Saya seorang pengembang perangkat lunak (kebanyakan. NET dan Python sekitar 5 tahun pengalaman). Apa yang bisa saya lakukan untuk membantu saya mendapatkan pekerjaan di bidang pembelajaran mesin atau benar-benar apa pun yang akan membuat saya memulai di bidang itu? Apakah gelar pascasarjana merupakan persyaratan yang sulit?
machine-learning
data-mining
careers
pengguna10459
sumber
sumber
Jawaban:
Setiap kali saya berbicara dengan seseorang tentang belajar lebih banyak pembelajaran mesin, mereka selalu mengarahkan saya ke Elemen Pembelajaran Statistik oleh Hastie dan Tibshirani . Buku ini memiliki keberuntungan yang tersedia secara online secara gratis (hard copy memang memiliki daya tarik tertentu, tetapi tidak diperlukan) dan ini merupakan pengantar yang sangat bagus untuk subjek ini. Saya belum membaca semuanya di dalamnya, tetapi saya sudah membaca banyak dan itu benar-benar membantu saya memahami hal-hal dengan lebih baik.
Sumber daya lain yang telah saya jalani adalah kelas Pembelajaran Mesin Stanford , yang juga online dan gratis. Andrew Ng melakukan pekerjaan yang baik untuk memandu Anda melalui berbagai hal. Saya merasa ini sangat membantu, karena latar belakang saya dalam mengimplementasikan algoritma lemah (Saya seorang programmer otodidak) dan ini menunjukkan kepada Anda bagaimana mengimplementasikan hal-hal dalam Oktaf (R sudah diberikan banyak sudah diimplementasikan dalam paket sudah). Saya juga menemukan catatan ini pada statistik reddit beberapa bulan yang lalu, jadi saya membaca sekilas tentang itu dan kemudian menonton video dan merenungkannya dengan catatan saya sendiri.
Latar belakang saya dalam statistik dan saya mendapat beberapa paparan konsep pembelajaran mesin (teman baik saya benar-benar ke dalamnya), tetapi saya selalu merasa seperti saya kurang di depan pembelajaran mesin, jadi saya telah mencoba untuk mempelajari semuanya sedikit lebih banyak pada saya sendiri. Untungnya ada banyak sumber daya yang hebat di luar sana.
Sejauh mendapatkan pekerjaan di industri atau persyaratan sekolah pascasarjana saya tidak dalam posisi yang bagus untuk memberi nasihat (ternyata saya tidak pernah mempekerjakan siapa pun), tetapi saya perhatikan bahwa dunia bisnis tampaknya sangat menyukai orang-orang yang dapat melakukan berbagai hal dan agak kurang peduli dengan selembar kertas yang mengatakan Anda bisa melakukan sesuatu.
Jika saya adalah Anda, saya akan menghabiskan sebagian waktu luang saya untuk percaya diri dengan pengetahuan pembelajaran mesin saya dan kemudian menerapkan hal-hal seperti yang Anda lihat peluang. Memang posisi Anda mungkin tidak memberi Anda kesempatan itu, tetapi jika Anda bisa menerapkan sesuatu yang menambah nilai bagi perusahaan Anda (sambil mempertahankan kewajiban Anda yang lain), saya tidak bisa membayangkan ada orang yang marah dengan Anda. Yang menyenangkan di sini adalah jika Anda menemukan diri Anda melakukan sedikit pembelajaran mesin di pekerjaan ini, ketika Anda pergi mencari pekerjaan baru Anda dapat berbicara tentang pengalaman yang sudah Anda miliki, yang akan membantu orang melihat masa lalu yang kurang spesifik gelar.
Ada banyak sumber daya dan ini sangat menarik, saya berharap Anda beruntung!
Gagasan lain: Anda dapat memulai blog tentang proses pembelajaran Mesin Pembelajaran Anda dan mungkin mendokumentasikan beberapa proyek yang Anda kerjakan di waktu luang Anda. Saya telah melakukan ini dengan proyek pemrograman dan memungkinkan Anda untuk berbicara tentang proyek yang sedang Anda kerjakan di waktu luang Anda (terlihat bagus untuk majikan) dan Anda juga dapat mengarahkan mereka ke blog (jelas tetap profesional) tentang pekerjaan Anda . Sejauh ini saya telah mengirim beberapa orang ke blog pemrograman kecil saya (saya agak malas memposting akhir-akhir ini, tetapi saya terus memperbaruinya ketika saya melamar pekerjaan) dan semua orang yang saya ajak bicara terkesan dengan Itu.
