Veri bilimcisi olmanın “21. yüzyılın en seksi işi” olması gerekiyordu. Ünlü aforizmanın olup olmadığı sorusu Harvard İşletme İncelemesi 2012’den itibaren tutar. Bununla birlikte, veri bilimcileri ve veri mühendisliği ve veri analistinin ilgili rolleri ile ilgili veriler, alarm zillerini çalmaya başlıyor.
Harvard Business Review özdeyişinin öznel kısmı, verileri bulup temizlemekten, veri boru hatları ve entegrasyon kodu oluşturmaktan ve hata ayıklamaktan ve makine öğrenimi modelleri oluşturmaktan ve geliştirmekten gerçekten keyif alıp almadığınızdır. Veri bilimcilerin zamanlarının çoğunu harcadıkları sıra, bu görevler listesinde yer alır.
Bazı insanlar iş tanımına göre veriye dayalı kariyerlere gerçekten çekilirken, talep ve maaşlardaki artış diğerlerini cezbeder. Eğer karanlık taraflar iş tanımının kendileri bilinmiyor, büyüme ve maaş kısmı çok tartışılmadı. Ancak durum değişebilir: veri bilimcisi pozisyonları hala yüksek talep görüyor, ancak piyasa türbülansına karşı bağışık değil.
Karışık sinyaller
2022’nin başında, bir şeylerin değişmekte olabileceğine dair ilk işaret ortaya çıktı. tarafından gösterildiği gibi analiz etmek çevrimiçi işe alım şirketi tarafından yayınlanan verilerin IEEE Spektrumundan Zar 2021’de yapay zeka ve makine öğrenimindeki maaşlar düştü, ancak ABD teknoloji sektöründeki maaşlar ortalama olarak yaklaşık %7 arttı. Bununla birlikte, IEEE Spectrum’un belirttiği gibi, makine öğrenimi, doğal dil işleme ve AI uzmanları için rekabet yumuşadı ve ortalama maaşlar sırasıyla %2,1, %7,8 ve %8,9 azaldı.
Örneğin, Amerika Birleşik Devletleri’nde makine öğrenimi konusunda uzman olan yazılım mühendislerinin ortalama maaşları, 2018’e kıyasla 2019’da %22 arttığı ve ardından 2020’de %3,1 arttığı için, bu son yıllarda ilk kez oldu. aynı zamanda, veri bilimcisi rollerine olan talep, tam tersine, azalma belirtisi göstermiyor.
Geliştirici işe alım platformları, veri bilimi BT becerilerine yönelik talepte bir artış görüldüğünü bildiriyor. Son bildiri geliştirici tarama ve görüşme platformu DevSkiller, 2021’deki görüşme sürecinde adaylar için belirlenen veri bilimi ile ilgili görev alımı yapanların sayısında %295’lik bir artış gördü.
2022 anketi Teknik İşe Alma CodinGame ve CoderPad’den ayrıca DevOps ve makine öğrenimi uzmanlarıyla birlikte veri bilimini, talebin arzı çok aştığı bir meslek olarak tanımladı. Bu nedenle, işverenler, rekabetçi kalmak istiyorlarsa, çalışanlarına sundukları maaşları ve faydaları yeniden değerlendirmeleri gerekecektir.
İşten çıkarma dalgası
Buna ek olarak 2021, herkesin kariyerleri de dahil olmak üzere her şeyi yeniden düşündüğü bir dönem olan “Büyük İstifa” fenomeni olarak adlandırılan duruma damgasını vurdu. Teoride, işgücünün bir kısmının yörüngesini ve hedeflerini yeniden tanımlaması ve/veya istifa etmesi talebi ve ücretleri artırmalıdır – veri bilimcilerinin istifa etme nedenlerine ilişkin analizler ve işverenler onları korumak için ne yapabilir dolaşıma başladı.
