמר זה אני אנסה לשפוך יותר אור על אחד המושגים הכי חמים שסובבים אותנו בשנה האחרונה. חלקנו הגדול מתעסקים באיתור וגיוס אנשי בינה מלאכותית, לימוד מכונה ( Machine Learning), Data Science וכו׳. אני אתמקד כאן במושג Machine Learning וכיצד ניתן לאתר מועמדים מתאימים (או קרובים לכך).

קודם כל, קצת סדר : מה הקשר בין בינה מלאכותית ל Machine Learning?

בינה מלאכותית הוא תחום מאוד כוללני של נושאים וטכניקות המדמים מתן\פיתוח ״בינה אנושית״ למכונות (מחשבים). ככל שהמחשבים ״יחשבו״ יותר כמו בני אדם (אף מילה על הסכנות הטמונות בכך..), כך יותר ויותר תהליכים בעולמות היום יום שלנו יהיו יותר חכמים, אוטמטיים וכו׳.

בינה מלאכותית מכילה מגוון גדול של נושאים, Machine Learning הוא אחד מהם.

 

מה זה Machine Learning ?

 

הרעיון ב Machine Learning הוא פשוט : ״ללמד״ את המחשב לזהות תבניות חוזרות בכמויות מידע גדולות על מנת לחזות את העתיד ! ברגע ש״נלמד״ את המחשב כיצד מגיבים לתבניות מידע מסוימות כך נוכל לסמוך עליו לתת לנו תחזיות מדויקות יותר.

דוגמה מחיי היום היום :

חשבו על ילד קטן הרואה נר דולק באחד החדרים בביתו. מתוך סקרנות, הוא מושיט יד ומיד מקבל כוויה. מתוך אינסטינקט הוא מושך את היד חזרה ומיד חושב לעצמו : ״הדבר החם ומפיץ האור הזה כואב״.

שבוע לאחר מכן הוא נכנס למטבח ורואה את תנור האפייה פועל. הוא מתוך סקרנות רוצה להושיט את היד אך מיד חש שה״דבר״ הזה מפיץ חום ומפיץ אור כנראה שהוא כואב״, ולכן נמנע מלהושיט את היד. זאת ״למידת מכונה״. למה ? היות וההורים שלו לא אמרו לו לא להתקרב לנרות או לתנורים. הוא זיהה בעצמו תבנית חוזרת (אור וחום) וצפה את הכאב המצופה לו.

כך אם נלמד את המחשבים לזהות מידע שחוזר על עצמו הם יידעו לחזות עבורנו את התוצאה.

האם מישהו מכם משתמש ב Waze כדי לדעת את זמן הנסיעה הצפוי לו בעוד שבוע מנקודה אחת לאחרת? ז-ה Machine Learning. ע״ס מידע רב שנצבר כגון : מרחק, יום בשבוע, עונה בשנה, טמפרטורה צפויה, שיבושים בכביש וכו׳  – ניתן לקבל הערכה מאוד מקורבת לזמן הנסיעה הנדרש.

  

ב Machine Learning אנחנו מנסים בדרך כלל לקבל תחזית אחת מתוך 2 סוגים : תחזית לערך כמותי (ע״י Regressions) ותחזית לערך מקוטלג ( ע״י Classifications).

דוגמאות לערך כמותי יכולות להיות:

       כמה אני צופה למכור את המוצרים שלנו בשנה הקרובה?

       מה תהיה ציפיית השכר של עובד מסוים בעוד שנתיים?

 

דוגמאות לערך מקוטלג יכולות להיות :

       מה הסיכוי שיירד מחר גשם (כן\לא) ?

       האם פרסומת תשפיע או לא על צרכן מסוים?

 

מה נדרש מאנשי Machine Learning?

 

אנשי ה Machine Learning ( נקראים לרוב גם אנשי בינה מלאכותית, או Data Scientists) נדרשים לדעת לעבוד עם מודלים שונים. מדובר בדרך כלל על בוגרי מדעים מדויקים, שכן לימודי ה Machine Learning מצריכים ידע (ברמה כזאת או אחרת) במתמטיקה, סטטיסטיקה וכמובן תכנות. בניגוד לאמונה רווחת, לא נדרש מהם להיות סטטיסטיקאים בהגדרה וגם לא מתמטיקאים דגולים. כן נדרשת מהם יכולת אנליטית מעל הממוצע. על אף שאינם מוגדרים כ״אנשי פיתוח״, רוב אנשי ה Machine Learning נדרשים לדעת לתכנת בשפת Python, השפה השלטת בעולמות ה Data.שפה זו מביאה איתה כמה ספריות חשובות מאוד בהן הם משתמשים בעבודת היום יום. השילוב של זיהוי וניתוח המידע אותו הם חוקרים, הכרת המודלים השונים לחיזוי והיכולת לממש אותם בשפת Python הם הנדבכים העיקריים בעבודת היום יום של ״מדעני הנתונים״.

