机构名称：
¥ 4.0
我们汇总了加拿大加拿大劳动力统计调查（LFS）问题奈雷斯的八年数据。使用机器学习的适用性（SML）量度用于检查机器学习的职业接触。使用美国（US）O*NET数据库开发，SML估计了机器可以学习特定工作任务的操作和输出的程度。基于O*的SML分数根据其匹配属性映射到加拿大国家职业分类代码。通过这种方法，我们对职业进行了高度机器学习曝光（SML分数的前10个百分位数）和低MA Chine学习曝光（SML分数的最低10％）。，我们对加拿大工人数量进行了加权估计，该职业的机器学习暴露或机器学习较低。性别分层的模型，以估计教育程度，小时工资和职业工作技能，培训和经验要求以及在男女高或低机器学习暴露职业中就业的可能性。
机器学习与劳动力市场
主要关键词
相关文件推荐
