在这个机器人崛起的时代,不自我革新无异于等死

本文由数据应用学院与Event全知道联合撰稿

马丁•福特(Martin Ford)在他的著作《机器人的崛起》(The Rise of the Robots)中说,由于机器负责的任务范围越来越广,工作机会变得更少,制造业和专业领域的劳动者处于无休无止的压力下。如果不采取行动,不平等程度将会上升,经济增长可能停滞。

福特偏悲观,但生活的确很残酷:就业市场底层的人如果不接受再教育,将难以找到工作。说得再残酷一些,在这个机器人崛起的时代,如果不自我革新,无异于等死。

牛津大学的一项研究称,机器人在未来10–20年甚至可能取代美国一半的劳动力,多达700多种岗位正遭到被计算机自动化取代的风险。而以下这十种工作风险最高,分别是:贷款工作人员、前台和信息接待处人员、律师助理、零售售货员、出租车司机和专车司机、保安、快餐厨师、酒保、个人理财顾问、记者和通讯员、音乐家和歌手、律师。

各种职业被自动化替代的风险

今年上半年,全球最大机器学习竞赛组织Kaggle的CEO安东尼在TED做了一个发人深省的演讲:按照现在的发展速度,数据科学与机器会替代所有人力吗?

在安东尼看来,现代机器更加智能,能够替代人力,从事更多复杂的任务。比如从上世纪末开始,邮局逐渐开始使用机器识别信封上的手写邮编号码。机器学习还能帮助识别眼底造影中的糖尿病病变特征,甚至利用机器学习给高中生的essay文章判分。不仅速度更快,而且产量更大,质量更高。 从“高频率”,“大容量”的角度来比较,机器正与人拉开越来越大的差距。

机器将从’Frequency’和’Volume’角度替代人类

这让不少人大惊失色:数据科学和机器学习会让我们失业吗?

但安东尼认为,答案是否定的,因为在强调‘创新’的领域,还是需要人力来完成。他在参加北美数据展会Collision时就被问到这个问题。

对此,同样参展的美国数据应用学院(Data Application Lab) (www.datalaus.com) 同意安东尼的回答,但对他的解释并不赞同。

在Data Application Lab看来,除了强调‘创新’的领域,在那些已经引入数据科学机器学习的行业中,也不用悲观。历次技术革新,定会消灭一定岗位,也会创造一些新岗位。

例如,‘Computer’一词,在上世纪60年代前,其实是专指进行数字计算的女工程师,她们的工作包括火箭的弹道计算。然而计算机的兴起,使她们的工作被IBM计算机所替代。不过魔高一尺道高一丈,原来的女性’computer’迅速学习如何编程,成为了世界上第一批程序员,利用计算机来辅助火箭发射。

加州理工大名鼎鼎喷气动力实验室(JPL)招募的女性computer.
机器并不能完全替代人力。JPL将火箭弹道计算任务交给了IBM,但依然需要工程师操作。

这次也不例外。

考察所有这些成功的机器替代案例,你会发现一个共同的特征:机器学习的训练都要基于大量的现成数据。不管是所谓的性格测试,婚恋配对,还是癌症诊断,自动导航,都需要大量的数据。如果没有人来处理这样大量的数据做基础,无论是Tesla自动导航,还是Tinder炮友推荐,还是高考机器人,都无从谈起。

那么,如何搜集与整理这样大量的数据,如何转换与储存这样的信息,再到如何应用工具从这样的数据中挖掘价值,这些工作,不仅不会减少人力,还会增加岗位供应。

如何才能掌握大数据工具与思维,让自己占据就业的竞争优势?

答案很简单:大学里的知识无法让你用上40年,机器的崛起意味着你必须终生学习。

英国《经济学人》Coursera报道,终生学习将是主流

首先,要善于利用各种MOOC(大规模开放在线课程)(如Coursera, Edx, Udacity, etc.)。数据应用学院推荐课程: Coursera上面的JHU数据科学家系列,Andrew Ng的Machine Learning经典课程,edx上面的数据工程师系列,在知识的讲解上,都不错。

然而,Coursera这类的MOOC课程还是太简单,更新速度也太慢,而且比较理论。在大家都很容易就拿到一个课程证书的现状下,MOOC课程对求职的边际效用有明显下降,企业于是越来越看中实践的项目经验。总结以下,MOOC课程,学知识还可以,但求职者想靠Coursera的课程打动企业HR,是不太现实的。

要想打动HR?线上或线下的Training bootcamp得到了越来越多企业的青睐。虽然Bootcamp培训比较intensive,但能迅速入行。 由于在传授项目实践经验上的巨大优势(与MOOC相比),这样的Training Bootcamp已经获得各大企业HR的认可,并成为进入IT和数据领域的一条快速通道,《华尔街日报》也对这样的现象进行了报道。

《华尔街日报》关于企业青睐Training Bootcamp学员的报道

Insight, Galvanize, Data Incubator, Data Application Lab(数据应用学院)就是这样的Boot Camp。

Data Application Lab创始人Jason Geng(中)与同行Insight, Data Science参加洛杉矶Big Data Day。

数据应用学院这样的bootcamp有什么样的优势?