חסרים כמובן אלפי אנשי בינה מלאכותית בשוק, בכלל זה , גם אנשי ML. בגלל המחסור העצום, ארגונים רבים מגייסים בוגרי הכשרות כלשהן שקרובים לפרופיל הנדרש. ולכן, אפרט את הדרישות להכשרות בתחום זה.

כל מי ש Data זורם בעורקיו ויש לו נסיון בניתוח ואנליזה של מידע וקיבל הכשרה ראויה בתחום הוא פוטנציאל טוב. כמובן שככל שהכשרה היתה פרקטית יותר, כך נצבר נסיון החשוב למשרות הרלוונטיות. אל לנו להתבלבל עם Data Analysts. מנתחי מערכות או מנתחי מידע אינם אנשי Machine Learning.  אנשים אלו צריכים לקבל הכשרה ייעודית, ברמה גבוהה ביותר מאשר ניתוח Data מסורתי.

כל מי שעסק במודלים מתמטיים, סטטיסטיים ובעל רקע בתכנות בכלל וב Python בפרט יכול לקבל הכשרה ראויה. לא מעט אנשי פיתוח תוכנה, גם זיהו את הפוטנציאל בתחום זה ועושים הסבה. להם כמובן יש את היתרון האנליטי, הרקע בתכנות והיכולת להתמודד עם אתגרים על בסיס יומי, וגם הם יכולים להפוך לאנשי ML ראויים.

 

 

 קורות חיים לדוגמא

 

נניח שאנו מחפשים Data Scientists עם נסיון ב Machine Learning. ייתכן וגם הלקוח מוכן להתפשר על מישהו קרוב לכך ולהכשיר אותו.

נבחן את קורות  החיים הבאים :

כאן, אנו רואים בברור שהמועמד בהחלט מתאים. יש לו נסיון ב Machine Learning, ידע בפיתוח ב Python, הכרות עם כל הספריות המובילות בעולמות ה Data – אין כאן בכלל שאלה.

 אבל נסתכל על קורות החיים הבאים :

כאן, אין לנו במבט ראשון שום דבר שיכול לרמוז להתאמה אופטימלית : אומנם יש לו נסיון בסיסי בשפת Python אך המושג Data כוללני מידי, אין אזכור למושגים כגון Machine Learning או Deep Learning.

כמו כן, אין איזשהו תיעוד ללמודי מתמטיקה או סטטיסטיקה מעבר לתואר הראשון.

 

יחד עם זאת, בהחלט שווה לבחון ולבדוק את הנקודות הבאות מול המועמד:

–  יש לו נסיון בשפת R. שפה זו משמשת סטטיסטיקאים ואנשי .Data Science מומלץ להבין מה בדיוק כוללת ההכרות הזאת? האם המועמד נחשף לתוכניות בשפת R מעצם היותi מנתח מערכות או ממש כתב בשפה זו? אם הוא כתב בשפה זו, רוב הסיכויים שעסק במודלים של ניתוח מידע ואולי אפילו Machine Learning !

– הוא פיתח “Financial Models”– למה הכוונה בדיוק? האם השתמש ברכיבים מוכנים של פלטפורמות שונות או שבנה מודלים בעצמו? כי אם כן – צריכה להיות לן הכרות עם אלגוריתמים וטכניקות שונות בעולמות הData – דבר שמעיד על היכולת שלן לעלות שלב לעולמות ה Machine Learning.

קורות חיים אלו בהחלט מרמזים על מישהו שלכל הפחות יכול להתאים להכשרה בעולמות ה Machine Learning : הנסיון בכתיבת קוד ב Python, העיסוק ב Data, עבודה עם שפת  R וייתכן גם פיתוח מודלים. מומלץ מאוד לבדוק מול המועמד האם ירצה להשתלב במשרה כזו לאחר הכשרה מתאימה.

מאמרים נוספים

קידום אתרים בגוגל קידום אתרים בגוגל