sumber
Selain semua saran hebat lainnya, saya sarankan agar tangan Anda kotor dengan berpartisipasi dalam kompetisi online, lihat Situs untuk kompetisi pemodelan prediktif
Mengenai buku dll. Anda harus melihat pada:
Mengenai derajat saya setuju dengan @asjohnson bahwa sertifikat tidak terlalu penting, setidaknya saya dapat mengkonfirmasi ini untuk area tempat saya bekerja (Penambangan Data / ML di web). Mungkin berbeda untuk lebih banyak bidang "akademik" seperti bioinformatika. Mampu menunjukkan bahwa seseorang a) antusias dan b) telah melakukan pekerjaan nyata ("pintar dan menyelesaikan sesuatu") dengan memamerkan portofolio kecil (misalnya kompetisi online ...) harus menjadi IMHO yang lebih efektif.
sumber
Baca Pembelajaran Mesin Tom Mitchell. Itu adalah buku bagus yang harus Anda mulai di bidang Pembelajaran Mesin.
Satu hal yang harus diperhatikan: harap dicatat bahwa algoritma yang sama terkadang berperforma lebih baik atau lebih buruk sesuai dengan skenario dan parameter yang disediakan dan peluang acak. Jangan tidak mendapatkan ditarik ke dalam mengoptimalkan parameter untuk data pelatihan Anda - ini adalah aplikasi miskin pembelajaran mesin.
Ada banyak teknik yang cocok untuk aplikasi tertentu (tetapi tidak semua aplikasi) dan ada banyak teori yang dapat Anda baca untuk memahami pembelajaran mesin dengan lebih baik. Untuk menjadi ahli dalam pembelajaran mesin, Anda perlu memastikan untuk mengetahui apa yang Anda lakukan karena jika tidak, Anda tidak dapat memastikan apakah hasil Anda akan digeneralisasi dengan baik.
Semoga berhasil.
sumber
Ada banyak buku bagus tentang pembelajaran mesin, termasuk beberapa di seri O'Reilly yang memanfaatkan Python. Bekerja melalui satu, atau beberapa di antaranya mungkin merupakan titik awal yang baik.
Saya juga menyarankan mendapatkan pengetahuan tentang statistik - melalui satu atau dua kursus, atau belajar mandiri, tidak terlalu penting. Alasannya adalah bahwa ada beberapa buku pembelajaran mesin yang fokus pada algoritme dan mekanika, tetapi abaikan pertanyaan mendasar tentang seberapa besar kemungkinan bahwa apa yang disampaikan algoritma Anda hanya karena kebetulan. Dan, ini penting untuk diketahui.
Selamat mencoba & bersenang-senang, ini adalah bidang yang hebat.
sumber
Pertanyaan yang sangat bagus Satu hal yang harus disadari di muka adalah bahwa pembelajaran mesin adalah seni dan ilmu pengetahuan dan melibatkan pembersihan data dengan cermat, memvisualisasikannya, dan akhirnya membangun model yang sesuai dengan bisnis yang dipertanyakan, sementara secara bersamaan menjaganya agar tetap berskala & dapat ditelusuri. Keterampilan yang bijaksana, lebih penting daripada hal lain adalah fokus pada probabilitas dan menggunakan metode sederhana terlebih dahulu sebelum melompat ke yang kompleks. Saya lebih suka kombinasi R & Perl, karena Anda tahu python yang harus cukup baik. Ketika bekerja pada pekerjaan nyata, Anda harus selalu menarik data Anda sendiri sehingga pengetahuan tentang SQL (atau apa pun yang lain-sql yang didukung perusahaan Anda) adalah suatu keharusan.
Tidak ada yang mengalahkan pengalaman di area ML, jadi terlibat dalam situs-situs seperti stackexchange, kaggle juga merupakan cara yang bagus untuk mendapatkan terpapar ke bidang ini. Semoga berhasil.
sumber
Saya tahu ini sedikit pertanyaan lama, tetapi mengingat kenyataan bahwa saya melihat banyak programmer masih tidak tahu bagaimana memulainya.
Karena itu, saya membuat repositori "rencana pembelajaran harian yang lengkap untuk belajar menjadi insinyur mesin" .
Ini adalah rencana studi multi-bulan saya untuk beralih dari pengembang seluler (otodidak, tanpa gelar CS) ke insinyur pembelajaran mesin.
Tujuan utama saya adalah menemukan pendekatan untuk mempelajari Pembelajaran Mesin yang sebagian besar langsung dan abstrak sebagian besar Matematika untuk pemula. Pendekatan ini tidak konvensional karena merupakan pendekatan top-down dan hasil-pertama yang dirancang untuk insinyur perangkat lunak.
Tolong, jangan ragu untuk membuat kontribusi yang Anda rasa akan membuatnya lebih baik.
sumber