Ardından veri bilimcisi, veri mühendisi ve veri analisti rolleri de dahil olmak üzere işten çıkarmalar geldi. Belirtildiği üzere LinkedIn’in son işten çıkarmalar hakkındaki analiziteknoloji sektörünün çalkantılı yılına günlük işten çıkarmalar, işe alımların dondurulması ve iş iptalleri duyuruları damgasını vurdu.
Dünya çapında 70’den fazla teknoloji girişiminde yaklaşık 17.000 işçi, Nisan ayına göre %350’lik bir artışla Mayıs ayında işten çıkarıldı. Bu, salgının zirvesinde olan Mayıs 2020’den bu yana sektörde kaybedilen en yüksek iş sayısı. Ayrıca, teknoloji devleri gibi netflix ve PayPal aynı zamanda işleri keserken, Uber, Lyft, Patlatmak ve Meta işe alımları yavaşlattı. Teknoloji işten çıkarma izleme sitesi tarafından paylaşılan verilere göre işten çıkarmalar.fyi, işten çıkarmalar izlenen şirketlerin işgücünün %7 ila %33’ünü ilgilendirmektedir. Her şirket özelinde verilere bakıldığında bunların da veriye dayalı pozisyonlar olduğu görülmektedir.
Fintech işten çıkarma verilerinin incelenmesi Klarna ve sigorta başlangıcı Politika Dehasıörneğin, veri bilimcisi, mühendis ve veri analistinin rollerinin alt ve üst düzeylerde etkilendiğini gösterir. Her iki şirkette de bu roller işten çıkarmaların yaklaşık %4’ünü oluşturuyor.
Otomasyonun sonuçlarını ölçün
Bu çelişkili sinyaller hakkında ne düşünmeliyiz? Veri bilimi ile ilgili görevlere olan talep güçlü görünüyor, ancak maaşlar düşüyor ve bu roller de işten çıkarmalara karşı bağışık değil. Bu sinyallerin her biri kendi bağlamı ve sonuçları ile birlikte gelir.
Zar Pazarlama Direktörü Michelle Marian’ın IEEE Spectrum’a söylediği gibi, makine öğrenimi ve AI maaşlarındaki düşüşe çeşitli faktörlerin katkıda bulunması muhtemeldir; bunlardan biri, daha fazla teknoloji uzmanının bu becerileri öğrenmesi ve ustalaşmasıdır. “Yetenek sayısı zamanla arttıkça, becerilerin bulunması daha kolay olduğu için işverenlerin en azından biraz daha az ödeme yapması gerekebilir. Bunun bir dizi sertifika ve diğer son derece uzmanlaşmış teknoloji becerileri ile gerçekleştiğini gördük” dedi.
Bu makul bir sonuç gibi görünüyor. Ancak, veri bilimi ve makine öğrenimi için başka bir şey söz konusu olabilir.Veri bilimciler ve makine öğrenimi uzmanları yalnızca birbirleriyle değil, aynı zamanda giderek artan bir şekilde otomasyonla rekabet ediyor. Hong Kong merkezli nicel portföy yöneticisi Peter Yuen’in belirttiği gibi, nicel analistler hepsini daha önce gördü.
En iyi AI araştırmacılarının 1 milyon dolar aralığında maaşlar kazandıklarını öğrendikten sonra Peter Yuen, “bunun uzun süredir devam eden bir “coolie” eğiliminin devamı olarak daha doğru bir şekilde yorumlanması gerektiğini” yazıyor. “yüksek teknolojiden işlerini kaybetmek için kendilerini kodlamaya kadar.” küresel nitelikli işgücü bolluğunun arka planına karşı”.