首先,课程紧跟市场需求,更新非常及时。数据行业正在飞速发展,求职者需要了解市场的技术发展,抓紧时机进入这个领域。Coursera上JHU的数据科学家项目已经挂了3年了,没有任何改变。而在Data Application Lab,以DE为例,今年6月的内容,跟去年9月的内容相比,已经作出了大量的修改,这是为了及时反映出科技公司对实时数据处理(real-time processing)的激增需求。来自Symantec 和Google的老师在深入交流意见后,预计今年在Data Engineer方向,实时处理尤其是Spark的应用与需求将继续快速增长,于是提前加入适量的Spark内容,并在实践项目中引入在硅谷广泛使用的’Lambda’实时数据架构,保证学员结业后,依然能够站在业界需求的最前沿。更不用说提供24小时集群计算机Cluster Access,让你亲手体会企业级分布式cluter的手感。

其次,数据应用学院的老师均有北美4–8年的工作经验,极为重视课程的实践意义与项目经验积累,传递给学员的,都是经过深思熟虑的见解与实际项目的真知。自学很容易失去方向感,误入歧途。在大家自学热情高涨,一窝蜂地去研究Machine Learning时,我们就给出了警示:数据科学并不等于Machine Learning (参见《关于数据竞赛的一点思考》)。

就算是数据科学家,在实际工作中,也只有20%左右的时间花在机器学习建模上。而更多的工作,是获取数据,清理数据。这些经验,不做几个End-2-End的完整项目是无法体会的。我们特意在课程中加入了大量分布式系统下的数据处理内容,在设计项目实践Project中,也充分体现出企业对数据分析流程的综合要求。

数据应用的流程。其中Machine Learning建模分析是最后一环。

再次,数据应用学院的培训均为小班教学,每个学员都能获得足够的辅导,不管是课业上的,还是职业规划上的。值得一提的是,在职业辅导上,除了有4小时左右的统一面试培训,在项目期,每周还有1对1的职业咨询,老师直接与学员对话,了解学员项目与求职进展,并给出有效的建议。本培训program的目的,是为了让学员顺利找到工作,而不仅仅是知识的传授。

最后,学院老师经过考察,认为现在是CS/EE背景求职这进入数据工程师(Data Engineer)的极佳时机,数据工程师本身就属于软件工程师,但在招聘时,现阶段的刷题要求并不高。很多公司待遇也非常好,110k ~ 140k是常事。这是CS/EE方向的求职捷径,但很多CS/EE的求职者却没有重视起来。

数据科学家(Data Scientist),市场的需求还在继续增长,人才的供不应求已经让更多企业降低了学历上的要求,更多STEM专业的硕士、博士,都有机会进入这个领域。有数据应用学院的专业培训与指导,助你在行业波动变迁的今天,将机器替代威胁转变为自己的竞争优势,顺利进入职场!

Data Application Lab(www.datalaus.com)是硅谷和洛杉矶的数据工程师与数据科学家联合创办的。该项目的三大方向(Data Engineer, Data Scientist, Business Analysis)均由多位企业高级数据工程师,数据科学家,数据分析师共同讲授,所有老师都具备4–10年工作经验,至今已输送超过百位同学任职数据岗位,与北美各大公司保持良好的人才输送关系。

往期学员去向

数据工程师(Data Engineer) 由具备8年高级数据工程师经验的Jason老师主持,详细讲解Hadoop和Spark的实战架构’Lambda’,强调在分布式系统下的数据操作,更提供end-2-end的完整项目实践,从产品定义到数据采集,到数据清理,最后机器学习建模,算法加强,无遗漏覆盖。20周项目毕业后应达到企业级entry-level data engineer水平。

Jason老师:北美Top数据公司8年高级数据工程师。University of Southern California客座教授,SoCal Data Science Conference 2016组委会主席。

数据工程师求职培训营介绍链接

商业分析师(Business Analyst)由AT&T企业部首席数据分析师Pan老师带领。Pan老师普渡大学MBA,麻省理工EMBA,Spark IT Consulting商务咨询合伙人,10年的行业经验。7周的课程结合理论与业界操作,覆盖: Marketing Framework (AIDA), Segmentation and Targeting, BD and Sales, Customer Experience and pricing。学习使用工具: R, Tableau.

商业分析师培训营介绍链接

数据科学家(Data Scientist)项目由多位硅谷资深数据科学家讲授,从机器学习算法到大数据环境下到数据处理,从数据爬取到Python Sklearn,再到Hadoop Hive, Spark GraphX,并结合Kaggle竞赛与企业项目实践(Steam游戏推荐系统与Fintech智能投顾),20周良心打造数据科学家。

数据科学家求职培训营介绍链接

咨询请发邮件至:info@datalaus.com 将在24小时内回复

或致电:+1–8004857918