Chuyển sang một nghề nghiệp trong Machine Learning [đã đóng]

Công việc hàng ngày của tôi là phát triển phần mềm cũ đơn giản. Tôi cũng đang làm Thạc sĩ về CS (bán thời gian, dựa trên khóa học). Tôi đã tham gia một khóa học về AI và thấy học máy khá hấp dẫn nhưng giống như hầu hết các khóa học, nó chỉ cung cấp một phần giới thiệu cơ bản.

Tôi dự định tìm hiểu thêm về Machine Learning và nếu có thể có một công việc trong lĩnh vực đó. Khi tôi xem các bài đăng công việc trong lĩnh vực này, rõ ràng là một Phd trong Machine learning (hoặc kinh nghiệm trước đó trong lĩnh vực có chuyên môn đáng kể) là bắt buộc đối với hầu hết trong số họ.

Tôi đang tìm kiếm lời khuyên về việc tự học để có được kinh nghiệm sẽ hữu ích trong ngành. Ít nhất, đủ kinh nghiệm để có được chân của tôi. Tôi sẽ làm những việc rõ ràng như đọc sách giáo khoa, giấy tờ, v.v. Có lẽ bất kỳ nỗ lực nguồn mở nào tôi có thể tham gia hoặc tôi có thể tự làm gì?

Xin lỗi nếu tôi mơ hồ ở đây nhưng tôi hy vọng có ít nhất một vài bạn đã thực hiện một chuyển đổi tương tự và có thể khuyên.

Cảm ơn !

Bạn nói đúng, học máy là một lĩnh vực hấp dẫn. Bản thân tôi sắp hoàn thành đại học với sự tập trung mạnh mẽ vào học máy và sẽ sớm tìm kiếm một công việc trong lĩnh vực chung. Tôi cũng chưa tìm ra cách để làm điều đó.

Nhưng học máy nói chung là một lĩnh vực khá rộng. Tôi sẽ đề nghị để có được cụ thể hơn. Lĩnh vực nào bao gồm học máy mà bạn quan tâm nhất? Có nhiều lựa chọn:

• nhận dạng giọng nói / xử lý ngôn ngữ tự nhiên
• xử lý hình ảnh / video / thị giác máy tính
• hệ thống y tế
• phát hiện gian lận
• công cụ tìm kiếm
• giao diện người-máy tính
• ...

Tất cả các lĩnh vực (có thể) bao gồm các kỹ thuật máy học.

Theo kinh nghiệm của tôi, hầu hết các khóa học máy nói chung sẽ chỉ giới thiệu những điều cơ bản của nhiều kỹ thuật vì hai lý do:

1. như tôi đã nói: cánh đồng quá rộng để đi thật sâu ở mọi nơi
2. hầu hết các kỹ thuật chỉ có ý nghĩa nếu chúng được kết hợp với các ứng dụng thực tế

Tôi chưa bao giờ thực sự mò mẫm các SVM cho đến khi tôi phải sử dụng chúng trong nghiên cứu của riêng mình. Tôi chưa bao giờ thực sự hiểu các thuật toán khác nhau được sử dụng trên HMM cho đến khi tôi thực hiện một số công việc xử lý lời nói.

Và khi tìm việc tôi nghĩ nó tương tự nhau: Các công ty có nhiều khả năng tìm kiếm những người có kinh nghiệm / kiến ​​thức trong lĩnh vực cụ thể mà họ đang làm việc, thay vì lĩnh vực chung về học máy. Công việc học máy có nhiều khả năng là vị trí nghiên cứu / tiến sĩ / postdoc.

Xử lý ngôn ngữ tự nhiên như một ứng dụng thực tế của máy học

Tôi đang làm việc toàn thời gian và đang học bán thời gian trong một ngôn ngữ học tính toán (còn gọi là NLP, xử lý ngôn ngữ tự nhiên) chương trình học thạc sĩ. Có rất nhiều máy học trong lĩnh vực này, chẳng hạn như để nhận dạng giọng nói, phân loại tài liệu, v.v ... Chìa khóa là một cơ sở vững chắc về toán học, số liệu thống kê và ký hiệu logic. Tham gia các lớp học trong các lĩnh vực này để học (hoặc củng cố kiến ​​thức của bạn) trước khi bạn tốt nghiệp, vì việc tự học các chủ đề này có thể khó khăn.

Sách

Ngoài ra, lưu ý rằng không giống như nhiều lĩnh vực CS khác, lĩnh vực máy học được phân chia chắc chắn giữa các học viên và nhà lý thuyết. Các học viên sử dụng học máy làm công cụ, trong khi các nhà lý thuyết muốn chứng minh và cải tiến phương pháp học máy. Vấn đề nảy sinh là những cuốn sách về học máy thường được viết theo quan điểm của các nhà lý thuyết, giống như cuốn sách của HỌ. Cuốn sách duy nhất của học viên mà tôi tìm thấy là "Lập trình trí tuệ tập thể" của Segaran, bao gồm các khái niệm cơ bản. Tôi vẫn chưa tìm thấy một cuốn sách học viên tốt về SVM, PCCM, v.v.

Học máy có số lượng xác suất và thống kê khổng lồ, vì vậy tham gia một vài khóa học nâng cao trong các môn học này sẽ là một nơi thực sự tuyệt vời để bắt đầu.