Peter Yuen, “Finansal piyasaları otomatikleştirmede üç nesil nicellerin deneyimine bakılırsa,” diye yazıyor, “birçok endüstride yapay zeka tabanlı uygulayıcıların otomasyonu belki de sadece on yıl sürmeyecek”. Bundan sonra, “küçük, seçkin bir AI uygulayıcıları grubu, yönetici veya sahip statüsüne ulaşacak, geri kalanı ise yaratımlarını izlemek ve beslemekle görevli orta ücretli işlerde sıkışıp kalacak. »
AutoML ve kullanıma hazır ML model kitaplıkları gibi gelişmelerin kanıtladığı gibi, bu döngünün erken aşamalarında olabiliriz. Tarih geçecek bir şeyse, Peter Yuen’in tanımladığı şey muhtemelen gerçekleşecek ve bu da kaçınılmaz olarak yerinden edilmiş işçilerin “yığına nasıl tırmanabilecekleri” hakkında sorulara yol açacaktır.
AI balonunun patlaması
Bununla birlikte, veri bilimcilerinin yakın gelecekte bu konuda çok fazla endişelenmelerine gerek kalmayacakları varsayılabilir. Sonuçta, veri bilimi projeleri hakkında sıkça bahsedilen bir başka gerçek de şudur: bunların neredeyse %80’i çeşitli nedenlerle her zaman başarısız oluyor.
Durumunda, halinde Zillow özellikle veri biliminin başarısızlığını göstermektedir. Zillow’un işi, ev satın alma hizmeti için doğru tahmine dayalı modeller oluşturmak için büyük ölçüde veri bilimi ekibine güveniyordu. Modellerin o kadar doğru olmadığı ortaya çıktı. Sonuç olarak, şirketin hissesi 5 gün içinde %30’dan fazla düştü, CEO veri bilimi ekibini suçladı ve personelin %25’i işten çıkarıldı.
Zillow’da veri bilimi ekibinin hatalı olup olmadığı tartışmaya açık. Son işten çıkarmalara gelince, muhtemelen veri bilimi ekiplerinin kendi başına başarısızlığından ziyade ekonomideki daha büyük bir değişimin parçası olarak görülmeliler. Olarak yazı Data Science Central’da topluluk editörü olan Kurt Cagle, 1970’lerde AI projeleri için fonların tamamen kuruduğu dönemi hatırlatan, yaklaşmakta olan bir AI kışından bahsediyor.
Kurt Cagle, bir AI kışı olası olmasa da, bu alanda risk sermayesinin soğumasıyla bir AI sonbaharının beklenebileceğine inanıyor. 1970’lerin AI kışı, büyük ölçüde teknolojinin göreve uygun olmamasından ve benim için yeterli sayısallaştırılmış veri olmamasından kaynaklanıyordu.
Bugün, mevcut bilgi işlem gücü çok daha fazla ve veri miktarı hızla artıyor. Kurt Çağle’ye göre sorun şu anda kullanımda olan sinir ağı mimarilerinin sınırlarına yaklaşıyor olmamız olabilir.
Pek çok kişi gibi Kurt Çağle de “derin öğrenme her şeyi yapabilir” demeyi içeren düşünce sisteminin eksikliklerine dikkat çekiyor. Bu eleştiri geçerli görünüyor ve şu anda ihmal edilen yaklaşımların entegrasyonu alanı ilerletebilir. Ancak, burada önemli olanın sadece teknolojik yönün olmadığını unutmayalım.
Belki yakın tarih bizi aydınlatabilir: Yazılım geliştirme ve İnternet tarihinden ne öğrenebiliriz? Bazı yönlerden, bugün bulunduğumuz yer, dotcom balonunun günlerini andırıyor: artan sermaye mevcudiyeti, aşırı spekülasyon, gerçekçi olmayan beklentiler ve büyük değerlemeler. Bugün yapay zeka balonunun patlamasına doğru ilerliyor olabiliriz. Bu, veri bilimi rollerinin bir gecede çekiciliğini kaybedeceği veya yaptıklarının değersiz olduğu anlamına gelmez. Ne de olsa yazılım mühendisleri, yazılım mühendisliğinin son birkaç on yılda gördüğü tüm ilerlemeler ve otomasyon için hala talep görüyor. Ancak bu muhtemelen yeniden kalibrasyonun gerekli olduğu ve beklentilerin buna göre yönetilmesi gerektiği anlamına gelir.
Kaynak : ZDNet.com