Entwickler*in für maschinelles Lernen

Andere Bezeichnung(en): Machine Learning Engineer (m./w./d.), Deep Learning Engineer (m./w./d.)

Berufsbeschreibung

Fahrzeuge, Smart Phones, Industrie-Roboter, Alarm- und Sicherheitsanlagen, Übersetzungsprogramme, Autocorrect-Programme, Chatbots und ähnliches werden zunehmend intelligenter, weil Entwickler*innen für maschinelles Lernen diesen Systemen das "Lernen" beibringen. Aus diesem Grund werden diese Systeme auch als KI ( Künstliche Intelligenz oder AI (Artificial Intelligence) Systeme bezeichnet.

Entwickler*innen für maschinelles Lernen sind damit befasst, Geräte, Maschinen und Anlagen mit der Fähigkeit auszustatten, aus der Erfassung und Analyse von Daten selbstständig zu lernen, bestimmte Entscheidungen zu treffen und Anweisungen und Aufgaben durchzuführen, ohne dass diese zuvor programmieren werden müssen.

Entwickler*innen für maschinelles Lernen arbeiten in Forschungs-& Entwicklungslabors von Unternehmen und wissenschaftlichen Institutionen. Sie arbeiten in interdisziplinären Teams mit Fachkräften wie Informatiker*innen, Software-Entwickler*innen, AI-Spezialist*innen, Datenwissenschafter*innen usw. sowie mit Expert*innen aus Neurowissenschaften, Kognitionswissenschaften oder Psychologie zusammen.

Wenn Siri unsere Stimme erkennt, die Auto-Korrektur in Textprogrammen immer präziser wird oder Chatbots überzeugend mit uns kommunizieren, dann haben wir es mit maschinellem Lernen zu tun. Dieser Bereich künstlichen Intelligenz (KI) oder Artificial Intelligence (AI), der Bereich der maschinellen Bewegungs-, Text-, Sprach- oder  Gesichtserkennung macht besonders rasante Fortschritte. Industrieroboter, selbstfahrende Autos (Self-Driving Cars), sprechende "smarte" Elektronik- und Haushaltsgeräte sind nur einige Beispiele für diese Entwicklungen.

Entwickler*innen für maschinelles Lernen sind mit der Entwicklung, Programmierung und Testung von selbst-lernenden Systemen, Geräten und Anlagen befasst. Zu diesem Zweck entwickeln und programmieren sie  Software, welche versucht die kognitiven Prozesse des menschlichen Gehirns nachzubilden, insbesondere Prozesse der sensorischen Wahrnehmung, Objekterkennung, Informationsverarbeitung oder allgemein: des menschlichen Lernens. Zu diesem Zweck müssen die kognitiven Prozesse des menschlichen Gehirns zuerst erforscht und verstanden und im nächsten Schritt nachgebildet und modelliert werden. Dies erfordert aufwändige Forschungs- und Entwicklungsarbeit in interdisziplinären Teams.

Maschinelles Lernen ist die technische Erweiterung des EVA-Prinzips (Eingabe-Verarbeitung-Ausgabe) der Datenverarbeitung bei der ein neuer, vierter, Aspekt dazu kommen: "Learn "oder "Train". Die Datenverarbeitung ist nicht statisch, sondern entwickelt sich anhand der Datenausgabe dynamisch weiter. Ziel des maschinellen Lernens ist es, Maschinen so zu programmieren, dass sie neue Dinge lernen, die ihnen zuvor nicht programmiert wurden. Um dies zu bewerkstelligen, müssen Entwickler*innen für maschinelles Lernen spezielle Algorithmen entwickeln und immense Datenmengen erfassen und auswerten. Das Produkt ist selbstlernende  Software, welche es technischen Systemen wie Computern, Fahrzeugen oder Industrierobotern ermöglicht, Objekte, Gesichter oder Stimmen zu erkennen und mit diesen zu kommunizieren.

Entwickler*innen für maschinelles Lernen sind ausgebildete Informatiker*innen, Software-Entwickler*innen oder Computermathematiker*innen. Sie sind vor allem in Forschungs- und Entwicklungsbereichen von universitären und außeruniversitären Forschungseinrichtungen, sowie in Unternehmen für IT und AI-Technologien tätig.

Entwickler*innen für maschinelles Lernen arbeiten mit riesigen Datenmengen an Großrechnern und vernetzten Computersystemen und anderen IT-/Informations- und Kommunikationsanlagen sowie mit Desktops, Tablets, Notebooks und Laptops und zugehörigen Peripheriegeräten wie Druckern. Sie lesen und verwenden technische Unterlagen, Journale und Dokumentationen sowie Fachbücher, Fachjournale, Handlexika und dergleichen mehr.

Sie arbeiten mit Programmiersprachen wie z. B. Python, Javascript, Delphi, Kylix, JBuilder, C++, AppServer, Ruby oder InterBase. Ihre Plattformen sind häufig Windows, Linux oder Java, sie führen technische Unterlagen und Dokumentationen und verwenden Notizblöcke, Stifte, Whiteboards und Memos.

Entwickler*innen für maschinelles Lernen arbeiten in den Räumen von Forschungs- und Entwicklungslabors, sowie in Büros und Besprechungszimmern. Sie arbeiten in interdisziplinären Teams bestehend aus Berufskolleg*innen, wissenschaftlichen Mitarbeiter*innen, Forschungsleiter*innen und zahlreichen Spezialist*innen, wie z. B.:
Informatiker*in, Computertechniker*in, Computerlinguist*in, Computermathematiker*in, Data Scientist (m./w./d.), Cognitive Developer (m./w./d.), Deep Learning Engineer (m./w./d.), Neurowissenschafter*in, Neurolinguist*in, Natural Language Processing Expert*in, Robotic Systems Engineer (m./w./d.), Software-Programmierer*in oder Principal Investigator (PI) (m./w./d.).

Die Arbeitszeiten von Entwickler*innen für maschinelles Lernen sind projektorientiert. Mehrarbeit, Überstunden, Nacht- und Wochenendarbeit sind in diesem Beruf keine Seltenheit. Überwiegende Arbeit an Computer- und Laptop-Bildschirmen ist charakteristisch für diesen Beruf.

  • mit Projekt- und Entwicklungsteams Meetings und Besprechungen durchführen
  • Entwicklungsziele definieren
  • Software (Algorithmen) für maschinelles Lernen entwickeln und programmieren
  • Software für natürliche Spracherkennung und -verarbeitung (Natural Language Processing) entwickeln und testen
  • Programmiersprachen wie Python, R, Hadoop, Java, Spark, SAS, TensorFlow, C++, Keras, Theano anwenden
  • mit KI/Deep Learning ausgestattete Geräte, Anlagen und Maschinen entwickeln, optimieren, testen
  • Tagungen, Kongresse, Fachmessen etc. besuchen
  • technische, wissenschaftliche Unterlagen wie Fachbücher, Fachjournale, Handlexika führen
  • technische Dokumentationen erstellen und führen
  • Forschungs- und Entwicklungslabors von Unternehmen der  Robotik, KI/AI-Technologie usw., auch Start-ups
  • Fachhochschulen und Universitäten
  • selbstständig im eigenen Unternehmen

Der Beruf Entwickler*in für maschinelles Lernen ermöglicht mit entsprechender Berufserfahrung und Weiterbildung beispielsweise die Spezialisierung auf:

  • Deep Learning Engineering
  • Natural Language Processing
  • Robotic Systems Engineering
  • Data Science

Spezialisierungs- und Aufstiegsmöglichkeiten (Auswahl):

Hier finden Sie ein paar Begriffe, die Ihnen in diesem Beruf und in der Ausbildung immer wieder begegnen werden:

 Cognitive Science Künstliche Intelligenz Kybernetik Robotik